Evolution of Air Plastron Thickness and Slip Length over Superhydrophobic Surfaces in Taylor Couette Flows
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
Drag reduction (DR) using superhydrophobic surfaces (SHSs) has received intensive interest due to the emergence of SH coating technology. The air layer (plastron “δ”) trapped between the SHS and the water controls the flow slip over the SHSs. We demonstrate slippage over three fabricated SHSs in laminar and low turbulent Taylor–Couette flows. We experimentally investigate how the slip length increases with a higher Reynolds number (Re) over the tested SHSs; simultaneously, the air plastron thickness investigates using a viscous model. The mean skin friction coefficient (Cf) can be fitted to a modified semi-empirical logarithmic law expressed in the Prandtl–von Kármán coordinate. An effective slip length is estimated in the 35–41 µm range with an achieved 7–11% DR for the tested surfaces. Statistical analysis is used to develop a regression model from the experimental data. The model shows an R2 of 0.87 and good agreement with the experimental data. This shows the relation between the dimensionless slip length (b+), the dimensionless plastron thickness (δ+), and the Reynolds number, which is directly proportional. The regression model shows that b+ and Reynolds numbers have a higher impact on the δ+ than the surface wettability, which attribute to the small difference in the wetting degree between the three tested surfaces. The practical importance of the work lies in its ability to provide a deep understanding of the reduction in viscous drag in numerous industrial applications. Furthermore, this research serves as a groundwork for future studies on hydrophobic applications in internal flows.
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 | 0,000 |
| 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