MétaCan
Menu
Retour à la cohorte
Enregistrement W2059648349 · doi:10.1115/1.4005218

An Experimental Study of a Turbulent Wall Jet on Smooth and Transitionally Rough Surfaces

2011· article· en· W2059648349 sur OpenAlexaff
Noorallah Rostamy, Donald J. Bergstrom, David S. Sumner, J. D. Bugg

Notice bibliographique

RevueJournal of Fluids Engineering · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésJet (fluid)TurbulenceMechanicsReynolds numberPlane (geometry)Surface finishSurface roughnessParasitic dragMaterials scienceFlow (mathematics)PhysicsScalingOpticsGeometryMathematicsComposite material

Résumé

récupéré en direct d'OpenAlex

The effect of surface roughness on the mean velocity and skin friction characteristics of a plane turbulent wall jet was experimentally investigated using laser Doppler anemometry. The Reynolds number based on the slot height and exit velocity of the jet was approximately Re = 7500. A 36-grit sheet was used to create a transitionally rough flow (44 < ks+ < 70). Measurements were carried out at downstream distances from the jet exit ranging from 20 to 80 slot heights. Both conventional and momentum-viscosity scaling were used to analyze the streamwise evolution of the flow on smooth and rough walls. Three different methods were employed to estimate the friction velocity in the fully developed region of the wall jet, which was then used to calculate the skin friction coefficient. This paper provides new experimental data for the case of a plane wall jet on a transitionally rough surface and uses it to quantify the effects of roughness on the momentum field. The present results indicate that the skin friction coefficient for the rough-wall case compared to a smooth wall increases by as much as 140%. Overall, the study suggests that for the transitionally rough regime considered in the present study, roughness effects are significant but mostly confined to the inner region of the wall jet.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
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 Opus0,013
Tête enseignante GPT0,211
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 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

Citations37
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluids EngineeringMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207