MétaCan
Menu
Retour à la cohorte
Enregistrement W4256395869 · doi:10.5383/ijtee.10.01.005

Numerical Investigation of Working Fluid Effect on Stirling Engine Performance

2015· article· en· W4256395869 sur OpenAlexvenueno aff
Sa’ed A. Musmar, Iskander Tlili

Notice bibliographique

RevueInternational Journal of Thermal and Environmental Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Thermodynamic Systems and Engines
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStirling engineWorking fluidPrime moverStirling cycleHeat engineCogenerationCarnot cycleThermal efficiencyMechanical engineeringHeat transferThermodynamic cycleElectricity generationComputer scienceEngineeringPower (physics)ThermodynamicsPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

The Stirling engine is achieving great concern in the actual energy area since it has many advantages such as its cleanness and quietness. It is also considered a flexible prime mover for useful for several applications such as micro- cogeneration, solar thermal generation and other micro-distributed generation conditions. Theoretically, the Stirling cycle engine can efficiently convert heat into the mechanical work at the Carnot efficiency. The importance of the choice of working fluid is also demonstrated in the literature. In fact, the Stirling engine power can be increased ten times by changing the working fluid from air to hydrogen for example. This paper represents an evaluation of the on working fluid of a solar-dish Stirling heat engine. Thermal efficiency, exergetic efficiency and the rate of entropy generation corresponding to the optimum value of the output power are also evaluated. Numerical results demonstrate that the swept volume ratio is independent of the choice of working fluid.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,177
Écart entre enseignants0,169 · 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

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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