Revêtements nanostructurés superhydrophobes en vue d'applications en aérodynamique
Notice bibliographique
Résumé
Les consommations de carburants fossiles, dans le domaine des transports, ne cessent d'accroître. Dans le but de diminuer ces consommations, plusieurs équipes travaillent à obtenir des alliages plus légers, ou encore des geometries plus aérohydrodynamiques. Toutefois, ces modifications atteignant un apogée, l'utilisation d'un revêtement de surface superhydrophobe offrant une mouillabilité faible, pourrait être la solution. En effet, une surface de contact réduite entre l'eau et le solide en addition à une affinité chimique réduite avec l'eau pourrait diminuer la friction en surface. Plusieurs techniques permettent d'obtenir des surfaces possédant ces caractéristiques.\n \nL'objectif de ce mémoire est de synthétiser des revêtements de surfaces superhydrophobes durables, facilement applicables à grande échelle, et de caractériser leurs effets sur la vitesse terminale de sphères en chute libre dans l'eau. Les nanoparticules d'oxyde ont des applications remarquables dans des domaines techniques émergents et variés pour obtenir des surfaces autonettoyantes ou pour obtenir des surfaces anticorrosion. Dans la présente étude, la modification et la fonctionnalisation de particules hydrophiles de silice (SiÛ2) et d'oxyde de zinc (ZnO) ont été menées pour obtenir la superhydrophobicité. Une dispersion de nanoparticules de silice a été obtenue par le procédé Stôber en utilisant du tétraéthoxysilane (TEOS : Si(OC2H5)4) et l'hydroxyde d'ammoniac, en tant que catalyseur basique, dans de Téthanol. De plus la surface des particules de silice a été modifiée en utilisant des molécules de fluoroalkylsilane (FAS-17 : CioH^FnCbSi) afin d'obtenir des nanoparticules de silice fluorées. D'autre part la modification de la surface de l'oxyde de zinc a été réalisée en utilisant des molécules d'acide stéarique (S.A. : CHs(CH2)i6COOH) dans le but d'obtenir des nanoparticules de ZnO methylées.\n \nCes nanoparticules ont été caractérisées sous forme de poudre ainsi que sous forme de films minces tels quels ou dans différentes matrices pour confirmer et optimiser leurs dépositions pour atteindre la superhydrophobicité. Les liaisons moléculaires entre les particules (SiÛ2 et ZnO) et leurs molécules de basse énergie (FAS-17 et SA) ont été démontrées par spectroscopie infrarouge à transformées de Fourrier (FTIR) et par diffraction des rayons X (XRD). Les surfaces rugueuses nano structurées ont montré des propriétés superhydrophobes, grâce, entre autres, à l'arrangement topographique, mais aussi grâce à la basse énergie de surface.\n \nEnfin, il a été montré que lors d'essais de chute dans l'eau, le revêtement superhydrophobes nanocomposite à base d'oxyde de zinc méthylée augmente les vitesses terminales de 5 à 11 % par rapport à une bille non-recouvertes, indiquant une diminution significative de la friction de surface. De plus, ces nanoparticules fonctionnalisées peuvent être facilement incorporées à des peintures pour des dépositions à grande échelle sur des surfaces variées, métaux et non-métaux, pour des applications visant à réduire la consommation d'énergie.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».