MétaCan
Menu
Retour à la cohorte
Enregistrement W2952292688 · doi:10.1063/1.5097867

New simple analytical method for flow enhancement predictions of pulsatile flow of a structured fluid

2019· article· en· W2952292688 sur OpenAlexaff
E. E. Herrera‐Valencia, Mayra Luz Sánchez-Villavicencio, Luís Medina‐Torres, Diola Marina Núñez Ramírez, Vicente Jesús Hernández-Abad, Fausto Calderas, Ο. Manero

Notice bibliographique

RevuePhysics of Fluids · 2019
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueRheology and Fluid Dynamics Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesDirección General de Asuntos del Personal Académico, Universidad Nacional Autónoma de México
Mots-clésHagen–Poiseuille equationPulsatile flowMechanicsPhysicsPressure gradientNewtonian fluidRheologyConstitutive equationFlow (mathematics)Shear stressFluid dynamicsPerturbation (astronomy)Classical mechanicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

In this work, a new simplified method to find the fluidity enhancement of a non-Newtonian liquid under a pulsating (time-dependent) pressure gradient is analyzed. The fluidity enhancement is predicted by means of a Taylor series expansion of the flow rate in the vicinity of the applied wall stress. This expansion is shown to render the same results as several perturbation techniques used at length in the literature. Both new and the conventional perturbation methods are equivalent in their predictions of the fluidity enhancement. Even though the flow and rheology behavior are modeled using the Bautista-Manero-Puig constitutive equation, it is shown that the prediction of the fluidity enhancement does not depend on the constitutive model employed, but a condition of shear thinning behavior of the fluid is necessary for it. Flow enhancement is predicted using rheological data for blood since this fluid naturally flows under a pulsatile pressure gradient. The flow enhancement equation is found to have a similar form as the equation of the Rabinowitsch formalism in fully developed Poiseuille flow. This simplified technique will help in saving machine time for numerical predictions in computational blood flow simulations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,718
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,275
Écart entre enseignants0,264 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetRheology and Fluid Dynamics StudiesTravaux en français237 207