MétaCan
Menu
Retour à la cohorte
Enregistrement W3039066918

Meta study on the optimisation of thermoacoustic cooling systems for efficiency and cooling load

2020· article· en· W3039066918 sur OpenAlexvenueno aff
Daniel J. Holland, Nicholas Berryman

Notice bibliographique

RevueEnergy science and technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Thermodynamic Systems and Engines
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStack (abstract data type)ThermoacousticsMechanical engineeringWater coolingCooling loadWorking fluidPower (physics)ThermalMechanicsMaterials scienceAcousticsEngineeringComputer scienceThermodynamicsPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The emerging field of thermoacoustic cooling systems (TACS) has been explored in recent years, combining the disciplines of acoustics and thermodynamics to provide an alternative to mainstream cooling technologies. This hybridised system allows a system of travelling or standing waves to absorb and release thermal energy at different points spatially, which is then harnessed to produce a cooling effect. This meta-analysis will focus on analysing parameters such as stack plate spacing and selection of a working fluid, in order to optimise the system. As this will directly impact the temperature gradient, as the temperature gradient is the core operator in the cooling process. The above parameters were examined with a combination of comparative and normalisation techniques, to synthesise data from varied experimental sources and produce accurate conclusions. The parameters investigated had differing effects on the system with regards to COPR and maximum cooling power, due to cooling power and input acoustic power increasing at different rates. The meta study concluded that a ratio of parallel-plate stack spacing to thermal penetration depth of (equation) was ideal for maximising cooling load, where as a ratio of approximately (equation) was ideal for achieving maximum COPR.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,227

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 Opus0,024
Tête enseignante GPT0,221
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy science and technologyMême sujetAdvanced Thermodynamic Systems and EnginesTravaux en français237 207