MétaCan
Menu
Retour à la cohorte
Enregistrement W2884770243 · doi:10.2514/1.t5418

Effect of Temperature-Dependent Thermal Conductivity on Spreading Resistance in Flux Channels

2018· article· en· W2884770243 sur OpenAlexafffund
Belal Al-Khamaiseh, Yuri S. Muzychka, Serpil Kocabiyik

Notice bibliographique

RevueJournal of Thermophysics and Heat Transfer · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésThermal conductivityThermal conductionHeat fluxMaterials scienceThermal resistanceThermodynamicsMechanicsHeat transferHeat sinkThermalThermal effusivityConvectionThermal transmittanceThermal contact conductanceComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

When the thermal conductivity of a material varies with temperature, the governing heat conduction equation becomes nonlinear and the use of constant thermal conductivity may produce unreliable results in thermal analysis. In this paper, analytical solutions for the temperature distribution and thermal resistance of a three-dimensional flux channel with temperature-dependent thermal conductivity are discussed and used to study the effect of the temperature-dependent thermal conductivity on the temperature rise and thermal spreading resistance for different conductivity functions. A single eccentric heat source is considered in the source plane of the flux channel that spreads the heat into a convective heat sink. The analytical solutions of the problem are illustrated by means of the Kirchhoff transform, which is considered a powerful technique for solving nonlinear conduction problems with temperature-dependent thermal conductivity. For validation purposes of the analytical results, the results are compared with numerical solution results obtained by solving the problem based on the finite element method using the ANSYS commercial software package.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,426

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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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'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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Thermophysics and Heat TransferMême sujetHeat Transfer and OptimizationTravaux en français237 207