MétaCan
Menu
Retour à la cohorte
Enregistrement W2588732445 · doi:10.1615/ichmt.2015.thmt-15.1880

Two phase flow liquid metal behavior in propulsion chamber

2015· article· en· W2588732445 sur OpenAlexaboutno aff
R. S. Amano, Yi-Hsin Yen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRocket and propulsion systems research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNozzlePropellantBreakupMaterials scienceMechanicsFlow (mathematics)Solid-fuel rocketLiquid metalTurbulenceTwo-phase flowCombustionAerospace engineeringComposite materialChemistryEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents a method of characterizing liquid breakup phenomena using a probability distribution flow pattern and compares CFD results experimentally measured data of a straight channel two-phase flow. Examination of liquid breakup level is essential for solving erosion phenomenon of solid fuel rocket motor (SRM), due to their use aluminum based solid propellants. During the propellant combustion, the aluminum oxidizes into alumina (Al2O3), which tends to agglomerate into molten droplets under a certain flow conditions. The molten droplets can then impinge on the combustion chamber walls, and flow along the nozzle wall. Such agglomerated aluminum leads to erosive damages to the geometry of de Laval nozzle and reduces the SRM propulsion performance. The flow shows the probability distribution of two-phase boundary which is mostly controlled by the features of different turbulence models. Those results can be used for future comparison to two-phase flow experiment as model selection reference of SRM two-phase supersonic flow simulation.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,717

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)0,0000,001

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 Opus0,062
Tête enseignante GPT0,349
Écart entre enseignants0,287 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRocket and propulsion systems researchTravaux en français237 207