MétaCan
Menu
Retour à la cohorte
Enregistrement W4242897002 · doi:10.1080/01457630903463404

Laminar Fully Developed Flow in Periodically Converging–Diverging Microtubes

2010· article· en· W4242897002 sur OpenAlexaffabout
Mohsen Akbari, David Sinton, Majid Bahrami

Notice bibliographique

RevueHeat Transfer Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensUniversity of VictoriaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLaminar flowPressure dropMechanicsReynolds numberRADIUSFlow (mathematics)Hagen–Poiseuille equationMaterials scienceParametric statisticsWork (physics)TurbulenceMathematicsPhysicsThermodynamicsComputer scienceStatistics

Résumé

récupéré en direct d'OpenAlex

Laminar fully developed flow and pressure drop in linearly varying cross-sectional converging–diverging microtubes have been investigated in this work. These microtubes are formed from a series of converging–diverging modules. An analytical model is developed for frictional flow resistance assuming parabolic axial velocity profile in the diverging and converging sections. The flow resistance is found to be only a function of geometrical parameters. To validate the model, a numerical study is conducted for the Reynolds number ranging from 0.01 to 100, for various taper angles, from 2 to 15 degrees, and for maximum–minimum radius ratios ranging from 0.5 to 1. Comparisons between the model and the numerical results show that the proposed model predicts the axial velocity and the flow resistance accurately. As expected, the flow resistance is found to be effectively independent of the Reynolds number from the numerical results. Parametric study shows that the effect of radius ratio is more significant than the taper angle. It is also observed that for small taper angles, flow resistance can be determined accurately by applying the locally Poiseuille flow approximation.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,005
Tête enseignante GPT0,181
Écart entre enseignants0,176 · 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

Citations31
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHeat Transfer EngineeringMême sujetHeat Transfer and OptimizationTravaux en français237 207