MétaCan
Menu
Retour à la cohorte
Enregistrement W2137695611 · doi:10.1017/s0022112003004105

Variational methods and maximal residual wall layers

2003· article· en· W2137695611 sur OpenAlexaff
I.A. Frigaard, S. LEIMGRUBER, Otmar Scherzer

Notice bibliographique

RevueJournal of Fluid Mechanics · 2003
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueRheology and Fluid Dynamics Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaximizationMinificationUniquenessNewtonian fluidNon-Newtonian fluidMechanicsMathematical optimizationBingham plasticVariational inequalityMathematicsComputer scienceApplied mathematicsMathematical analysisPhysicsRheologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

The problem of removing an unyielded visco-plastic material from the walls of a duct is considered. This forms a prototype problem for the mechanical removal of soft solids from the duct walls in both oilfield well construction and food processing. We consider two-layer axial flows for which both fluids may be characterized as Herschel–Bulkley fluids, a class of fluids including Newtonian, Bingham and power-law models. If the yield stress of the displaced fluid is sufficiently large, it is possible for static layers of fluid to persist at the walls of the duct, as has been shown in Allouche, Frigaard & Sona (2000). Following Prager (1954) two variational principles are derived for these flows. These may be loosely interpreted as rate-of-strain minimization and stress maximization principles. The rate-of-strain minimization principle leads directly to existence and uniqueness results for this class of flows. The stress maximization principle leads to a number of qualitative results. An adaptation of the stress maximization principle also allows us to define the concept of a maximal static wall layer in terms of minimization of a certain functional over the space of admissible fluid–fluid interfaces, i.e. a shape optimization problem. We present a number of geometrically simple examples that demonstrate the validity of this method.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,277
Écart entre enseignants0,263 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid MechanicsMême sujetRheology and Fluid Dynamics StudiesTravaux en français237 207