MétaCan
Menu
Retour à la cohorte
Enregistrement W4405462527 · doi:10.54097/e0txn789

Computational Fluid Dynamics Analysis of Self-Sustained Laminar Flow Oscillations in Singular Grooved Ducts

2024· article· en· W4405462527 sur OpenAlexaffabout
Yifei Chen, Stephen Tullis

Notice bibliographique

RevueHighlights in Science Engineering and Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLaminar flowReynolds numberMechanicsTurbulenceFluid dynamicsComputational fluid dynamicsOpen-channel flowFlow (mathematics)Heat transferFluid mechanicsHele-Shaw flowPipe flowPhysicsClassical mechanicsGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

Research Background: Modeling oscillatory flow in singular grooved ducts within the laminar regime provides insight into fluid mechanics that could enhance applications such as heat transfer in nuclear reactors. Previous research has identified pulsations in grooved channels under turbulent conditions with high Reynolds numbers, contributing to enhanced heat exchange efficiency. These pulsations are influenced by the axial flow in and out of the main channel from a continuous groove. Contribution of This Study: This study extends the understanding of flow oscillations to simpler geometries and lower Reynolds numbers, specifically within a laminar flow regime capped at a Reynolds number of 2,000. By simplifying the duct geometry to a rectangular main channel with a singular continuous groove, the research employs computational fluid dynamics tools, primarily OpenFOAM, facilitated by Compute Canada's clusters. It investigates the fluid flow characteristics—strength, frequency, velocity gradient, and oscillation behaviours—associated with the geometry of the gaps and channels. This approach helps in pinpointing the dependency of flow characteristics on specific geometric configurations, potentially laying groundwork for optimizing designs in practical applications.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,009
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 Opus0,004
Tête enseignante GPT0,200
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'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'admission2
Résumé présentoui

Explorer davantage

Même revueHighlights in Science Engineering and TechnologyMême sujetHeat Transfer MechanismsTravaux en français237 207