MétaCan
Menu
Retour à la cohorte
Enregistrement W2886270795 · doi:10.1063/1.5043312

Spark resistance under high-speed gas flow in the oscillatory damped regime of discharge

2018· article· en· W2886270795 sur OpenAlexaboutno aff
Xiaoang Li, Yuzhao Zhang, Chaoqun Ma, Lin Liu

Notice bibliographique

RevuePhysics of Plasmas · 2018
Typearticle
Langueen
DomaineEngineering
ThématiquePulsed Power Technology Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSpark gapSPARK (programming language)MechanicsPhysicsFlow (mathematics)PlasmaElectric sparkNozzleVolumetric flow rateMaterials scienceVoltageThermodynamicsElectrodeNuclear physics

Résumé

récupéré en direct d'OpenAlex

Applying a high-speed gas flow is an effective method to exclude residual plasma and expedite the insulation recovery of high-power spark gaps and can extend their applications to higher-repetition fields. In this paper, the subject of interest is a spark gap repetitively working in a low-damping oscillatory regime of discharge. The influence of gas flow for performance regulation on spark resistance was investigated based on both electrical and optical diagnoses. A high-speed air flow ranging from 0 to 100 m/s was applied by a Laval nozzle, and a significant increase in the damping ratio of the discharge current, implying an increase in spark resistance, was observed with increasing speed of gas flow. According to the optical diagnosis results, the influence of gas flow on the spark channel had two main aspects: configuration and temperature. Although the electron temperature under gas flow showed a trend of slight increase, indicating an increase in the conductivity of the spark channel, the high-speed gas flow could greatly stretch and thin the discharge channel, which was the dominant factor and resulted in an increase in spark resistance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,220
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of PlasmasMême sujetPulsed Power Technology ApplicationsTravaux en français237 207