MétaCan
Menu
Retour à la cohorte
Enregistrement W4289261281 · doi:10.1016/j.ijft.2022.100188

Numerical investigation of thermal losses within an internal gear train submerged in a multiphase flow and enclosed in a rotating casing

2022· article· en· W4289261281 sur OpenAlexafffund
Ahmed M. Teamah, Mohamed S. Hamed

Notice bibliographique

RevueInternational Journal of Thermofluids · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesMitacs
Mots-clésCasingPinionChurningMechanicsRotational speedThermalTorqueEngineeringCylinderMaterials scienceMechanical engineeringPhysicsMeteorologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

This paper presents results of a numerical study of thermal losses generated within an internal gear train consisting of a pinion and an annular gear. The gear train is submerged in a multiphase flow of Air and Oil and enclosed within a horizontal rotating cylinder (casing) attached to the annular gear. The casing rotates at a constant speed and exchanges heat through thermal radiation and natural convection to the ambient air. The study has been carried out using KISSsys and KISSsoft computer software. Numerical results have been validated using published experimental data. The maximum deviation is about 9.3%. The effects of several operating parameters; including the casing rotational speed (N), the torque (ζ) and the oil level (OV) on the various thermal losses generated within the gear train have been investigated. The effects of N, ζ and OV have been investigated in the following ranges: 20–160 rpm, 13–100 N.m, and 0–100%, respectively. The types of thermal losses considered in the present study are the churning, the meshing and the bearing losses. The gear ratio used in the present study is 4.45, therefore, the pinion gear rotational speed varied from 90 to 712 rpm. The present results indicated that increasing the rotational speed or the torque increases the thermal losses within the gear train. Increasing the oil level leads to an increase in the churning losses, up to a specific value of OV of about 31%, above which churning losses remained constant. The oil level at the 31% OV value is the oil level required to just submerge the pinion gear. Increasing the casing rotational speed enhanced the rate of heat transfer to the ambient air which improved the overall thermal performance of the gear train by about 12% at N = 460 rpm, compared to the stationary casing case.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ThermofluidsMême sujetHeat Transfer MechanismsTravaux en français237 207