MétaCan
Menu
Retour à la cohorte
Enregistrement W4240779069 · doi:10.1115/1.4023425

Prediction of Leak Rates Through Porous Gaskets at High Temperature

2013· article· en· W4240779069 sur OpenAlexaff
Lotfi Grine, Abdel‐Hakim Bouzid

Notice bibliographique

RevueJournal of Pressure Vessel Technology · 2013
Typearticle
Langueen
DomaineMathematics
ThématiqueGas Dynamics and Kinetic Theory
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésGasketLeakLeakage (economics)Materials sciencePorous mediumPorosityMechanicsMass flow rateComposite materialVoid (composites)Permeability (electromagnetism)ThermodynamicsChemistryMembrane

Résumé

récupéré en direct d'OpenAlex

The ability of a gasket to maintain tightness under different operating conditions has been studied extensively in recent years. However, most of the research studies conducted on leakage predictions was performed at room temperature. The aim of this work is to predict leakage through gaskets taking into account the effect of the temperature on the fluid properties and gasket internal structural characteristics. The analytical model of slip flow regime to evaluate the mass leak rates through a porous gasket developed by Grine and Bouzid (2011, “Correlation of Gaseous Mass Leak Rates Through Micro and Nano-Porous Gaskets,” ASME J. Pressure Vessel Technol.) was used in this study. The results from the model were validated and compared with the experimental data obtained from tests conducted on the Universal Gasket Rig with two different gases (helium and nitrogen). The leak rates measured are in the range of 1 to 0.0001 mg/s, which are measurable using the pressure rise technique. As a second objective, the influence of the gasket displacements caused by stress and temperature on the flow leakage was studied. A relationship between displacement or void thickness and leakage is clearly demonstrated. The slip flow regime model is capable of predicting leakage at temperature with reasonable accuracy.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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'étudeThéorique ou conceptuel
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pressure Vessel TechnologyMême sujetGas Dynamics and Kinetic TheoryTravaux en français237 207