MétaCan
Menu
Retour à la cohorte
Enregistrement W2778067412 · doi:10.1115/1.4038844

Effects of Surface Roughness and Bend Geometry on Mass Transfer in an S-Shaped Back to Back Bend at Reynolds Number of 200,000

2017· article· en· W2778067412 sur OpenAlexaff
D. Wang, D. Ewing, C.Y. Ching

Notice bibliographique

RevueJournal of Heat Transfer · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMass transferReynolds numberSurface roughnessGeometrySurface finishMaterials scienceMechanicsOpticsComposite materialTurbulencePhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Experiments were performed to investigate the local development of roughness and its effect on mass transfer in an S-shaped bend at Reynolds number of 200,000. The tests were performed over four consecutive time periods using a 203-mm-diameter test section with a dissolving gypsum lining to water in a closed flow loop at a Schmidt number of 1200. The surface roughness and the mass transfer over the test periods were measured using X-ray computed tomography (CT) scans of the surface. Two regions of high mass transfer are found: along the intrados of the first and second bends. The surface roughness in these two regions, characterized by the height-to-spacing ratio, grows more rapidly than in the upstream pipe. There is an increase in the mass transfer with time, which corresponds well with the local increase in the height-to-spacing ratio of the roughness. The two regions of high mass transfer enhancement in the bend can be attributed to both a roughness effect and a flow effect due to the bend geometry. The geometry effect was determined by normalizing the local mass transfer with that in a straight pipe with equivalent surface roughness. The mass transfer enhancement due to the geometry effect was found to be relatively constant for the two high mass transfer regions, with a value of approximately 1.5.

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)0,001
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 enseignants0,048
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 GPT0,253
Écart entre enseignants0,239 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Heat TransferMême sujetHeat Transfer MechanismsTravaux en français237 207