MétaCan
Menu
Retour à la cohorte
Enregistrement W4402688190 · doi:10.2514/6.2024-3818

Numerical Solution of Transient Thermal Spreading Resistance in Multilayered Flux Tubes

2024· article· en· W4402688190 sur OpenAlexaff
Sahar Goudarzi, Lisa Steigerwalt Lam, Yuri S. Muzychka, G.F. Naterer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft and Cryogenic Technologies
Établissements canadiensUniversity of Prince Edward IslandMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésTransient (computer programming)Thermal resistanceMaterials scienceTransient analysisThermalMechanicsFlux (metallurgy)Heat fluxTransient responseComputer scienceHeat transferPhysicsThermodynamicsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The current study investigates transient thermal spreading within multilayered cylindrical flux tubes using a finite volume numerical model. It examines how thermal spreading occurs, taking into account the size of the heat source and the variations in thickness and thermophysical properties of each material layer. The study evaluates both isoflux and isothermal heat source conditions. Additionally, the findings from this numerical analysis are compared with an analytical approach for isoflux sources from a recent study by the authors. Results are presented for several coatings with varying thermal conductivities. The findings indicate that poor thermal conductors increase the thermal spreading resistance, while good thermal conductors reduce it. This paper provides a deeper understanding of thermal spreading in layered flux tubes and offers useful insights for improving thermal management in various technologies, especially where discrete heat sources are present or where thermal contact conductance occurs at an interface with an applied coating.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,217
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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 sujetSpacecraft and Cryogenic TechnologiesTravaux en français237 207