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

Ice nucleation on silicone rubber surfaces differing in roughness parameters and wettability: Experimental investigation and machine learning–based predictions

Keshavarzi Samaneh, Entezari A., Maghsoudi Khosrow, Momen Gelareh et Jafari Reza. (2022). Ice nucleation on silicone rubber surfaces differing in roughness parameters and wettability: Experimental investigation and machine learning–based predictions. Cold Regions Science and Technology, 203, e103659.

[thumbnail of Revised Ice nucleation on silicone rubber surfaces differing in roughness parameters and wettability Experimental investigation and machine learningbased predicti.pdf] PDF - Version acceptée
Administrateurs seulement jusqu´à 1 Novembre 2024.
Disponible sous licence Creative Commons Attribution - Pas d’utilisation commerciale - Pas de modification (CC-BY-NC-ND 2.5).

2MB
[thumbnail of Minor Revised Supplementary Material. Keshavarzi_Samaneh (002).pdf] PDF - Matériel supplémentaire
Administrateurs seulement jusqu´à 1 Novembre 2024.
Disponible sous licence Creative Commons Attribution - Pas d’utilisation commerciale - Pas de modification (CC-BY-NC-ND 2.5).

374kB

URL officielle: https://doi.org/10.1016/j.coldregions.2022.103659

Résumé

Superhydrophobic surfaces serving as icephobic surfaces are a passive means of limiting the icing of surfaces. Ice nucleation time depends on not only liquid properties and environmental conditions but also surface features; however, it is challenging to investigate ice nucleation time and the influencing parameters simultaneously. This manuscript presents two approaches, experimental testing and machine learning, to study ice nucleation time on exposed surfaces. Hydrophobic/superhydrophobic silicone rubber surfaces were fabricated, and these surfaces varied in their wettability and roughness parameters. Superhydrophobic surfaces characterized by a higher arithmetic average, root mean squared, ten-point height, maximum height of the profile, and a Gaussian roughness distribution—skewness near 0—had longer ice nucleation times. We then used neural networks to model icephobicity in relation to ice nucleation time. The predicted ice nucleation time of the model, trained using some of the experimental results, demonstrated a good agreement with the experimental outcomes. Furthermore, this machine learning approach determined the relative importance of roughness parameters, surface wettability, temperature, and droplet volume in determining surface icephobicity. The proposed approach provides a starting point for studying heterogeneous ice nucleation prediction through an understanding of the key parameters required to optimize the icephobic behavior of superhydrophobic surfaces.

Type de document:Article publié dans une revue avec comité d'évaluation
ISSN:0165232X
Volume:203
Pages:e103659
Version évaluée par les pairs:Oui
Date:2022
Identifiant unique:10.1016/j.coldregions.2022.103659
Sujets:Sciences naturelles et génie > Génie
Sciences naturelles et génie > Génie > Génie des matériaux et génie métallurgique
Sciences naturelles et génie > Sciences appliquées
Département, module, service et unité de recherche:Départements et modules > Département des sciences appliquées > Module d'ingénierie
Unités de recherche > Centre international de recherche sur le givrage atmosphérique et l’ingénierie des réseaux électriques (CENGIVRE) > Laboratoire des revêtements glaciophobes et ingénierie des surfaces (LaRGIS)
Mots-clés:heterogeneous nucleation, ice nucleation time, surface roughness parameters, machine learning, superhydrophobic surface, icephobicity, nucléation hétérogène, temps de nucléation de la glace, paramètres de rugosité de surface, apprentissage automatique, surface superhydrophobe, glacephobicité
Déposé le:21 déc. 2022 16:45
Dernière modification:21 déc. 2022 16:45
Afficher les statistiques de telechargements

Éditer le document (administrateurs uniquement)

Creative Commons LicenseSauf indication contraire, les documents archivés dans Constellation sont rendus disponibles selon les termes de la licence Creative Commons "Paternité, pas d'utilisation commerciale, pas de modification" 2.5 Canada.

Bibliothèque Paul-Émile-Boulet, UQAC
555, boulevard de l'Université
Chicoutimi (Québec)  CANADA G7H 2B1
418 545-5011, poste 5630