MétaCan
Menu
Retour à la cohorte
Enregistrement W3177512374 · doi:10.3390/en14134052

A Study of Moist Air Condensation Characteristics in a Transonic Flow System

2021· article· en· W3177512374 sur OpenAlexaboutno aff
Jie Wang, Hongfang Gu

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransonicCondensationMach numberRelative humiditySupersaturationNucleationThermodynamicsMechanicsNozzleHumidityMeteorologyMaterials scienceChemistryAerodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

When water vapor in moist air reaches supersaturation in a transonic flow system, non-equilibrium condensation forms a large number of droplets which may adversely affect the operation of some thermal-hydraulic equipment. For a better understanding of this non-equilibrium condensing phenomenon, a numerical model is applied to analyze moist air condensation in a transonic flow system by using the theory of nucleation and droplet growth. The Benson model is adopted to correct the liquid-plane surface tension equation for realistic results. The results show that the distributions of pressure, temperature and Mach number in moist air are significantly different from those in dry air. The dry air model exaggerates the Mach number by 19% and reduces both the pressure and the temperature by 34% at the nozzle exit as compared with the moist air model. At a Laval nozzle, for example, the nucleation rate, droplet number and condensation rate increase significantly with increasing relative humidity. The results also reveal the fact that the number of condensate droplets increases rapidly when moist air reaches 60% relative humidity. These findings provide a fundamental approach to account for the effect of condensate droplet formation on moist gas in a transonic flow system.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207