MétaCan
Menu
Retour à la cohorte
Enregistrement W4303649470 · doi:10.1016/j.rineng.2022.100692

Parametric investigation of internal Y-shaped fin configurations under natural convection in a concentric annulus

2022· article· en· W4303649470 sur OpenAlexafffund
Aidan Hickie-Bentzen, Mostafa Elsharqawy, Syeda Humaira Tasnim, Shohel Mahmud

Notice bibliographique

RevueResults in Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFinAnnular finNatural convectionNusselt numberMechanicsHeat transferEnclosureMaterials scienceThermodynamicsConvective heat transferHeat transfer coefficientPhysicsReynolds numberTurbulenceEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Natural convection heat transfer inside concentric annular enclosures has been well researched for decades. Such enclosures have been employed as intermediate layers between fluid streams in heat exchangers, particularly in latent heat thermal energy storage applications. Convection heat transfer coefficients originating from natural convection are relatively low, which drives the need for heat transfer enhancements by using extended surfaces (e.g., fins, heat sinks). In this study, numerical simulations are performed to investigate the natural convection heat transfer inside a concentric annulus in the presence of Y-shaped fins. Each Y-shaped fin has four important geometric parameters: (i) length of the fin base a, (ii) length of the fin branches b (i.e., the V-section), (iii) primary fin spacing angle θ, and (iv) secondary fin angle or branch angle α. Steady-state simulations are conducted using COMSOL Multiphysics® with constant temperature boundary conditions to generate the laminar natural convection profiles in the enclosure filled with air. The average Nusselt numbers, calculated at both the inner and outer walls of the enclosure, are used to gauge the heat transfer. The model is built with thin layer approximated fins first and subsequently compared to a modified model with fins with finite thickness. The optimized case using the thick fin model is found to yield a percent increase in Nu of 358.8% compared to the case with no fins. Lastly, the entropy generation is considered to determine the second law efficiency of the system, which is approximately 91%.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,010
Tête enseignante GPT0,208
Écart entre enseignants0,198 · 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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResults in EngineeringMême sujetHeat Transfer and OptimizationTravaux en français237 207