MétaCan
Menu
Retour à la cohorte
Enregistrement W2172474815 · doi:10.1115/fedsm2007-37283

Dense Particulate Flow in a Cold Gas Dynamic Spray System

2007· article· en· W2172474815 sur OpenAlexaff
B. Samareh, Ali Dolatabadi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMechanicsGas dynamic cold sprayParticle (ecology)NozzleMaterials scienceParticle velocityDeposition (geology)Shock waveVolume fractionVolume (thermodynamics)Compression (physics)Shock (circulatory)Flow (mathematics)Substrate (aquarium)ThermodynamicsComposite materialPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

The effect of particle-gas and particle-particle interactions in a cold spray process is studied when the particle loading is high. To examine the effect of the presence of a dense particulate flow on the supersonic gas, an Eulerian-Eulerian approach is used. It is found that when the volume fraction of the injected particles is increased, the turbulence of the gas phase will be augmented by the motion of particles and consequently, the shape, strength and location of the compression and expansion waves will be altered. Shock-particle interactions are demonstrated for various volume fractions. Another important parameter which will affect the spraying deposition efficiency is the substrate stand-off distance. It is found that the stagnation pressure alternates for different stand-off distances because of the formation of compression and expansion waves outside the nozzle exit. Particle normal velocity upon impact is a strong function of the stagnation pressure on the substrate as particles must pierce through the bow shock formed on that region. The substrate stand-off distance can be optimized to provide minimal pressure build-up on the substrate. This will result in a higher normal velocity upon impact and thus a higher deposition efficiency.

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)0,000
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 enseignants0,247
Score d'incertitude au seuil0,693

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · 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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParticle Dynamics in Fluid FlowsTravaux en français237 207