MétaCan
Menu
Retour à la cohorte
Enregistrement W2332842173 · doi:10.1299/kikaib.74.1807

Study on Improving the Performance of a Pulsating Heat Pipe Using Self-Rewetting Material

2008· article· en· W2332842173 sur OpenAlexaff
Koji Fumoto, Masahiro Kawaji

Notice bibliographique

RevueTRANSACTIONS OF THE JAPAN SOCIETY OF MECHANICAL ENGINEERS Series B · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHeat pipeWorking fluidSurface tensionBoilingMaterials scienceHeat fluxThermosiphonMechanicsThermodynamicsComposite materialHeat transfer

Résumé

récupéré en direct d'OpenAlex

In the present study, new experimental results will be reported on the enhancement of heat transport by a pulsating heat pipe (PHP) using a self-rewetting fluid as a working fluid. Self-rewetting fluids have a property that the surface tension increases with temperature unlike other common liquids. The increasing surface tension at a higher temperature means that the liquid will be drawn towards a heated surface if a dry spot appears. Thus, in boiling, a dryout phenomenon may be prevented at a higher heat flux. In the present experiment, butanol was added to water at a concentration of less than 1wt% to make the self-rewetting fluid. A pulsating heat pipe made from extruded multiport tubing was partially filled with the butanol-water mixture and tested for its heat transport capability at different input power levels. One end of the PHP was heated using a copper block equipped with two cartridge heaters. A fin was attached to the opposite end to be cooled by a fan. The experiments showed that the maximum heat transport capability was enhanced by a factor of four when the maximum heater temperature was limited to 110 degrees C. Thus, the use of a self-rewetting fluid in a PHP has been shown to be highly effective in improving the heat transport capability of pulsating heat pipes.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,530

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 Opus0,016
Tête enseignante GPT0,211
Écart entre enseignants0,195 · 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'étudeExpérimental (laboratoire)
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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTRANSACTIONS OF THE JAPAN SOCIETY OF MECHANICAL ENGINEERS Series BMême sujetHeat Transfer and Boiling StudiesTravaux en français237 207