MétaCan
Menu
Retour à la cohorte
Enregistrement W2589279147 · doi:10.1615/tsfp8.2030

PARTICLE-TURBULENCE INTERACTIONS IN THE PRESENCE OF A ROUGH WALL

2013· article· en· W2589279147 sur OpenAlexaff
Godwin F.K. Tay, D. Kuhn, Mark F. Tachie

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésTurbulenceMechanicsParticle image velocimetryParticle (ecology)Reynolds numberReynolds stressLaw of the wallTurbulence kinetic energyPhysicsIntensity (physics)Surface finishSurface roughnessFlow velocityMaterials scienceOpticsClassical mechanicsFlow (mathematics)ThermodynamicsComposite materialGeology

Résumé

récupéré en direct d'OpenAlex

Experiments were conducted over smooth and rough walls in a low Reynolds number horizontal turbulent channel flow laden with small (64 µm) glass particles. A particle image velocimetry technique was used to measure velocities of both the carrier fluid and particles. Various turbulent characteristics were examined to investigate the impact of wall roughness on the particle-turbulence interactions. The results show that particles increased the turbulent intensities near the wall, and reduced them in the outer layer, but these effects were dampened for the rough wall. On the contrary, particles increased the peak value of the Reynolds shear stress in the presence of the rough wall when compared to the unladen flow. Particle velocity fluctuation intensities matched those of the unladen fluid for the smooth wall, but the peak velocity fluctuation intensities were enhanced in the presence of wall roughness due to particle-wall collisions. The effect is larger for the streamwise velocity fluctuation intensity than the wall-normal velocity fluctuation intensity. The present results indicate that the particle motion is more responsive to the presence of the rough wall than the particle-laden fluid.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,217

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 Opus0,018
Tête enseignante GPT0,249
Écart entre enseignants0,231 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParticle Dynamics in Fluid FlowsTravaux en français237 207