Using dual mutation particle swarm method to optimize the variable cross-section of a thermoelectric generator based on a comprehensive thermodynamic model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The shape design for a thermoelectric generator (TEG) plays an important role in its performance. In this paper, a hyperbolic function was introduced to design a variable cross-section TEG module to optimize the configuration for maximum power generation and efficiency was sought. A comprehensive thermodynamic model was applied to establish the governing equations for the newly designed TEG module. The mutation particle swarm optimization (MPSO) method was invoked to solve the thermodynamic model. The thermodynamic model's output results include the temperatures at both ends of the TE element, thus making it possible to evaluate the actual performance of the TEG module. The results indicate that both the power generation and efficiency of the hyperbolic TEG are superior to those obtained based on a traditional design. The studies also disclosed that the hyperbolic structure can increase the thermal resistance of the TE couple making it possible to enlarge the temperature difference. This is the main mechanism to improve the performance of a hyperbolic TEG. Besides, the four non-dimensional parameters (shape parameter (β), area ratio (μ), temperature ratio (θ), and resistance ratio (rx)) related to the geometric structure and working conditions have notable effects on the TEG performance. It is thus worthwhile optimizing the TEG power generation and efficiency in the variable searching space of these parameters. However, differing from the traditional optimization, it is necessary to solve the governing equations in every iteration when searching for an optimal configuration based on the comprehensive model. In order to overcome the challenge, the Dual-MPSO algorithm was used in this research.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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