MétaCan
Menu
Retour à la cohorte
Enregistrement W4414144749 · doi:10.31224/5331

Bronze Wool as a Porous Mixer for Air Temperature Uniformity in Energy Exchangers

2025· preprint· en· W4414144749 sur OpenAlexaff
Amir Reza Mahmoudi, Melanie Fauchoux, Carey J. Simonson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnergy
ThématiqueSolar-Powered Water Purification Methods
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésWoolBronzeHeat exchangerPorosityPressure dropHomogenization (climate)ThermalMixing (physics)

Résumé

récupéré en direct d'OpenAlex

This study investigates the use of bronze wool as a porous air mixer to improve temperature uniformity at the outlet of a liquid-to-air membrane energy exchanger (LAMEE). Traditional air mixers often cause excessive pressure losses and are difficult to install in compact systems. Bronze wool offers a lightweight, space-efficient alternative with favorable thermal and structural properties. Experimental evaluations were conducted using mixers with varying wool mass, porosity, and structure, under both horizontal and vertical duct orientations. Results show that bronze wool mixers significantly reduce temperature gradients, achieving up to 75% statistical effectiveness in horizontal ducts and 54% range effectiveness in vertical ducts. In compact wool structures, thermal conduction within the metal fibers is the primary temperature homogenization mechanism, while physical mixing from advection and dispersion occurs in higher-porosity structures. Among all configurations, the accordion wool structure demonstrated the highest range effectiveness, attributed to enhanced multi-directional conduction. The pressure drop across the mixers remained relatively low, confirming the suitability of metal wool air mixers for use in systems where minimizing flow resistance is critical. The findings demonstrate that bronze wool mixers provide a compact, low-resistance, and effective solution for temperature homogenization in air ducts.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,307
Écart entre enseignants0,285 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSolar-Powered Water Purification MethodsTravaux en français237 207