MétaCan
Menu
Retour à la cohorte
Enregistrement W4353065597 · doi:10.34133/space.0032

Multiphysics Numerical Simulation and Geometric Optimization of a Micronozzle for the MEMS Thruster

2023· article· en· W4353065597 sur OpenAlexaboutno aff
Xingchen Li, Haopeng Liang, Ruofan Zhang, Wen Yao, Xiaoqian Chen

Notice bibliographique

RevueSpace Science & Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultiphysicsMechanical engineeringMicroelectromechanical systemsNozzleHeat transferMicrofabricationEngineeringFinite element methodMechanicsMaterials scienceFabricationStructural engineeringPhysicsNanotechnology

Résumé

récupéré en direct d'OpenAlex

This paper reports a numerical research on MEMS (microelectromechanical system) micronozzles through multiphysics coupling simulation along with design optimization based on simulation results. The micronozzle, which is a core component of the electrothermal microthruster, features a micron-scale geometry, a 2-dimensional (2D) Laval configuration, a rectangular cross section, and a highly thermal conductive silicon wall due to MEMS fabrication. As a result, viscous loss in the flow field and heat transfer to the nozzle wall can strongly influence nozzle performance, namely, thrust force and specific impulse. To accurately understand the flow field inside the micronozzle and how the highly thermal conductive silicon wall interacts with gas flow, a numerical simulation that couples fluid dynamics field and solid heat transfer field is employed in the research. The influence of different structural parameters on micronozzle performance is then investigated to set a basis for design optimization. The optimum design of the linear expander micronozzle is obtained through constrained optimization by linear approximation. To further improve micronozzle performance, the bell-shaped expander is adapted. The optimization result shows that the bell-shaped expander is not suitable for micronozzle featuring 2D Laval configuration, and the reason behind the phenomenon is thoroughly discussed.

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 enseignants0,005
Score d'incertitude au seuil0,010

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,244 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpace Science & TechnologyMême sujetHeat Transfer and OptimizationTravaux en français237 207