MétaCan
Menu
Retour à la cohorte
Enregistrement W2987461742 · doi:10.1115/gt2019-90490

A Numerical Study on the Effect of Hole Inclination Angle With Imperfection on Film Cooling Effectiveness

2019· article· en· W2987461742 sur OpenAlexaff
Taha Rezzag, B.A. Jubran

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésDimensionless quantityInclination angleMechanicsLift (data mining)PhysicsJet (fluid)OpticsVortexTorusMaterials scienceGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The present study numerically evaluates the influence of hole inclination angle with a hole imperfection on film cooling performance. Here, the hole imperfection due to laser percussion drilling is modelled as a half torus. Three hole inclination angles were investigated: 35°, 45° and 55°. Furthermore, every case was evaluated at three blowing ratios: 0.45, 0.90 and 1.25. Each case is compared to a baseline case where the hole imperfection is absent. The results indicate that the hole inclination angle has a strong influence on the film effectiveness performance when a hole imperfection is present. Centerline effectiveness plots reveal a maximum effectiveness deterioration of 89% for a blowing ratio of 0.90 in the vicinity of the hole exit. Dimensionless temperature contours show that the jet produced in the presence of an imperfection is much more compact causing the counter rotating vortex pair to be closer to each other. This enhances the jet to lift off from the plate.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 GPT0,222
Écart entre enseignants0,216 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer MechanismsTravaux en français237 207