MétaCan
Menu
Retour à la cohorte
Enregistrement W2953704336 · doi:10.22215/etd/2018-13477

Computation and Modelling of Convection Heat Transfer of Supercritical Fluids

2018· dissertation· en· W2953704336 sur OpenAlexafffund
Chukwudi Azih

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNatural Resources CanadaAtomic Energy of Canada Limited
Mots-clésMechanicsBuoyancyTurbulenceHeat transferConvectionConvective heat transferThermodynamicsVorticityMaterials sciencePhysicsVortex

Résumé

récupéré en direct d'OpenAlex

Current literature suggests that large spatial gradients of thermophysical properties, which occur in the vicinity of the pseudo-critical thermodynamic state, may result in significant variations in forced-convection heat transfer rates.Specifically, these property gradients induce inertia-and buoyancy-driven flow phenomena that may enhance or deteriorate the turbulence-dominated heat convection process.Understanding of these inertia/buoyancy-driven mechanisms has not been sufficiently established to date.Consequently, the full set of dynamic similarity parameters remains to be identified.Through direct numerical simulations of turbulent boundary layers and channel flows, the present study investigates the characteristics of the flow structures of turbulence in heated flows of supercritical water under buoyant and non-buoyant conditions.In the absence of buoyancy forces, notable reductions in the density and viscosity in close proximity of the heated wall are observed to promote an increase in the wall shear stress, with resultant loss of coherence of the new near-wall flow structures.This leads to the dominance of larger-scale structures in the wall-normal thermal mixing process that comes at the expense of the smaller-scale thermal mixing, and yields a net reduction in the overall thermal mixing.Under the influence of wall-normal gravitational acceleration, the wall-normal density gradients are noted to enhance ejection motions due to baroclinic vorticity generation on the lower wall of the channel, thus providing additional wall-normal thermal mixing.Professor Yaras' uncompromising diligence has helped me reach a technical potential that I did not envision I could attain as pertains to undertaking fundamental and applied research in the field of science.I gratefully acknowledge the support, advice, and constructive feedback that he has provided to me throughout the course of the present endeavour.

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)0,002
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: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,243
Écart entre enseignants0,223 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHeat transfer and supercritical fluidsTravaux en français237 207