Nanofluid Drop Impact on Heated Surfaces
Notice bibliographique
Résumé
We experimentally elucidate the impact dynamics of ethylene glycol (EG) droplets laden with both hydrophilic and hydrophobic SiO 2 nanoparticles (NPs) onto a flat heated surface in non-boiling, boiling, and Leidenfrost regimes. We use seven nanofluid concentrations ( C p ), ranging from 0.89 to 64.3 wt %, and control the surface temperature ( T s ) between 100 and 400 °C, while the nanofluid droplet’s impact velocity is constant at 0.22 ± 0.02 m/s. Phase diagrams of impact outcomes are established to illustrate the effect of the additive nanoparticles on the droplets’ impact dynamics, revealing that nanoparticles modify droplet impact behaviors differently in each regime. In the non-boiling regime, the droplet spreading profile remains unaffected by nanoparticles up to C p < 11.9 wt % before reaching the maximum spreading diameter (β max ). For nanofluid drops with higher nanofluid concentration, the increasing viscosity with concentration is likely to be the primary factor that affects the droplets’ spreading profile in the non-boiling regime T s ≲ T sat ≈ 200 °C, as the saturation temperature. In the boiling regime 200 °C < T s ≲ 350 °C, a small amount of nanoparticle addition ( C p = 0.89 wt %) promotes atomization regardless of nanoparticle wettability. Finally, manifested in a complete rebound due to an intervening vapor layer, the Leidenfrost temperature ( T L ) of the nanofluid droplets is affected by both nanofluid concentration and nanoparticles’ wettability. The nanofluid droplets' T L increases with higher nanofluid concentration; moreover, this Leidenfrost temperature increment is more significant for EG droplets laden with hydrophobic nanoparticles. Our results quantitatively reveal the significant influence of nanoparticle concentrations and wettability on drop spreading, impact outcome, and Leidenfrost temperature on heat surfaces, potentially benefiting applications in coating, spraying, and cooling.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».