MétaCan
Menu
Retour à la cohorte
Enregistrement W4392308787 · doi:10.11159/jffhmt.2024.005

Characterization of the Turbulent Fluid Flow Structures in a Slab Mold with Experimental Measurements and Different Turbulence Models

2024· article· en· W4392308787 sur OpenAlexvenueno aff
María Guadalupe González-Solórzano, Saúl García-Hernández, R. D. Morales, Alfonso Nájera‐Bastida, Javier Guarneros

Notice bibliographique

RevueJournal of Fluid Flow Heat and Mass Transfer · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbulenceMechanicsK-epsilon turbulence modelFlow (mathematics)SlabCharacterization (materials science)Fluid dynamicsMaterials sciencePhysicsNanotechnology

Résumé

récupéré en direct d'OpenAlex

The turbulent flow of liquid steel in a slab mold was characterized using a commercial nozzle through physical water-model experiments and four turbulent models: - Realizable (RKE), Detached Eddy Simulation (DES), Scale-Adaptive Simulation (SAS), and Large Eddy Simulation (LES).The comparison between numerical results and the experimental measurements (using Ultrasound Velocimetry) permitted the characterization of flow structures along a sub meniscus region, (of great importance for flux-dragging phenomena) In general, all four models predict characteristic unsteady state turbulent flows.However, the - Realizable and DES models fail to predict instabilities in the internal flow of the nozzle, overpredicting sub-meniscus velocities in the mold.On the other hand, the SAS and LES models manage to predict the instabilities and changes in the internal flows inside the nozzles that occur at high frequencies and achieve an excellent agreement with the experimental velocity profiles.With the analysis of the results obtained, it is possible to say that the SAS model produces performances like those of the LES model with less computing effort and less cost.

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 enseignants0,117
Score d'incertitude au seuil0,353

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 Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,193 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid Flow Heat and Mass TransferMême sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207