MétaCan
Menu
Retour à la cohorte
Enregistrement W2021141060 · doi:10.1017/jfm.2014.683

Drag reduction in heated channels

2015· article· en· W2021141060 sur OpenAlexaff
Daniel Floryan, J. M. Floryan

Notice bibliographique

RevueJournal of Fluid Mechanics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésDragMechanicsPrandtl numberReynolds numberMaterials scienceFlow (mathematics)Reduction (mathematics)ConvectionPhysicsTurbulenceGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract It is known that the drag for flows driven by a pressure gradient in heated channels can be reduced below the level found in isothermal channels. This reduction occurs for spatially modulated heating and is associated with the formation of separation bubbles which isolate the main stream from direct contact with the solid wall. It is demonstrated that the use of a proper combination of spatially distributed and spatially uniform heating components results in an increase in the horizontal and vertical temperature gradients which lead to an intensification of convection which, in turn, significantly increases the drag reduction. An excessive increase of the uniform heating leads to breakup of the bubbles and the formation of complex secondary states, resulting in a deterioration of the system performance. This performance may, under certain conditions, still be better than that achieved using only spatially distributed heating. Detailed calculations have been carried out for the Prandtl number $\mathit{Pr}=0.71$ and demonstrate that this technique is effective for flows with a Reynolds number $\mathit{Re}<10$ ; faster flows wash away separation bubbles. The question of net gain remains to be settled as it depends on the method used to achieve the desired wall temperature and on the cost of the required energy. The presented results provide a basis for the design of passive flow control techniques utilizing heating patterns as controlling agents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,069
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,213
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations37
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid MechanicsMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207