MétaCan
Menu
Retour à la cohorte
Enregistrement W2890050572 · doi:10.23977/jeis.2018.32011

Optimized Finned Heat Sinks for Natural Convection Cooling of Outdoor Electronics

2018· article· en· W2890050572 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Electronics and Information Science · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeat sinkFinElectronics coolingMaterials scienceHeat transferNatural convectionMechanicsSink (geography)ConvectionAnnular finPlate fin heat exchangerThermalThermal resistanceMechanical engineeringThermodynamicsHeat transfer coefficientEngineeringComposite materialPhysicsPlate heat exchanger

Résumé

récupéré en direct d'OpenAlex

A series of analysis has been conducted previously to analyze the finned heat sink thermal performance. The analysis is first performed to optimize the fin spacing of a vertical continuous finned heat sink. Both empirical and CFD methods are utilized to obtain the optimal fin spacing of a given heat sink. The results from both methods are in very good agreement. The analysis was then extended to optimize the fin configurations. Three types of fin configurations, namely continuous fins, staggered fins and in-line fins are under consideration. The results from the CFD analysis indicate that the continuous fin configuration is the most effective thermally. Later, the effects of the cover or shrouds at various distances on the heat sink thermal performance are also analyzed. The heat sink with the cover in a direct contact with the fin tips performs best in the heat rejection. For tower or poled mounted electronics, the heat sink weight is extremely important. Therefore, the extrusion fin heat sink is replaced by the plain fin heat sink for weight reduction. This study is aiming at the development of newly developed light weight finned heat sink and its thermal performance under natural convection for cooling of electronics.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 Opus0,006
Tête enseignante GPT0,232
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'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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Electronics and Information ScienceMême sujetHeat Transfer and OptimizationTravaux en français237 207