MétaCan
Menu
Retour à la cohorte
Enregistrement W2309505246 · doi:10.14288/1.0072252

Analysis of water cooling process of steel strips on runout table

2011· article· en· W2309505246 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Applied Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSTRIPSTable (database)Process (computing)Water coolingEnvironmental scienceEngineering drawingEngineeringMechanical engineeringMaterials scienceComputer scienceComposite materialData mining

Résumé

récupéré en direct d'OpenAlex

This study engages in the thermal analysis of water jet cooling of a hot moving steel strip on a run-out table. General 3D FE programs are developed for the direct and inverse heat transfer analysis. Studies show that gradient-based inverse algorithms suffer from high sensitivity to measurement noise and instability in small time steps. These two shortcomings limit their application in modeling of the real problems. Artificial neural network (ANN), genetic algorithm (GA), and particle swarm optimization (PSO) methods are applied to the inverse heat conduction problem in order to overcome the challenges faced by the gradient-based methods. Among them, GA and PSO are found to be effective. CRPSO, a variation of PSO, shows the best computational performance. However, compared to the gradient-based methods, these algorithms are very slow. Thus, a set of modifications were performed in this research to accelerate their convergence rate. Sequential formulation using the future time steps, multi-objective optimization, and inexact pre-evaluation using surrogate models are some of these modifications. Inverse analysis of experimental data shows that heat transfer behavior on the plate is mainly a function of the surface temperature, and can be categorized into three zones: High, mid, and low temperature. The effects of jet line configuration, jet line spacing, and plate moving speed were studied. The most uniform distribution happens in the case of fully staggered configuration. In higher jet line distances, the interaction effects become less significant, and a more uniform distribution is observed. The plate speed affects the heat transfer rate under the impingement point for the higher surface temperatures. In the high entry temperatures, the impingement heat transfer rate is lower when the plate is moving at a higher velocity. The plate speed does not significantly change the heat transfer behavior in the parallel flow zone. Finally, the results of the heat transfer analysis were coupled with the microstructure and structure fields, to study the thermal stresses and deflection occurring in the strips during the cooling process. It was found that fully-staggered jet configuration, larger spacing between jet lines, and lower plate speeds result in a less deformed steel strip.

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.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,871
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,011
Tête enseignante GPT0,174
Écart entre enseignants0,163 · 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