MétaCan
Menu
Retour à la cohorte
Enregistrement W3203029122 · doi:10.18409/ispiv.v1i1.169

Determination of the Near Wall Flow of a Multi-Stage Tesla Diode Using PIV and PTV

2021· article· en· W3203029122 sur OpenAlexaff
Yeganeh Saffar, Shadi Ansari, Reza Azadi, Jan Raffel, David S. Nobes, Reza Sabbagh

Notice bibliographique

Revue14th International Symposium on Particle Image Velocimetry · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration and Dynamic Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésParticle image velocimetryParticle tracking velocimetryVelocimetryOpticsPhysicsFlow (mathematics)Tracking (education)Range (aeronautics)AcousticsMaterials scienceMechanics

Résumé

récupéré en direct d'OpenAlex

Particle image velocimetry (PIV) and particle tracking velocimetry (PTV) are two popular methods to measure the velocity in complex geometries such as the Tesla valve. This paper provides an investigation on the application of a tessellation meshing method for interpolating non-uniform velocity vectors calculated using PTV. The procedure to apply this method containing mask generation and mesh study is described. The results are compared to the PIV results particularly where the near wall results are important. The result of the flow field calculated by the application of the tessellation method on the PTV results are presented for a two-stage Tesla valve operated in the range of Re = 100 to 600 both in forward and reverse configuration.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,349

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 Opus0,017
Tête enseignante GPT0,266
Écart entre enseignants0,250 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue14th International Symposium on Particle Image VelocimetryMême sujetVibration and Dynamic AnalysisTravaux en français237 207