Heat Transfer Enhancement through Thermal Dispersion in Hybrid Nanofluid Saturated Mixed Convection along a Horizontal Cone
Notice bibliographique
Résumé
This study explores the influence of thermal dispersion on mixed convection flow of a hybrid nanofluid past a horizontal cone.The working fluid is ethylene glycol containing cylindrical alumina (AlO) and silica (SiO) nanoparticles in equal volume fractions.Compared with a single alumina-based nanofluid, the hybrid suspension exhibits significantly improved thermal transport capability.To analyze the problem, the governing nonlinear partial differential equations are reduced to ordinary differential equations using similarity transformations, and the resulting system is solved numerically with the Bvp4c method.The investigation shows that suction strongly enhances the heat transfer rate by reducing the thickness of the thermal boundary layer, while injection diminishes it, particularly under forced convection conditions.Thermal dispersion is found to decrease heat transfer efficiency by weakening the near-wall temperature gradient, with its impact being more pronounced in forced and mixed convection regions.In contrast, a higher Biot number consistently increases heat transfer, with stronger effects observed as the flow approaches free convection dominance.Overall, the results demonstrate that hybrid nanofluids, when coupled with optimized boundary conditions, can deliver substantial improvements in convective heat transfer performance.These findings underscore the potential application of such fluids in advanced cooling systems, heat exchangers, and energy-related technologies where efficient thermal regulation is critical.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».