MétaCan
Menu
Retour à la cohorte
Enregistrement W2941407676 · doi:10.1002/htj.21465

Numerical analysis reliability control for a double‐pipe heat exchanger with virtual entropy generation method

2019· article· en· W2941407676 sur OpenAlexaff
Tooran Tavangar, Behzad Siavash Amoli, Mojtaba Aghajani Delavar

Notice bibliographique

RevueHeat Transfer-Asian Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésHeat exchangerFirst law of thermodynamicsSecond law of thermodynamicsThermodynamicsEntropy (arrow of time)Laws of thermodynamicsComputer simulationMechanicsPhysicsNon-equilibrium thermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract There are two primary laws including the first and second laws of thermodynamics that should be used to assess a process. Generally, only the first law of thermodynamics is investigated in numerical solutions, so it is possible to exist some numerical results that do not satisfy the second law of thermodynamics because of numerical errors. To achieve reliable numerical outcomes, it is better to apply two indexes of HEAT BALANCE ERROR and VIRTUAL ENTROPY GENERATION, which come from the second law of thermodynamics. In other words, an approach to develop computational fluid dynamics investigations is to take second law of thermodynamics into consideration. In this study, two different models including counterflow double‐pipe heat exchanger and single‐pipe with constant wall temperature are simulated in various cases with different efficiencies and temperature ratios. It is found that 46 cases of total 523 double‐pipe models and 24 cases of total 402 simulations of single‐pipe models had unacceptable results regarding to two mentioned criteria. The results revealed that it is less likely to gain unreliable results in smaller efficiency and lower inlet temperature for double‐pipe heat exchanger and single‐pipe respectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,035
Tête enseignante GPT0,318
Écart entre enseignants0,283 · 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.

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeat Transfer-Asian ResearchMême sujetHeat Transfer and OptimizationTravaux en français237 207