MétaCan
Menu
Retour à la cohorte
Enregistrement W4205856149 · doi:10.21272/jes.2021.8(2).f2

Dimet Laval Nozzle Expansion Section Analysis and Optimization

2021· article· en· W4205856149 sur OpenAlexaboutno aff
Han Jie, Sergii Markovych, Y. Wang

Notice bibliographique

RevueJournal of Engineering Sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensnon disponible
Organismes subventionnairesChina Scholarship Council
Mots-clésNozzleMaterials scienceDischarge coefficientRocket engine nozzleMechanicsCoatingDeposition (geology)AccelerationSpray nozzleCross section (physics)InletSection (typography)Composite materialMechanical engineeringEngineeringPhysicsGeologyComputer scienceClassical mechanics

Résumé

récupéré en direct d'OpenAlex

The cold spray technology mainly accelerates the powder in the Laval nozzle by gas, ensuring that the powder has a greater velocity at the exit of the Laval nozzle, and achieving high-efficiency deposition on the substrate, thereby obtaining a better performance of the deposition coating. The article uses numerical simulation to study the influence of the length of the expansion section of the Dimet Laval nozzle on the acceleration effect of Al powder. The results show that the length of the expansion section of the nozzle is an essential factor affecting the velocity of the Al powder at the nozzle outlet. Through analysis, it can be known that the pressure inlet range of the Dimet Laval nozzle is 1.0 MPa, and the length of the expansion section is about 210 mm, which can ensure that the Al powder has a better acceleration effect in the nozzle and has a better velocity at the nozzle outlet. It is recommended that the joints between the small sections of the nozzle expansion section should be kept as smooth as possible so that the accelerating effect of the accelerating gas on the Al powder is more uniform and stable.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 GPT0,220
Écart entre enseignants0,213 · 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'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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering SciencesMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207