MétaCan
Menu
Retour à la cohorte
Enregistrement W2160110021 · doi:10.1115/1.4026218

Free Convection in Asymmetrically Heated Vertical Channels With Opposing Buoyancy Forces

2013· article· en· W2160110021 sur OpenAlexaff
Derek Roeleveld, David Naylor, Wey H. Leong

Notice bibliographique

RevueJournal of Heat Transfer · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNusselt numberPrandtl numberBuoyancyMechanicsLaminar flowRayleigh numberFlow visualizationStreamlines, streaklines, and pathlinesNatural convectionMaterials scienceHeat transferThermodynamicsTurbulenceFlow (mathematics)Reynolds numberPhysics

Résumé

récupéré en direct d'OpenAlex

Laser interferometry and flow visualization were used to study free convective heat transfer inside a vertical channel. Most studies in the literature have investigated buoyancy forces in a single direction. The study presented here investigated opposing buoyancy forces, where one wall is warmer than the ambient and the other wall is cooler than the ambient. An experimental model of an isothermally, asymmetrically heated vertical channel was constructed. Interferometry provided temperature field visualization and flow visualization was used to obtain the streamlines. Experiments were carried out over a range of aspect ratios between 8.8 and 26.4, using temperature ratios of 0, −0.5, and −0.75. These conditions provide a modified Rayleigh number range of approximately 5 to 1100. In addition, the measured local and average Nusselt number data were compared to numerical solutions obtained using ANSYS FLUENT. Air was the fluid of interest. So the Prandtl number was fixed at 0.71. Numerical solutions were obtained for modified Rayleigh numbers ranging from the laminar fully developed flow regime to the turbulent isolated boundary layer regime. A semi-empirical correlation of the average Nusselt number was developed based on the experimental data.

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 candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,383

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 recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,184
Écart entre enseignants0,177 · 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
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

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Heat TransferMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207