MétaCan
Menu
Retour à la cohorte
Enregistrement W2886472350 · doi:10.1115/1.4040989

ExperimentalCharacterization of Frost Growth on a Horizontal Plate Under NaturalConvection

2018· article· en· W2886472350 sur OpenAlexafffund
Shirin Niroomand, Melanie Fauchoux, Carey J. Simonson

Notice bibliographique

RevueJournal of Thermal Science and Engineering Applications · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésFrost (temperature)Surface roughnessMaterials scienceSurface finishNatural convectionRelative humidityAir layerComposite materialConvectionMeteorologyLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents an experimental study on frost formation on a plate under natural convection conditions. Frost thickness, mass, density, and surface roughness are measured during each test. Frost thickness and roughness are measured using an image processing technique. The effect of operating conditions (temperature of the plate, and temperature and relative humidity of the air) on the properties of frost is investigated. Frost surface roughness is quantified using two parameters: the average roughness and the skewness of the roughness, which can describe the frost layer shape. The surface roughness of the frost layer is considerably higher than the roughness of a flat plate, which should be considered in frosting studies. In this paper, it is shown that frost surface roughness is related to the frost layer shape, porosity and density. It is also found that the plate temperature affects the frost surface roughness significantly; as the plate temperature decreases, the frost layer has a high average roughness and negative skewness, which correspond to a highly porous, low density frost layer. Increasing the air humidity and air temperature affects the average surface roughness slightly but not skewness of the frost surface.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 GPT0,236
Écart entre enseignants0,226 · 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

Citations24
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Thermal Science and Engineering ApplicationsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207