MétaCan
Menu
Retour à la cohorte
Enregistrement W4206072296 · doi:10.3390/app12010343

Numerical Simulation of Non-Spherical Submicron Particle Acceleration and Focusing in a Converging–Diverging Micronozzle

2021· article· en· W4206072296 sur OpenAlexaboutno aff
Yanru Wang, Jiaxin Shen, Zhaoqin Yin, Fubing Bao

Notice bibliographique

RevueApplied Sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParticle (ecology)MechanicsNozzleAerodynamicsAccelerationMaterials scienceAerospace engineeringPhysicsClassical mechanicsMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Submicron particles transported by a Laval-type micronozzle are widely used in micro- and nano-electromechanical systems for the aerodynamic scheme of particle acceleration and focusing. In this paper, the Euler–Lagrangian method is utilized to numerically study non-spherical submicron particle diffusion in a converging–diverging micronozzle flow field. The influence of particle density and shape factor on the focusing process is discussed. The numerical simulation shows how submicron particle transporting with varying shape factors and particle density results in different particle velocities, trajectories and focusing in a micronozzle flow field. The particle with a larger shape factor or larger density exhibits a stronger aerodynamic focusing effect in a supersonic flow field through the nozzle. In the intersection process, as the particle size increases, the position of the particle trajectory intersection moves towards the throat at first and then it moves towards the nozzle outlet. Moreover, the influence of the thermophoretic force of the submicron particle on the aerodynamic focusing can be ignored. The results will be beneficial in technological applications, such as micro-thrusters, microfabrication and micro cold spray.

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 enseignants0,290
Score d'incertitude au seuil0,332

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 GPT0,256
Écart entre enseignants0,239 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207