MétaCan
Menu
Retour à la cohorte
Enregistrement W4386461379 · doi:10.1063/5.0165682

Numerical study of droplet impingement and spreading on a moving surface

2023· article· en· W4386461379 sur OpenAlexaff
Ningli Chen, Alidad Amirfazli

Notice bibliographique

RevuePhysics of Fluids · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensYork University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésLamella (surface anatomy)MechanicsPhysicsDrop (telecommunication)Capillary actionShear stressRelative velocityShear flowRelative motionClassical mechanicsMaterials scienceComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

The formation of an asymmetric lamella when a drop impacts a moving surface has been observed, but the underlying mechanism is not fully understood. In this study, we implemented a coupled level-set and volume-of-fluid method to simulate the asymmetric spreading of a drop on a moving surface. The dynamic contact angle model was used, with the capillary number calculated from the relative velocity at the contact line. The numerical method was validated with experimental data from the literature, and the spreading dynamics were also analyzed. The results indicate that the current method yields accurate predictions for lamella spreading, with a relative error in lamella width of less than 5%. This study reveals that the moving surface affects the spreading through the shear stress transferred from the surface to the liquid and the translation motion of the surface. Shear stress causes the lamella to either stretch or squeeze and the translation motion of the surface results in the advancing and receding phases existing together. These mechanisms lead to asymmetric spreading, and the asymmetricity of the lamella increases with the surface velocity and liquid viscosity. When the surface velocity is small, the effect of shear stress and translational motion only causes a translation of the lamella with no asymmetric spreading.

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 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 enseignants0,410
Score d'incertitude au seuil0,401

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,225 · 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.

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'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetFluid Dynamics and Heat TransferTravaux en français237 207