MétaCan
Menu
Retour à la cohorte
Enregistrement W4252573061 · doi:10.1504/ijad.2018.094156

Effect of ternary nanoparticles fluid mixture in heat enhancement and heat storage

2018· article· en· W4252573061 sur OpenAlexaff
M. Ziad Saghir, Ayman M. Bayomy

Notice bibliographique

RevueInternational Journal of Aerodynamics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNanofluidNanoparticleMaterials scienceTernary operationThermal energy storageChemical engineeringPhase-change materialThermodynamicsNanotechnologyThermal

Résumé

récupéré en direct d'OpenAlex

Nanofluid is a class of fluid that consists of metal nanoparticles such as aluminium oxide (Al2O3) and water solution. For effective heat removal, the concentration of these nanoparticles needs to be below 4%. It has been found that only if the concentration is below 4% that the heat removal is possible. The purpose of this paper is to enhance the heat removal effectiveness and the heat storage capacity of nanofluid with microencapsulated phase change material (MEPCM). When MEPCM particles are in the molten stage, it becomes favourable for heat removal and for storage. This paper demonstrates numerically the use of a ternary mixture of fluid containing MEPCM and Al2O3 nanoparticles. Both particles are at different concentrations, thus a set of different fluid/particles concentration is investigated. The fluid consists of Al2O3 nanoparticles and MEPCM particles in water. The effectiveness of these mixtures in heat storage is investigated for different concentrations of the two set of nanoparticles. Results reveal that this fluid can enhance the heat removal, and it has a good heat storage capability.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,340

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 Opus0,007
Tête enseignante GPT0,281
Écart entre enseignants0,274 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of AerodynamicsMême sujetPhase Change Materials ResearchTravaux en français237 207