The effect of layer thickness on the geometry and capillary performance of strut-based heat pipe wicks manufactured by laser powder bed fusion
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
Additive manufacturing (AM) can be used to fabricate heat pipes and two-phase heat sinks which have integrated wicking structures. These devices can be customized and have superior performance when compared with devices with conventionally fabricated wicks. The current work investigates the impact of build rate on the capillary performance of AM wicks fabricated by laser powder bed fusion (LPBF). The build rate was examined by varying the layer thickness from 30 µm to 80 µm for four different strut-based wick geometries: i) body-centered cubic (BCC), ii) face-centered cubic (FCC), iii) simple cubic (SC), and iv) fluorite. The mass rate-of-rise method was used to quantify the wick hydraulic parameters (namely wick permeability, K, and effective pore radius, reff). Layer thickness has a significant influence on wick permeability; layer thickness of 40 µm result in the highest value for all configurations but have a small effect on the effective pore radius. Layer thickness of 40 µm and 60 µm reached the highest K/reff ratio, primarily because of the permeability increase. We attribute this to poor build quality such as missing struts and less defined edges which facilitate low resistance to fluid flow. The SC 60 and BCC 40 configurations achieved the maximum capillary performance with K/reff of 1.34 µm and 1.42 µm, respectively. Overall, it was found that while increasing the build rate by varying layer thickness may affect the part build quality, it promotes hydraulic performance for some configurations by creating random rough surface morphologies and arteries, which help increase permeability.
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 | 0,001 | 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