MétaCan
Menu
Retour à la cohorte
Enregistrement W1987874557 · doi:10.1002/er.1717

Numerical simulation of laminar flow development with heat and mass transfer in PEM fuel cell flow channels having oxygen and hydrogen suction at one channel wall

2010· article· en· W1987874557 sur OpenAlexaff
Hassan Hassanzadeh, Xianguo Li, J.J. Baschuk, S. H. Mansouri

Notice bibliographique

RevueInternational Journal of Energy Research · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNusselt numberLaminar flowProton exchange membrane fuel cellMass transferMechanicsHeat transferSherwood numberMaterials scienceThermodynamicsChemistryTurbulenceReynolds numberMembranePhysics

Résumé

récupéré en direct d'OpenAlex

Numerical simulation has been carried out of the fluid flow, heat and mass transfer for the developing laminar flow in polymer electrolyte membrane (PEM) fuel cell cathode and anode flow channels, respectively. Each flow channel is considered to be composed of two parallel walls, one porous (simulating electrode surface) and one non-porous, or impermeable, wall (simulating bipolar plate surface). Various flow situations have been analyzed, and the local and the averaged friction coefficient, Nusselt number for heat transfer and Sherwood number for mass transfer are determined for various flow conditions corresponding to different stoichiometries, operating current densities and operating pressures of the cell. The effect of suction or injection (blowing) wall boundary condition has also been investigated, corresponding to the oxygen consumption in the cathode and hydrogen consumption in the anode. Correlations for the averaged friction coefficient, Nusselt and Sherwood numbers are developed, which can be useful for PEM fuel cell modeling and design calculations. Copyright © 2010 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,252
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy ResearchMême sujetFuel Cells and Related MaterialsTravaux en français237 207