MétaCan
Menu
Retour à la cohorte
Enregistrement W2313037244 · doi:10.2514/6.2006-3806

Comparative Study of Turbulence Models in Predicting the Thermal and Hydrodynamic Characteristics of a Micro Heat Exchanger

2006· article· en· W2313037244 sur OpenAlexaff
Elmer Galvis, B.A. Jubran, Jiawen Xi, Kamran Behdinan, Zouheir Fawaz

Notice bibliographique

Revue9th AIAA/ASME Joint Thermophysics and Heat Transfer Conference · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésTurbulenceHeat exchangerThermalMechanicsMaterials scienceMechanical engineeringPhysicsThermodynamicsEngineering

Résumé

récupéré en direct d'OpenAlex

A Micro Heat Exchanger (MHE) can effectively control the temperature of surfaces in high heat flux applications. In this study, several turbulence models are analyzed using a 3-D finite element model of a MHE. The MHE consists of a narrow planar flow passage between flat parallel plates with small cylindrical pin fins spanning these walls. The pin fin array geometry investigated is staggered, with pin diameter of 8.46 mm, height to diameter ratio of 1.0 and streamwise (longitudinal) and spanwise (transverse) to diameter ratios of 1.5 and 2.5, respectively. Pressure loss and heat transfer simulated results for 4,000≤Re≤50,000 are reported and compared with previously published numerical and experimental results. An overall thermal performance parameter is defined in terms of both the Nusselt number and the friction factor, in order to investigate the performance of the MHE at different Reynolds numbers. It was found that the flat micro pin fin overall thermal performance exceeded the parallel plate counterpart (smooth channel) by a factor of 1.2 to 2.2 in the investigated Reynolds number range. Moreover, among the six turbulence models investigated, the RNG model tends to be the best model to predict both the Nusselt number and the friction factor and capture the main feature of the flow field in MHE.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,806

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,022
Tête enseignante GPT0,211
Écart entre enseignants0,189 · 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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue9th AIAA/ASME Joint Thermophysics and Heat Transfer ConferenceMême sujetHeat Transfer and OptimizationTravaux en français237 207