MétaCan
Menu
Retour à la cohorte
Enregistrement W2625056730 · doi:10.1115/1.4037082

Heat Transfer During High Temperature Gas Flow Through Metal Foam Heat Exchangers

2017· article· en· W2625056730 sur OpenAlexaff
Pakeeza Hafeez, S. Chandra, J. Mostaghimi

Notice bibliographique

RevueJournal of Heat Transfer · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat and Mass Transfer in Porous Media
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceHeat transferMicro heat exchangerPlate heat exchangerHeat exchangerPressure dropComposite materialMetal foamDynamic scraped surface heat exchangerHeat transfer coefficientThermodynamicsCombustorMechanicsCombustionCritical heat fluxChemistryPorosity

Résumé

récupéré en direct d'OpenAlex

An experimental study of heat transfer in metal foam heat exchangers fabricated from 10 and 40 pores per inch (PPI) was conducted. Heat exchangers were made by either brazing Inconel sheets to foam or plasma spraying Inconel skins on the foam. A burner test rig was built to produce high temperature combustion gases at either 550 °C or 750 °C that were passed over the exposed surface of heat exchangers that were cooled by passing air through them at rates of up to 200 SLPM. Both pressure drop and temperature rise of the air were measured. Friction factors and volumetric heat transfer coefficients were calculated for air velocities varying from 0.1 to 5 m/s and dimensionless correlations to predict these derived. The heat exchangers with 40 PPI foam were measured to have higher heat transfer rates and larger pressure drop than those with 10 PPI foam. Thermal sprayed heat exchangers were found to perform better than those that were brazed since they had lower thermal contact resistance between the external shell and foam struts. An analytical model was developed assuming local thermal nonequilibrium (LTNE) and predictions from model were found to be in good agreement with experimental results.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,213 · 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.

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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Heat TransferMême sujetHeat and Mass Transfer in Porous MediaTravaux en français237 207