Investigating the role of propeller geometry and surface characteristics in UAV ice accretion: An experimental study
Notice bibliographique
Résumé
A lab based experimental study of atmospheric ice accretion on UAV propellers with different geometric and surface characteristics was conducted to study the ice accretion physics and resultant changes in propeller thrust and electrical power consumption. These experiments were conducted at the Anti-icing Materials International Laboratory (AMIL) Icing Wind Tunnel (IWT) at the Université du Québec à Chicoutimi (UQAC), Canada. The experimental icing conditions are determined in accordance with the 14 CFR Part 29 Appendix C for rotorcraft operating at altitudes below 10,000 feet. In this study the influence of following four geometric parameters and two surface characteristics of UAV propeller on ice accretion is analysed: 1) propeller diameter, 2) propeller pitch, 3) propeller chord length, 4) propeller winglets, 4) propeller surface finish and 6) Icephobic coatings. The analysis of results shows that the change in these features does not significantly impact the nature and shape of ice accretion but mainly influence the surface area affected by ice accretion. The thrust coefficient and electrical power coefficients vary considerably with change in propeller geometric features. The variation in propeller blade surface characteristics has a significant impact on the ice shedding characteristics of UAV propeller blade. Considering the high-power requirements of active ice mitigation techniques for UAV propellers, the results obtained from this study can be employed to develop a passive/hybrid ice mitigation approach and further optimize the geometric parameters of UAV propeller blades for efficient operations in icing conditions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».