Graphene and CNT impact on heat transfer response of nanocomposite cylinders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Reinforcing polymers with nanofillers is an advanced approach to improve and manage the thermal behaviors of polymeric nanocomposite materials. Among the proposed nanofillers, graphene and carbon nanotube (CNT) with superior thermal conductivity are two advanced nanofillers, which have extensively been utilized to enhance the heat transfer responses of host polymeric materials. In this work, the impacts of randomly oriented graphene and CNT to steady state and transient heat transfer behaviors of functionally graded (FG) nanocomposite cylinders have been investigated using an axisymmetric model. Nanocomposite cylinders have been assumed to be under heat fluxes, heat convections or temperatures as different types of thermal boundary conditions. The thermal properties of the resulted nanocomposite materials are estimated by micromechanical model. Moreover, the governing thermal equations of axisymmetric cylinders have been analyzed using a highly consistent and reliable developed mesh-free method. This numerical method predicts temperature fields via MLS shape functions and imposes essential boundary conditions with transformation approach. The effects of nanofiller content and distribution as well as thermal boundary conditions on the heat transfer responses of nanocomposite cylinders are studied. The results indicated that the use of nanofiller resulted in shorter stationary times and higher temperature gradients in FG nanocomposite cylinders. Moreover, the use of graphene in nanocomposites had stronger impact on thermal response than CNT.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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