MétaCan
Menu
Retour à la cohorte
Enregistrement W4414525796 · doi:10.1002/cjce.70105

Experimental study and numerical simulation of microchannel heat exchanger structure optimization based on heat transfer and flow

2025· article· en· W4414525796 sur OpenAlexvenueno aff
Qingyang Zhang, Chulin Yu, Yulin Cui, Binfeng Liu, Hongyan Liu

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMicrochannelMicro heat exchangerHeat transfer coefficientPlate heat exchangerHeat transferHeat exchangerSecondary flowPlate fin heat exchangerReynolds number

Résumé

récupéré en direct d'OpenAlex

Abstract Microchannel heat exchangers are widely used in fields such as chemical engineering, microelectronics, and energy engineering due to their efficient heat transfer capabilities. But with the continuous improvement of thermal management requirements in these fields, exploring a more efficient microchannel heat exchanger has become a research focus. This study proposes a leaf vein biomimetic microchannel heat exchanger based on airfoil microchannel. The effects of Reynolds number (Re) and primary and secondary leaf vein structures on thermal and hydraulic performance were experimentally studied. CFD simulation was used to optimize the microchannel structure. The addition of both primary and secondary venous ribs has a positive impact on heat transfer performance within the range of Re 1700~2800, but the primary venous rib has a greater effect on increasing flow resistance than on flow heat transfer, while the secondary vein ribs have a greater effect on enhancing heat transfer than on flow resistance. The f of the optimized microchannel is 0.0431, the Nu is 65.27, the average heat transfer strengthening coefficient is 1.85, and the comprehensive performance index PEC is 1.26, which is 26% higher and 85% higher than that of the airfoil channel.

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 enseignants0,391
Score d'incertitude au seuil0,393

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,006
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetHeat Transfer and OptimizationTravaux en français237 207