MétaCan
Menu
Retour à la cohorte
Enregistrement W4380680141 · doi:10.32920/23523492.v1

Numerical and experimental investigation into the impact of cu/al2o3 hybrid nanofluid and higher concentration alumina nanofluids on heat transfer in a two and three-channel heat exchanger

2023· preprint· en· W4380680141 sur OpenAlexaff
Robert Plant

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNanofluidMaterials scienceNusselt numberChemical engineeringCopper oxideHeat transferCopperHeat exchangerComposite materialAnalytical Chemistry (journal)Nuclear chemistryNanoparticleMetallurgyThermodynamicsNanotechnologyChemistryChromatographyReynolds numberTurbulence

Résumé

récupéré en direct d'OpenAlex

<p>The following work was conducted both numerically and experimentally with two nanofluid types being investigated. The first being a Cu/Al<sub>2</sub>O<sub>3</sub> 2O3 hybrid nanofluid with an aluminum oxide nanostructure decorated in copper oxide nanostructures, and the latter being two higher concentration alumina nanofluids, 1% vol and 2% vol created through dilution of a stock fluid in distilled water. Both nanofluids were tested in a fluid flow system filled with an open-cell foam metal. The porous media is comprised of a 6061-T6 aluminum with a permeability of 9.54788× 10−7 m<sup>2</sup> for the hybrid nanofluid and a permeability of 2.3869 x 10<sup>-7</sup> m<sup>2</sup> for the high concentration alumina nanofluid, with both porous media blocks used in the investigation having a porosity of 0.91. The experiments were conducted with varying heat flux. The performance of the nanofluids was evaluated by examining changes in the Nusselt number. The copper oxide/alumina nanocomposite in conjunction with the porous media, resulted in a significant enhancement of 6-11% compared to the commercially available alumina nanofluid, The high concentration alumina saw an average thermal enhancement of 15.6% of the 1% vol nanofluid over the 2% vol.</p>

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,025
Tête enseignante GPT0,273
Écart entre enseignants0,248 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207