Investigation of the combination of TiO<sub>2</sub> nanoparticles and drag reducer polymer effects on the heat transfer and drag characteristics of nanofluids
Notice bibliographique
Résumé
Abstract To compensate for drag increment due to the addition of nanoparticles to heat‐transfer fluids, it seems that one could add drag reducer polymeric agents to these fluids. So, in this work, experiments were carried out for solutions of two types of polyacrylamide (FLOPAAM 3330S and FLOPAAM 3630S) at three distinct concentrations (25, 40, and 55 ppm), and TiO2‐water nanofluid at concentrations of 0.015, 0.02, 0.025, and 0.03 L/L. The steady state turbulent convective heat transfer and the friction factor of the suspension of TiO2 in a dilute solution of very high molecular weight, polyacrylamide (hybrid fluid), in a coiled tube were analyzed. Experimental measurements were carried out from a Reynolds number of 11 000 to 21 000 and a constant temperature (24 °C) of the cool bath. The obtained results have shown that for the suspension of nanoparticles, the Nusselt number and drag coefficient increase, whereas for dilute solutions containing only the drag reducer agent, both the Nusselt number and the drag coefficient decrease. However, the combination of the nanoparticle and polymeric drag reducer agent increased the heat transfer coefficient, but decreased the drag coefficient, especially at the highest measured Reynolds number (Re = 21 000).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».