MétaCan
Menu
Retour à la cohorte
Enregistrement W2025670855 · doi:10.1115/1.1532010

The Effect of Dissolving Salts in Water Sprays Used for Quenching a Hot Surface: Part 1—Boiling of Single Droplets

2003· article· en· W2025670855 sur OpenAlexaff
Qiang Cui, S. Chandra, Susan McCahan

Notice bibliographique

RevueJournal of Heat Transfer · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBoilingDissolutionChemistrySurface tensionSodium sulfateCoalescence (physics)EvaporationBoiling pointElectrolyteSodiumChemical engineeringBubbleMagnesiumCondensationThermodynamics

Résumé

récupéré en direct d'OpenAlex

We conducted experiments on the effect of dissolving three different salts sodium chloride (NaCl), sodium sulfate Na2SO4 and magnesium sulfate MgSO4 in water droplets boiling on a hot stainless steel surface. Substrate temperatures were varied from 90°C to 220°C. We photographed droplets as they evaporated, and recorded their evaporation time. At surface temperatures that were too low to initiate nucleate boiling all three salts were found to reduce droplet evaporation rates because they lower the vapor pressure of water. In the nucleate boiling regime, low concentrations (<0.1 mol/l) of Na2SO4 and MgSO4 enhanced heat transfer because they prevented coalescence of vapor bubbles and produced foaming in the droplet, significantly reducing droplet lifetimes. Increasing the salt concentration further did not produce a corresponding increase in droplet boiling rate. Dissolved salts prevent bubble coalescence because they increase surface tension and stabilize the liquid film separating bubbles, and because electric charge that accumulates on the surfaces of bubbles produces a repulsive force, preventing them from approaching each other. Na2SO4 and MgSO4, which have high ionic strengths, produced a large amount of foaming in droplets and increased their boiling rate significantly. NaCl, which has low ionic strength, had little effect on droplet boiling.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,206 · 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'étudeExpérimental (laboratoire)
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

Citations47
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Heat TransferMême sujetFluid Dynamics and Heat TransferTravaux en français237 207