MétaCan
Menu
Retour à la cohorte
Enregistrement W4391753531 · doi:10.3390/en17040861

Study of the Thermal and Hydraulic Performance of Porous Block versus Gyroid Structure: Experimental and Numerical Approaches

2024· article· en· W4391753531 sur OpenAlexafffund
M. Ziad Saghir, Esa Dube Kerme, Mahsa Hajialibabei, Heba Rasheed, Christopher Welsford, Oraib Al‐Ketan

Notice bibliographique

RevueEnergies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat and Mass Transfer in Porous Media
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGyroidPorous mediumMaterials sciencePressure dropPorosityMechanicsThermodynamicsMetal foamComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Various researchers in the field of engineering have used porous media for many years. The present paper studies heat enhancement using two different types of porous media. In the first type, porous metal foam media was used experimentally and numerically for heat extraction. The porous medium was replaced with a porous structure using the Gyroid model and the triply periodic minimum surfaces technique in the second type. The Darcy–Brinkman model combined with the energy equation was used for the first type, whereas Navier–Stokes equations with the energy equation were implemented for the second type. The uniqueness of this approach was that it treated the Gyroid as a solid structure in the model. The two types were tested for different heat fluxes and different flow rates. A comparison between the experimental measurements and the numerical solution provided a good agreement. By comparing the performance of the two types of structure, the Gyroid structure outperformed the metal foam for heat extraction and uniformity of the temperature distribution. Despite an 18% increase in the pressure drop in the presence of the Gyroid structure, the performance evaluation criteria for the Gyroid are more significant when compared to metal foam.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,371
Score d'incertitude au seuil0,259

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 Opus0,018
Tête enseignante GPT0,215
Écart entre enseignants0,196 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetHeat and Mass Transfer in Porous MediaTravaux en français237 207