Mesures expérimentales de l'impact des revêtements hydrophobes et superhydrophobes sur la traînée et la portance d'un profil aérodynamique propre et glacé
Bibliographic record
Abstract
Ce projet, réalisé à la demande du Laboratoire International des Matériaux Antigivre, a pour but de mesurer et définir expérimentalement l'impact de revêtements hydrophobes sur les coefficients de traînée et de portance d'un profil NACA 0012. Pour ce faire, la balance aérodynamique du LIMA devait tout d'abord être améliorée afin d'offrir une sensibilité suffisante pour réaliser le projet. Plusieurs améliorations ont été faites, comme le changement des cellules de charge, la diminution du nombre de cellules de charge, le changement du cadre de la balance, etc. Une fois ces améliorations terminées, la reproductibilité, l'exactitude et la sensibilité ont été validés afin de s'assurer de la fiabilité des résultats offerts par la balance. Pour les angles d'attaque étudiés avec les revêtements, soient -6° et 0°, la balance a une reproductibilité de ±2,06% à 360 000 de nombre de Reynolds. Pour valider la sensibilité, des essais à -6° et 0° d'angle d'attaque et des nombres de Reynolds de 360 000 et 500 000 ont été faits avec des papiers sablés. Les résultats de ces essais ont permis de tracer des courbes de tendances du coefficient de traînée du NACA 0012 en fonction de la rugosité de surface et d'établir la valeur de la sensibilité de la balance à ±8 um.\n \nCinq revêtements populaires ont été choisis pour l'expérimentation, soient le Wearlon, le Staclean, le Hirec, le Phasebreak ainsi que le Nusil. Les revêtements sont soumis aux mêmes conditions expérimentales que les papiers sablés, et une rugosité équivalente est trouvée par extrapolation des résultats. Cependant, les rugosités équivalentes de surfaces diffèrent entre -6° et 0°. Les essais avec le Staclean et le Hirec donnent des coefficients de traînée équivalent à ceux avec l'aluminium, alors que le Wearlon, le Nusil et le Phasebreak donnent une augmentation du coefficient de traînée de 13%, 17% et 25% respectivement par rapport à l'aluminium. Pour les coefficients de portance, la balance ne détecte pas l'effet des revêtements, ni des papiers sablés, sur la force de portance ce qui signifie qu'il entre dans l'insensibilité de la balance.\n \nLa dernière étape expérimentale consistait à mesurer l'impact des revêtements sur la formation de la glace ainsi que sur l'évolution des coefficients de traînée et de portance du NACA 0012 en fonction de l'accumulation de glace sur celui-ci. Le Wearlon a été choisi comme revêtement en raison de sa grande popularité. Des essais à -5°C et -20°C ont été faits et les résultats ont montrés que le Wearlon n'apporte pas d'effet bénéfique au NACA 0012 en conditions d'accumulations de glace. L'augmentation du coefficient de traînée du profil muni du Wearlon débutait plus rapidement que sur l'aluminium et de l'eau gelait légèrement plus loin vers l'arrière du profil pendant les essais, ce qui n'est pas souhaitable. Le coefficient de traînée est supérieur, d'environ 13% pour le Wearlon par rapport à l'aluminium pendant toute l'accumulation de glace, ce qui correspond au même écart lorsque la glace n'est pas en cause. Pour le coefficient de portance, les résultats ne peuvent être utilisés pour une raison qui doit être investiguée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".