MétaCan
Menu
Retour à la cohorte
Enregistrement W2075620017 · doi:10.2298/tsci141229030q

Enhanced heat transfer characteristics of conjugated air jet impingement on a finned heat sink

2015· article· en· W2075620017 sur OpenAlexaff
Shuxia Qiu, Peng Xu, Liping Geng, Arun S. Mujumdar, Zhouting Jiang, Jinghua Yang

Notice bibliographique

RevueThermal Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensWestern University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHeat sinkNusselt numberHeat transferMaterials scienceMechanicsFinJet (fluid)Reynolds numberHeat transfer enhancementThermodynamicsDimensionless quantityHeat transfer coefficientPhysicsComposite materialTurbulence

Résumé

récupéré en direct d'OpenAlex

Air jet impingement is one of the effective cooling techniques employed in micro-electronic industry. To enhance the heat transfer performance, a cooling system with air jet impingement on a finned heat sink is evaluated via the computational fluid dynamics method. A two-dimensional confined slot air impinging on a finned flat plate is modeled. The numerical model is validated by comparison of the computed Nusselt number distribution on the impingement target with published experimental results. The flow characteristics and heat transfer performance of jet impingement on both of smooth and finned heat sinks are compared. It is observed that jet impingement over finned target plate improves the cooling performance significantly. A dimensionless heat transfer enhancement factor is introduced to quantify the effect of jet flow Reynolds number on the finned surface. The effect of rectangular fin dimensions on impingement heat transfer rate is discussed in order to optimize the cooling system. Also, the computed flow and thermal fields of the air impingement system are examined to explore the physical mechanisms for heat transfer enhancement.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,234
Écart entre enseignants0,212 · 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'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

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal ScienceMême sujetHeat Transfer MechanismsTravaux en français237 207