MétaCan
Menu
Retour à la cohorte
Enregistrement W2990623209 · doi:10.1115/ajkfluids2019-5436

Characterization of Thermals in a Heated Turbulent Boundary Layer

2019· article· en· W2990623209 sur OpenAlexaff
Kadeem Dennis, Kamran Siddiqui

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBoundary layerTurbulenceMechanicsParticle image velocimetryBuoyancyFlow (mathematics)GeologyDragConvectionMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The hydrodynamic boundary layer encountered in many practical engineering systems is turbulent in nature and known to play a significant role in governing the induced friction drag and species transport. In turbulent boundary layer flows, heat transfer is often involved which increases flow complexity due to the influence of buoyancy. When the buoyant force is sufficiently large in magnitude, thermals carrying heated fluid are known to detach and rise from the wall. Literature review shows that in mixed convection, thermals have been primarily identified through qualitative flow visualizations and there is a scarcity of their quantitative assessment. Furthermore, the evolution of thermals in the boundary layer with respect to flow inertia and viscous shear is not well-understood. Hence, there is a need for a better understanding of the dynamics of thermals in mixed convection turbulent boundary layer flow. The objective of this study is to experimentally investigate the three-dimensional nature of thermals rising from a turbulent boundary layer flow over a heated smooth horizontal flat plate. Experiments were performed in a closed loop low-disturbance wind tunnel with a test section featuring a 1 m long heated bottom wall. The multi-plane particle image velocimetry (PIV) technique was used to capture images in multiple planes with respect to the turbulent boundary layer mean flow direction for three-dimensional characterization. The measurements were conducted at Richardson numbers (Ri) of 0.3, 1.0, and 2.0. Flow visualization images are used to describe the nature of thermals and the dynamical processes involved during their interaction with bulk boundary layer flow. An image processing algorithm to detect thermals is then detailed and applied to experimental images. The performance of the new algorithm is then assessed in its ability to detect thermals.

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 seuil0,002

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
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 Opus0,006
Tête enseignante GPT0,188
Écart entre enseignants0,182 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207