MétaCan
Menu
Retour à la cohorte
Enregistrement W4411301883 · doi:10.1016/j.csite.2025.106521

Thermal-mechanical coupled stress prediction of printed circuit heat exchanger in the supercritical CO2 Brayton cycle

2025· article· en· W4411301883 sur OpenAlexfundno aff
Junlin Chen, Wenhai Du, Keyong Cheng, Xunfeng Li, Xiulan Huai, Jiangfeng Guo, Pengfei Lv, Hongsheng Dong

Notice bibliographique

RevueCase Studies in Thermal Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaChinese Academy of SciencesNational Natural Science Foundation of ChinaCanadian Anesthesiologists' Society
Mots-clésBrayton cycleSupercritical fluidHeat exchangerMaterials scienceStress (linguistics)ThermodynamicsThermalMechanicsNuclear engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Printed circuit heat exchanger (PCHE) is widely recognized as the most promising heat exchanger for supercritical CO 2 (SCO 2 ) Brayton cycle. Stress assessment is critical to ensuring the safety and longevity of PCHE. This study addresses a critical gap in the thermal-mechanical stress assessment of PCHE for SCO 2 Brayton cycles by developing novel quantitative models to predict equivalent stresses at semicircular channel tips. Unlike conventional ASME codes, which overlook thermal stress, the pseudo-2D ANSYS Workbench model integrating both thermal and mechanical stresses, was used to offer a comprehensive evaluation. Key structural parameters (channel diameter, plate thickness, ridge thickness) and operational parameters (pressure, temperature difference) were analyzed. The results reveal that mechanical stress is most sensitive to cold-side pressure, while thermal stress correlates linearly with temperature gradients. Dimensional analysis yielded predictive formulas for thermal stress (±13.3% error) and mechanical stress (±14.3% error), validated against finite element method results. A backpropagation neural network further improved prediction accuracy (errors <10%). The proposed models streamline PCHE design verification and dynamic control optimization, ensuring safer and more efficient SCO 2 cycle operation. This research advances sustainable energy systems by providing reliable tools for PCHE stress assessment, with potential applications in solar, nuclear, and waste heat recovery systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,252
Écart entre enseignants0,232 · 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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCase Studies in Thermal EngineeringMême sujetHeat Transfer and OptimizationTravaux en français237 207