MétaCan
Menu
Retour à la cohorte
Enregistrement W2800106397 · doi:10.1615/computthermalscien.2018019400

NUMERICAL SIMULATION OF FILM CONDENSATION FROM GAS–VAPOR MIXTURES IN VERTICAL PARALLEL PLATE CHANNELS

2018· article· en· W2800106397 sur OpenAlexafffund
Foad Hassaninejadfarahani, Scott J. Ormiston

Notice bibliographique

RevueComputational Thermal Sciences An International Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Manitoba
Mots-clésMaterials scienceCondensationComputer simulationMechanicsThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

The present work performs a numerical analysis of steady-state, laminar film condensation from a downward flow of a vapor–gas mixture in vertical parallel plate channels. A finite volume method and a co-located variable storage scheme were used with a structured non-orthogonal mesh. Relative to previous approaches the present work has the following new aspects: the complete elliptic two-dimensional governing equations are solved in both phases, a dynamically determined sharp interface is used between the phases, and the algebraic equations are solved in a pressure-based coupled approach. Two velocities, pressure, and temperature in both phases plus non-condensing gas mass fraction and interface locations are determined simultaneously for the entire solution domain. The results presented for steam–air mixtures include axial velocity, pressure, and gas mass fraction profiles as well as axial variations of film thickness, condensation rate, local Nusselt number, and interface gas mass fraction. Detailed comparisons are made with results from an established parabolic (marching) model. Two cases are presented for which the parabolic model terminated because of a negative axial velocity. In those cases, the present elliptic model obtained solutions with predictions of small regions of reverse flow extending to the channel outlet.

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 enseignants0,099
Score d'incertitude au seuil0,346

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 Opus0,039
Tête enseignante GPT0,321
Écart entre enseignants0,282 · 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

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComputational Thermal Sciences An International JournalMême sujetHeat Transfer and Boiling StudiesTravaux en français237 207