Drag on superhydrophobic sharkskin inspired surface in a closed channel turbulent flow
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Salvinia leaf and sharkskin are prime examples of nature's marvel. Salvinia leaf‐inspired superhydrophobic surfaces keep themselves clean and reduce drag in fluid flow. Sharkskin also reduces drag in turbulent flow and inhibits biofouling. Therefore, the prospect of having a drag‐reducing surface with both salvinia leaf and sharkskin properties is attractive. However, fabricating such a surface is difficult, and the current fabrication methods require at least two separate steps. In addition, the mechanisms of drag reduction of salvinia leaf and sharkskin are different, and their combined effect on the flow field is not well understood. In this study, we produced a PTFE surface that mimics sharkskin in its surface pattern and copies the superhydrophobic nature of the salvinia leaf in its microstructure. This surface was fabricated by laser machining and tested in a closed channel under turbulent flow conditions. We measured the pressure drop at different Reynolds numbers on this surface both in pre‐wet and non‐pre‐wet conditions and compared the result with pressure drop data on four other PTFE samples: two types of non‐superhydrophobic sharkskin inspired surface (riblets), a superhydrophobic surface, and a non‐machined surface. Both the non‐superhydrophobic riblets and the superhydrophobic sample reduced drag compared to the non‐machined surface. However, we observed a lack of drag reduction by the superhydrophobic riblets sample. We presented a qualitative explanation for the lack of drag reduction and concluded that the modifications of the flow field by the two drag reduction mechanisms are not beneficial for overall drag reduction in our experiment.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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