Interferometric assessment of methods to improve the stability of Al2O3-water nanofluids
Notice bibliographique
Résumé
Enhancing the stability of nanofluids makes them more viable for their application in industrial and medical fields. This study investigates the stabilization of Al 2 O 3 -water nanofluids through various preparation methods, including sedimentation and centrifugation at different relative centrifugal forces (RCF) and durations, along with the addition of sodium dodecylbenzene sulfonate (SDBS) as a stabilizing agent. Stability was assessed using a newly developed interferometric method capable of visualizing and quantifying concentration distributions, supplemented by dynamic light scattering (DLS) and zeta potential measurements. The results showed that both centrifugation and SDBS addition enhance nanofluid stability, with higher RCF and longer centrifugation times yielding higher stability. A nanofluid containing 0.23 wt% Al 2 O 3 -water and 0.23 wt% SDBS was prepared, maintaining stability for 1.5 h without any measurable sedimentation. The study also revealed that while DLS and zeta potential measurements offer useful insights into nanofluid stability, they are not dependable as standalone indicators of stability. • Interferometry effectively assesses methods for improving nanofluid stability. • Centrifugation and SDBS addition improve Al 2 O 3 -water nanofluid stability. • Higher RCF and centrifugation time enhance nanofluid stability. • Centrifuged 0.23 wt% Al 2 O 3 nanofluid with SDBS remained stable for 1.5 h. • DLS and zeta potential are supplementary but not standalone stability indicators.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».