Pulsating Heat Pipe Performance Modeling with Liquid Metal Coolants Under Hypersonic Aerothermal Heating
Notice bibliographique
Résumé
Hypersonic heating loads concentrate at leading-edge compression areas to create excessively high local temperatures and thermally driven stresses. The fast and reliable thermal dispersion of heat pipes with significantly high thermal conductance can alleviate these localized thermal stiffness problems. The pulsating heat pipe (PHP) holds numerous advantages when compared to capillary, constant-conductance heat pipes for hypersonic thermal management applications, primarily because they lack a wicking structure. This paper numerically investigates thermal performances of a four-turn C103 niobium alloy PHP operating with lithium, potassium, sodium, and a eutectic sodium–potassium alloy (NaK-78) when exposed to heating conditions relevant to the hypersonic environment, investigating flight Mach numbers ranging from 6 to 8 and dynamic pressures ranging from 40 to 44 kPa. The robust thermofluidic properties of liquid metals, along with the powerful fluid pulsation induced in the PHP, can provide significant thermal transport from hot stagnant regions of the leading edge to the cooler trailing surfaces. Potassium showed superior thermal performance when compared to other liquid metal coolants under the presently tested conditions, with overall PHP thermal conductance as high as [Formula: see text] predicted for Mach 8 flight conditions. In contrast, sodium was associated with startup difficulties in the PHP; this paper attributes this to its significantly larger thermal conductivity, which can limit the vapor pressure difference over the liquid slug lengths. These predictions indicate an overall latent heat transfer dominance of around 70–95% in liquid metal PHPs.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».