MétaCan
Menu
Retour à la cohorte
Enregistrement W2400887978 · doi:10.4028/www.scientific.net/kem.693.348

Hydrodynamic Lubrication and Load Carrying Capacity Analysis of Laser Surface Texturing Valve Core

2016· article· en· W2400887978 sur OpenAlexaff
He Tao, Chuan Li Wang, Hai Shun Deng, Yan Long Huang, Yu Cao

Notice bibliographique

RevueKey engineering materials · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésLubricationCore (optical fiber)Materials scienceFluid bearingCarrying capacitySurface (topology)MechanicsMechanical engineeringComposite materialEngineeringGeometryPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Take water hydraulic slide valve core as the research object. Laser surface texturing (LST) technology was used to improve the valve core carrying capacity and hydrodynamic lubrication characteristics, which can process micro-texture on the surface of the core. And CFD method was taken to calculate flow field of smooth and laser surface texturing core respectively. For studying the influence of valve core micro-texture and valve core overlap lengths on hydrodynamic lubrication characteristic and carrying capacity of the core, core surface pressure distribution, surface pressure and friction force curves were drawn. Results show: The smooth valve core does not produce hydrodynamic lubrication effect, but textured valve core can bring the oil film load capacity, so as to make the effect of mixed friction between valve core and sleeve weaken. And along with the decrease of the core overlap length, the carrying capacity on the surface of the textured valve core does not decrease but increase when the valve core overlap length amount is greater than 2.5mm.The results provide important theoretical reference of studying and applying LST process technology to the valve core friction pair’s lubrication performance.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,190
Écart entre enseignants0,181 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetTribology and Lubrication EngineeringTravaux en français237 207