MétaCan
Menu
Retour à la cohorte
Enregistrement W2056439086 · doi:10.1115/ihtc14-22714

Effect of Working Fluid on Pulsating Heat Pipe Thermal Performance

2010· article· en· W2056439086 sur OpenAlexaff
Koji Fumoto, Masahiro Kawaji, Tsuyoshi Kawanami

Notice bibliographique

Revue2010 14th International Heat Transfer Conference, Volume 5 · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWorking fluidHeat sinkBoilingSurface tensionHeat pipeMaterials scienceHeat transferAdiabatic processFluid dynamicsHeat transfer enhancementThermalMechanicsThermodynamicsHeat transfer coefficient

Résumé

récupéré en direct d'OpenAlex

Pulsating heat pipes (PHPs) are complex heat transfer devices whose thermal performance is governed by a strong thermohydrodynamic coupling. Recently, PHPs have attracted attention as novel electronic cooling devices. In this study, we used a self-rewetting fluid and obtained new experimental results for the improvement of the heat transport efficiency in PHPs. In contrast to the case of common liquids, the surface tension of self-rewetting fluids increases with temperature. Because of the increase in the surface tension at high temperatures, these fluids tend to flow toward the dry spot appearing on a heated surface, and thus, the boiling heat transfer is improved. We constructed PHPs from multiport extruded aluminum tubes with square channels. The PHPs consisted of a heating section, an adiabatic section, and a condensation section with a heat sink. We investigated the effect of the type of working fluid and the fluid fill ratio on the device performance. The working fluids employed were a self-rewetting fluid, water, and ethanol. The thermophysical properties of the working fluid affected the device performance, which also depended strongly on the boundary conditions employed during the PHP operation. In particular, the use of a self-rewetting fluid in the PHPs helped enhance the heat transport efficiency to a considerable extent.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,181
Score d'incertitude au seuil1,000

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 recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,230
Écart entre enseignants0,214 · 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.

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

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2010 14th International Heat Transfer Conference, Volume 5Même sujetHeat Transfer and Boiling StudiesTravaux en français237 207