MétaCan
Menu
Retour à la cohorte
Enregistrement W3157337102 · doi:10.1080/01430750.2021.1922499

Heat transfer augmentation in a circular tube fitted with tri-partition flow splitters

2021· article· en· W3157337102 sur OpenAlexaff
V. S. Chandratre, A. A. Keste, Narayan K. Sane, S. H. Gawande

Notice bibliographique

RevueInternational Journal of Ambient Energy · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésNusselt numberReynolds numberMechanicsMaterials scienceHeat transferSplitter plateSplitterForced convectionThermodynamicsAirflowFluid dynamicsComputational fluid dynamicsPhysicsOpticsTurbulence

Résumé

récupéré en direct d'OpenAlex

This paper focuses on the numerical and experimental study of a heated tubes heat transfer and flow characteristics with a novel tri-partition flow splitter under forced convection. A low thermal conducting fluid like air is considered to be a working fluid. Tri-partition flow splitters were manufactured with different thickness and arranged alternatively with 180° rotations to change the direction of airflow. Seven Reynolds number in the range of 5000–15,000 were considered as an operating parameter. The results of the plain tube are validated with the standard Dittus–Boelter and Gnielinski equations available in literature. In addition, the experimental results with tri-partition flow splitters are used to validate the computational fluid dynamics model used to examine the flow characteristics in the heated tube. The overall thermal performance enhancement is evaluated by the performance evaluation criteria (PEC). The results showed that the Nusselt number (Nu) is increased with an increase in Reynolds number. The maximum PEC 1.98 is obtained for 2 mm thickness splitters. The highest Nusselt number (Nu = 271.99) is found for 10 mm thickness with a higher friction drop. Friction factor values are found dropped by reducing the thickness of the splitters.

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 enseignants0,387
Score d'incertitude au seuil0,478

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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Ambient EnergyMême sujetHeat Transfer MechanismsTravaux en français237 207