MétaCan
Menu
Retour à la cohorte
Enregistrement W4367627015 · doi:10.3390/en16093825

Comparing the Performance of a Straight-Channel Heat Sink with Different Channel Heights: An Experimental and Numerical Study

2023· article· en· W4367627015 sur OpenAlexafffund
Mahsa Hajialibabaei, M. Ziad Saghir, Yusuf Biçer

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQatar National Research FundFonds National de la Recherche LuxembourgQatar Foundation
Mots-clésHeat sinkNusselt numberMechanicsPressure dropThermalVolumetric flow rateThermodynamicsMaterials scienceReynolds numberPhysics

Résumé

récupéré en direct d'OpenAlex

Straight-channel heat sinks are widely used as a cooling method for electronic devices and lithium battery thermal management. This study aims to enhance the thermal performance of a straight-channel heat sink while decreasing the pressure drop. In this design, the height of inside channels is reduced to provide open space above the channel while the size of the heat sink remains constant. Both experimental investigation and numerical analysis were conducted to study the thermal efficiency of heat sinks with varying heights, at flow rates ranging from 6.94 to 19.56 m3/s and heat fluxes between 3.8 and 7.43 W/cm2. The comparison is carried out between channels with four different heights in terms of temperature distribution, local Nusselt number, velocity, and flow characteristic. The results indicate that lowering the height of the channel from 12.7 to 7 and 4 mm raises the highest temperature of the heat sink, whereas the change in height to 10 mm reduces the temperature. Furthermore, increasing the flow rate has a higher impact on improving the Nusselt number in channels with a height of 10 mm. When the height is decreased from 12.7 to 10 mm, the performance evaluation criterion is obtained higher than one for all flow rates.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,226
Écart entre enseignants0,206 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetHeat Transfer and OptimizationTravaux en français237 207