MétaCan
Menu
Retour à la cohorte
Enregistrement W2972913126 · doi:10.1002/aic.16801

Numerical and experimental analysis of forced convection in rib‐roughened channels with moisture‐permeable walls

2019· article· en· W2972913126 sur OpenAlexaff
Alexander Sylvester, Amin Engarnevis, David Kadylak, Ryan Huizing, Steven N. Rogak, Sheldon Green

Notice bibliographique

RevueAIChE Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensdPoint Technologies (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNusselt numberMechanicsPressure dropMoistureMixing (physics)Heat transferForced convectionMaterials scienceWork (physics)Mass transferChannel (broadcasting)ConvectionThermodynamicsReynolds numberEngineeringComposite materialPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Ribbed features can promote mixing and improve convective heat and mass transfer in channels. This can be beneficial in certain exchangers, such as Energy Recovery Ventilators (ERVs), which employ moisture‐permeable membranes to transfer both latent and sensible heat. In this work, a computational fluid dynamics model with experimental validation was used to study angled rib mixing features in compact channels. Results show that, relative to a smooth channel, the ribs increase the channel Sherwood and Nusselt numbers by a larger fraction than the corresponding increase in friction factor. For a typical commercial grade ERV, total effectiveness can be improved by over 10% for an equal pressure drop by adding ribs and slightly increasing the channel height. A custom test stand and rib‐forming technique were developed to validate the simulation predictions. The experiments confirm the net benefit of ribbed channels and agree with the simulation results within experimental uncertainty.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,424

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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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
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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetHeat Transfer MechanismsTravaux en français237 207