Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

Ice formation and nucleation of water droplets leading to surface icing pose critical challenges in various industries, including aerospace, outdoor infrastructure, transportation, and energy systems. Conventional active de-icing methods have limitations such as high energy consumption, inefficiency, and environmental concerns, driving the need for more effective approaches. This Ph.D. thesis aims to address these challenges by exploring passive anti-icing technologies, specifically focusing on the effect of surface structure to develop icephobic surfaces and mitigate surface icing. The research methodology involves fabricating and characterizing both non-ordered and ordered surfaces. The impact of these surfaces on water droplet behaviour, ice nucleation time, and ice adhesion strength is thoroughly investigated using experimental setups and cutting-edge machine learning techniques. The initial phase of this study focuses on enhancing water repellency on non ordered surfaces to prevent ice formation by investigating how water droplets behave on silicone rubber surfaces with varying levels of hydrophobicity. The research explores droplet impact dynamics at different temperatures and evaluates factors like contact angle, surface roughness, droplet size, and impact velocity. The effects of temperature of microstructured surfaces are found to be minimal across a wide range of conditions. Superhydrophobic surfaces with specific properties show the most effective enhancement of droplet bouncing. The impact velocity on rough surfaces influences the likelihood of splashing. The study combines experimental data with machine learning techniques, such as logistic regression, decision trees, and random forests, to predict droplet behavior based on surface characteristics, temperature, and water droplet parameters. The results of the experiments align closely with the machine learning predictions, demonstrating the accuracy of machine learning in forecasting droplet motion on hydrophobic and superhydrophobic surfaces across different temperatures. In the subsequent phase, building upon the groundwork of the first part, the research explores superhydrophobic surfaces as a passive method to prevent surface icing, focusing on ice nucleation time as a critical factor influenced by liquid properties, environmental conditions, and surface characteristics. Investigating ice nucleation time and its determining factors simultaneously presents challenges. The study introduces two approaches—experimental testing and machine learning—to analyze ice nucleation time on exposed non ordered surfaces. Various hydrophobic/superhydrophobic silicone rubber surfaces are created with varying wettability and roughness parameters. Surfaces with superhydrophobic properties, featuring higher roughness parameters and a Gaussian roughness distribution, exhibit longer ice nucleation times. The study employs neural networks to develop a model iv correlating ice nucleation time with affecting parameters. The model, trained with experimental data, accurately predicts ice nucleation time, and identifies the significance of roughness parameters, surface wettability, temperature, and droplet volume in determining surface icephobicity. The investigation then shifts to the impact of ordered microstructural geometric surfaces based on silicon wafer on ice nucleation time, utilizing both experimental and theoretical approaches. While superhydrophobic surfaces offer a passive solution for mitigating icing, the challenge lies in intermediate wetting states where droplets infiltrate microstructures, compromising their anti-icing efficacy. This study investigates the effects of such partial wetting at supercooled temperatures using micropillar structures. As temperature decreases, partial wetting within the microstructure increases, affecting ice nucleation. By adjusting micropillar spacing and height, the study identifies conditions that optimize ice nucleation delays. Higher micropillar heights minimize droplet-solid contact, resulting in longer ice nucleation delays. The study contributes to designing superhydrophobic anti-icing surfaces for scenarios involving partial wetting. Lastly, in addition to the comprehensive exploration of ice nucleation, this study systematically investigates ice adhesion strength on hydrophobic and superhydrophobic silicon wafer surfaces featuring well-defined micro-cylindrical pillars. Employing a custom micro push-off test method, the research quantitatively measures the shear forces required to detach frozen water droplets from the surfaces. This approach allows for the meticulous assessment of how surface geometry influences ice adhesion. The results reveal a strong dependence of ice adhesion strength on geometric parameters, notably pillar spacing and height, as well as partial wetting states within the micro-pillar structures.

La formation de glace et la nucléation de gouttelettes d'eau conduisant au givrage de surface posent des défis critiques dans diverses industries, notamment l'aérospatiale, les infrastructures extérieures, les transports et les systèmes énergétiques. Les méthodes de dégivrage actif conventionnelles présentent des limites telles qu’une consommation d’énergie élevée, un manque d’efficacité et des préoccupations environnementales, ce qui nécessite des approches plus efficaces. Cette thèse de doctorat vise à relever ces défis en explorant les technologies passives de lutte contre le givrage, en se concentrant spécifiquement sur l'effet de la structure de surface pour développer des surfaces glaciophobes et atténuer la formation de givre sur celle-ci. La méthodologie de recherche implique la fabrication et la caractérisation de surfaces à la fois non ordonnées et ordonnées. L'impact de ces surfaces sur le comportement des gouttelettes d'eau, le temps de nucléation de la glace et la force d'adhérence de la glace est examiné en profondeur à l'aide de dispositifs expérimentaux et de techniques de pointe en apprentissage automatique. Premièrement, cette étude se concentre sur l'amélioration de la répulsion de l'eau sur les surfaces qui ont été structures d’une façon non ordonnée à l’échelle micro pour prévenir la formation de glace en examinant le comportement des gouttelettes d'eau sur des surfaces en caoutchouc de silicone présentant différents niveaux de mouillabilité. La recherche explore la dynamique de l'impact des gouttelettes à différentes températures et évalue différents facteurs tels que l'angle de contact, la rugosité de surface, la taille des gouttelettes et la vitesse d'impact. Les effets de la température sur les surfaces microstructurées se révèlent minimes dans une large gamme de conditions. Les surfaces superhydrophobes présentant des propriétés spécifiques montrent l'amélioration la plus efficace du rebond des gouttelettes. La vitesse d'impact sur les surfaces rugueuses influence la probabilité d'éclaboussures. Dans notre étude, nous avons combiné des données expérimentales avec des techniques d'apprentissage automatique, telles que la régression logistique, les arbres de décision et les forêts aléatoires, pour prédire le comportement des gouttelettes en fonction des caractéristiques de surface, de la température et des paramètres des gouttelettes. Les résultats expérimentaux correspondent étroitement aux prédictions de l'apprentissage automatique, démontrant la précision de l'apprentissage automatique dans la prévision du mouvement des gouttelettes sur des surfaces hydrophobes et superhydrophobes à différentes températures. Deuxièmement, cette recherche explore les surfaces superhydrophobes comme méthode passive pour prévenir la formation de givre en surface, en se concentrant sur le temps de nucléation de la glace en tant que facteur critique influencé par les propriétés du liquide, les conditions environnementales et les caractéristiques de la surface. L'analyse simultanée du temps de nucléation de la glace et de ses facteurs déterminants présente des défis. L'étude introduit deux approches, les tests expérimentaux et l'apprentissage automatique, pour analyser le temps de nucléation de la glace sur les surfaces non ordonnées exposées. Diverses surfaces hydrophobe/superhydrophobe en caoutchouc de silicone sont créées avec des paramètres de mouillabilité et de rugosité variables. Les surfaces ii superhydrophobes, avec des paramètres de rugosité plus élevés et une distribution de rugosité gaussienne, montrent des temps de nucléation de la glace plus longs. Dans cette étude, nous avons utilisé des réseaux neuronaux pour développer un modèle corrélant le temps de nucléation de la glace avec les paramètres influents. Le modèle, entraîné avec des données expérimentales, prédit avec précision le temps de nucléation de la glace et identifie l'importance des paramètres de rugosité, de la mouillabilité de la surface, de la température et du volume des gouttelettes dans la détermination de la glaciophobicité de la surface. Ainsi, nous avons étudié l’impact des surfaces géométriques microstructurées ordonnées basées sur une tranche de silicium sur le temps de nucléation de la glace, en utilisant à la fois des approches expérimentales et théoriques. Alors que les surfaces superhydrophobes offrent une solution passive pour atténuer la formation de givre, le défi réside dans les états intermédiaires de mouillage où les gouttelettes pénètrent partiellement dans les microstructures, compromettant leur efficacité anti-givrage. Nous avons examiné les effets d'un mouillage partiel à des températures sous refroidies en utilisant des structures de micropiliers. À mesure que la température diminue, le mouillage partiel dans la microstructure augmente, affectant la nucléation de la glace. En ajustant l'espacement et la hauteur des micropiliers, nous avons identifié les conditions qui optimisent les retards de nucléation de la glace. Les micropiliers plus hauts minimisent le contact gouttelette-solide, ce qui entraîne des retards de nucléation de la glace plus longs. Cette étude contribue à la conception de surfaces anti-givrantes superhydrophobes pour des scénarios impliquant un mouillage partiel. Enfin, en plus de l'exploration complète de la nucléation de la glace, nous avons examiné systématiquement la force d'adhérence de la glace sur les surfaces de silicium hydrophobes et superhydrophobes dotées de micro-piliers cylindriques bien définis. En utilisant une méthode de test de micro-poussée personnalisée, nous avons mesuré quantitativement les forces de cisaillement requises pour détacher les gouttelettes d'eau gelée des surfaces. Cette approche permet une évaluation minutieuse de l'influence de la géométrie de surface sur l'adhérence de la glace. Les résultats révèlent une forte dépendance de la force d'adhérence de la glace aux paramètres géométriques, notamment l'espacement et la hauteur des piliers, ainsi qu'aux états de mouillage partiel à l'intérieur des structures à micro-piliers.