MétaCan
Menu
Retour à la cohorte
Enregistrement W2907715366 · doi:10.1080/07373937.2018.1531291

Numerical investigation of the multi-pin electrohydrodynamic dryer: Effect of cross-flow air stream

2019· article· en· W2907715366 sur OpenAlexaff
Chongshan Zhong, Alex Martynenko, Patrick R. Wells, Kazimierz Adamiak

Notice bibliographique

RevueDrying Technology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAerosol Filtration and Electrostatic Precipitation
Établissements canadiensWestern UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésElectrohydrodynamicsMechanicsFlow (mathematics)Computer simulationAirflowElectric fieldMaterials scienceIntensity (physics)Range (aeronautics)MoistureEnvironmental scienceSimulationMechanical engineeringEngineeringPhysicsOpticsComposite material

Résumé

récupéré en direct d'OpenAlex

This article presents the results of numerical simulation and experimental study of a multi-pin electrohydrodynamic (EHD) dryer. Combined effect of EHD flow and the external air cross-flow on drying performance was investigated with 3-D numerical model, which accounts for electric field, electric charge transport, external air cross-flow and material-gas moisture transport. Effect of cross-flow air stream on drying was positive in the range of low velocities, changing to negative at high velocities due to counteracting with EHD flow. Numerical simulation predicted previously unknown effect of EHD flow on the cross-flow air stream, which was quantified as an increase of airway resistance. This prediction was fully validated by experiments. Both numerical simulation and experiment proved that for given intensity of EHD flow there is an optimum value of the cross-flow, resulting in maximum drying performance. The numerical model can be applied to determine the optimal operating parameters for multi-pin EHD dryer.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,004
Tête enseignante GPT0,225
Écart entre enseignants0,221 · 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

Citations25
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetAerosol Filtration and Electrostatic PrecipitationTravaux en français237 207