MétaCan
Menu
Retour à la cohorte
Enregistrement W4311230042 · doi:10.18280/mmep.090512

Numerical Analysis of the Pulsating Heat Transfer of Ferrofluid in Helically Fluted Tubes

2022· article· en· W4311230042 sur OpenAlexvenueno aff
Anumut Siricharoenpanitch, Jarinee Jongpleampiti, Nittaya Naphon, Smith Eiamsa‐ard, Paisarn Naphon

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMechanicsHeat transferTurbulenceMaterials scienceReynolds numberFlow (mathematics)Heat transfer enhancementFluid dynamicsTransverse planeCoolantTube (container)ThermodynamicsPhysicsComposite materialEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

The flow and heat transfer characteristics in the corrugated tube mainly depend on flow parameters and geometric configurations of the tube, such as corrugated cross-section, corrugated angle, corrugated arrangement, corrugated pitch and depth, pulsating flow frequency, coolant types, and Reynolds number. This paper presents the pulsating thermal characteristics of ferrofluid flowing in the fluted tube using the de-ionized water and 0.015% by volume as working fluid flowing in the test section. Eulerian two-phase turbulence model validation has been performed in both steady and pulsating flow. The finite volume approach discretizes the Eulerian two-phase model. Numerical results indicate that the longitudinal and transverse secondary flows are induced differently via the pulsating flow. The heat transfer characteristics of pulsating fluid flow are significantly larger than that of continuous fluid flow. A higher pulsating frequency induces a heat transfer enhancement. However, pulsating flow increases pressure due to more flow complexity and rough augmentation. Due to the disturbed fluid flow and higher swirling motion, the heat transfer augmentation increases and corresponds with the published results.

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 enseignants0,353
Score d'incertitude au seuil0,489

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 GPT0,197
Écart entre enseignants0,180 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetHeat Transfer and Boiling StudiesTravaux en français237 207