MétaCan
Menu
Retour à la cohorte
Enregistrement W4362659379 · doi:10.1109/icrai57502.2023.10089571

Comparison Between ANSYS Fluent and Solidworks Internal Flow Simulation for Analysis of A Fuzzy Logic Controller-Based Heating/Cooling System in A Mobile Robot Design

2023· article· en· W4362659379 sur OpenAlexafffund
Misha Afaq, Rafiq Ahmad

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFluentComputational fluid dynamicsSoftwareMechanical engineeringRobotInternal flowMobile robotSimulationWater coolingEngineeringFlow (mathematics)Computer scienceAerospace engineeringMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

Nowadays, Computational Fluid Dynamics (CFD) software's have become important tools to study the behavior of fluids in the design phase of robots in various applications. This includes fluid behavior around underwater remotely operated vehicles, aerodynamic characteristics of mobile robots/drones in extreme outdoor environments, and internal flow simulation to determine the heating/cooling time of an enclosed space and estimate the system's energy requirements. For this paper, two CFD software's; ANSYS Fluent and Solidworks 2022 are used to conduct a CFD analysis on the heating/cooling of the internal space of a mobile robot design aimed to operate in extreme temperatures ranging from −40 °C to 50 °C. Heating time is determined by using a constant power magnitude of 8138683 W/m3emitted from four different heating elements located at different parts of the robot body and two fans rotating at 1800 rpm. Moreover, the cooling time of the internal space is evaluated based on fans operating at 6000 rpm over the electronics and three outlets that direct the warm air to the outside environment. For both software's, the same boundary conditions were applied to the robot body to obtain fair results for comparison. Based on the simulation results, the desired temperature of 8 °C from an initial temperature of −40 °C was reached within 44 s for ANSYS Fluent and 650 s for Solidworks. For cooling, 8 °C was obtained within 6 s for ANSYS Fluent and 24 s for Solidworks. The difference in the results between the two software's is mainly due to the method in which the fluid domain is defined. In the case of Solidworks, it considers the material thickness on the boundary between solid/fluid regions.

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)0,001
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: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,088
Tête enseignante GPT0,355
Écart entre enseignants0,268 · 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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRobotic Path Planning AlgorithmsTravaux en français237 207