MétaCan
Menu
Retour à la cohorte
Enregistrement W4289275047 · doi:10.1615/ichmt.2022.conv22.110

Supersonic Nitrogen and Helium Jet Impingement on a Flat Stationary Surface

2022· article· en· W4289275047 sur OpenAlexaboutno aff
Joseph M. Conahan, Ozan Ç. Özdemir, M. E. Taslim, Sinan Müftü

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNusselt numberReynolds numberSupersonic speedMaterials scienceJet (fluid)NozzleMechanicsComposite materialTurbulenceThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Millimeter scale de Laval supersonic nozzles are used in cold spray additive manufacturing (CSAM) for spraying metal powder particles (5-100 µm) on a target surface with impact velocities of 300-1,500 m/s in their solid state. The kinetic impact energy allows particles to plastically deform and adhere to the target surface metallurgically and mechanically, which enables rapid repair of surfaces, deposition of coatings, and additive manufacturing of mechanical components. In CSAM processes, thermal history has significant influence on the final mechanical properties and the stress state of deposited materials with the largest source of thermal energy coming from the supersonic impinging jet with Reynolds numbers on the order 105-106. In this work, a parametric study was performed using CFD and an experimental apparatus for understanding the heat transfer phenomena between flat surfaces and millimeter scale supersonic jets impinging on the surfaces with Reynolds numbers reaching 2×106. An empirical relationship was then developed for estimating area averaged Nusselt numbers for Reynolds numbers ranging between 1×105 and 2×106 and for radii five to fifteen times that of the jet diameter. Within the bounds of the study, the nozzle to substrate standoff distance was observed to have little to no effect on the Nusselt number. Although developed for CSAM, the empirical correlations apply to other fields beyond CSAM.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,751

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,191
Écart entre enseignants0,183 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFluid Dynamics and Heat TransferTravaux en français237 207