MétaCan
Menu
Retour à la cohorte
Enregistrement W4236405329 · doi:10.5383/ijtee.13.02.006

Design Analysis of Thermoacoustic Refrigerator Using Air and Helium as Working Substances

2017· article· en· W4236405329 sur OpenAlexvenueno aff
B. Prashantha, S. Seetharamu, G.S.V.L. Narasimham

Notice bibliographique

RevueInternational Journal of Thermal and Environmental Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Thermodynamic Systems and Engines
Établissements canadiensnon disponible
Organismes subventionnairesLos Alamos National Laboratory
Mots-clésRefrigerator carHeliumResonatorWorking fluidHeat exchangerStack (abstract data type)Materials scienceNuclear engineeringThermalThermoacoustic heat engineMechanical engineeringAcousticsThermodynamicsChemistryMechanicsOptoelectronicsPhysicsEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

In this paper, thermoacoustic refrigerator design strategy with parameters normalization and literature review covering the recent development in the modification of the resonator shape and size is discussed. The design of a 10 W cooling power thermoacoustic refrigerator using air as working substance and the effect of operating frequency on viscous and thermal penetration depths, and on stack sheet thickness and spacing are discussed. The promising 10 W cooling power TDH (Taper and Divergent section with Hemispherical end) resonator design operating with air and helium gases as working substances is analyzed using DeltaEC software. The analysis results show that the TDH resonator design using helium as working substance operates at lower drive ratio (14%) compared to air (25%). In comparison, DeltaEC predicts a decent low temperature of -35.4 o C at cold heat exchanger with a COP of 0.5294 when operated using helium gas, and for air is -9 oC and 0.8113 respectively, and the results are discussed.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,200 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Thermal and Environmental EngineeringMême sujetAdvanced Thermodynamic Systems and EnginesTravaux en français237 207