Computational micropolar model of hybrid nanofluid flow across a wedge
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
Non-Newtonian flow from wedges is a vital problem in coatings, polymer processing etc. Hence the main aim is to investigate the convective boundary layer flow of micropolar hybrid nanofluid (MHN)from a wedge. It is assumed that the wedge surface is isothermal. The Eringen model is employed to define micropolar fluid. Nanoscale Tiwari–Das formulations are used to study the specific effects of nanoparticles and volume fractions. The dimensionless boundary value problem arises by suitable coordinate transformations as a system of nonlinearly coupled ordinary differential equations. The so-called Falkner Skan flow case is resolved. Dimensionless, transformed, coupled momentum, microrotation, boundary layer equations are resolved using the numerical scheme MATLAB bvp4c. The parameteric investigations are performed on hybrid nanofluids using water as the basis liquid and varying volume fractions from 0 to 8%. Affirmation with previous work is done. The consequence of Eringen micropolar parameter, Hartree pressure gradient parameter, nanoparticle volume fraction, Eckert number, heat absorption (sink) parameter, on the flow and physical characteristics are visualized graphically and in tables. With rising material factor and volume fraction of nanoparticle, temperature is markedly enhanced. Increases in volume fraction dampen angular velocity close to the wedge surface, while farther from the wall, the opposite effect is seen. Temperature and thermal boundary layer thickness are both greatly enhanced by increasing Eckert number. With an increase in the volume proportion of nanoparticles, velocity decreases. Heat generation raises temperatures while a heat sink lowers them. The pressure gradient parameter increases skin friction while decreasing Nusselt number. Nusselt number for hybrid nanofluid is higher than for nanofluid.
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 | 0,000 | 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 | 0,000 |
| 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