MétaCan
Menu
Retour à la cohorte
Enregistrement W2061540570 · doi:10.1115/1.4026119

Unsteady Laminar Forced-Convective Tube Flow Under Dynamic Time-Dependent Heat Flux

2013· article· en· W2061540570 sur OpenAlexaff
M. Fakoor-Pakdaman, Mehdi Andisheh-Tadbir, Majid Bahrami

Notice bibliographique

RevueJournal of Heat Transfer · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésNusselt numberHeat fluxLaminar flowMechanicsHeat transferThermodynamicsForced convectionConvective heat transferFilm temperatureHeat transfer coefficientMaterials sciencePhysicsReynolds numberTurbulence

Résumé

récupéré en direct d'OpenAlex

A new all-time model is developed to predict transient laminar forced convection heat transfer inside a circular tube under arbitrary time-dependent heat flux. Slug flow (SF) condition is assumed for the velocity profile inside the tube. The solution to the time-dependent energy equation for a step heat flux boundary condition is generalized for arbitrary time variations in surface heat flux using a Duhamel's integral technique. A cyclic time-dependent heat flux is considered and new compact closed-form relationships are proposed to predict (i) fluid temperature distribution inside the tube, (ii) fluid bulk temperature and (iii) the Nusselt number. A new definition, cyclic fully developed Nusselt number, is introduced and it is shown that in the thermally fully developed region the Nusselt number is not a function of axial location, but it varies with time and the angular frequency of the imposed heat flux. Optimum conditions are found which maximize the heat transfer rate of the unsteady laminar forced-convective tube flow. We also performed an independent numerical simulation using ansys fluent to validate the present analytical model. The comparison between the numerical and the present analytical model shows great agreement; a maximum relative difference less than 5.3%.

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), Charge utile insuffisante (le modèle a refusé de juger)
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: aucune
Score de désaccord entre enseignants0,561
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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'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

Citations15
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Heat TransferMême sujetHeat Transfer and OptimizationTravaux en français237 207