MétaCan
Menu
Retour à la cohorte
Enregistrement W2963052345

Performance Evaluation of Nanocoolants for Automotive Cooling Application

2019· article· en· W2963052345 sur OpenAlexvenueno aff
S. Akash, Mahesh Karjagi, J S Dilip, Allan Halli

Notice bibliographique

RevueInternational Journal of Robotics and Automation · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanofluidThermal conductivityMaterials scienceCoolantHeat transferComposite materialHeat transfer coefficientRadiator (engine cooling)Zeta potentialViscosityThermodynamicsNanoparticleNanotechnologyMechanical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As compared to base fluid, nanofluids exhibit a significant higher thermal property. It has been seen in the recent work that the heat exchange between the nanofluid and the heat source is greater than the traditional fluids and there is also a significant enhancement of the thermal conductivity. The use of nanofluid in the automobile radiator improves the heat transfer rate and eventually results in overall reduction in the size of the radiator. In this study, heat transfer coefficient of the nanofluid is inspected experimentally as an automobile radiator coolant. The nanoparticle with the size <100 nm is selected. The experiments were conducted on titanium dioxide (TiO2) with deionised water as a base fluid. The thermos-physical properties such as specific heat capacity, thermal conductivity and viscosity of the nanofluid were measured experimentally. The samples of the nanofluid were prepared with weight concentration of TiO2 varied from 0.1%–0.25%wt using two-step method. The good stability is obtained by the Magnetic stirring and Sonication process with the sodium dodecyl sulphate (SDS) surfactant. Transient hot wire method is used for the measurement of the thermal conductivity of the nanofluid. The Zeta Potential test is used to determine the stability of the nanofluid. The experiments were conducted on various temperature ranges (50–90°C) to know the effect of coolant. The results were found that thermal conductivity of the samples was increased by 10% to 15 % for the different concentration (0.1%–0.25%wt) as compared to the conventional fluid like deionised water. The rate of flow of nanofluid was 2–3 litres/min. The nanoparticle and the surfactant were used in the equal ratio (1:1).

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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 Opus0,013
Tête enseignante GPT0,259
Écart entre enseignants0,246 · 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'étudeExpérimental (laboratoire)
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Robotics and AutomationMême sujetNanofluid Flow and Heat TransferTravaux en français237 207