MétaCan
Menu
Retour à la cohorte
Enregistrement W4416863591 · doi:10.11159/jffhmt.2025.039

Curved Riblet Tips for Drag Reduction in Water Pipes

2025· article· en· W4416863591 sur OpenAlexvenueno aff
Mirvahid Mohammadpour Chehrghani, Doekle Yntema, D.T.A. Matthews, Matthijn de Rooij, Jamal Seyyed, Monfared Zanjani

Notice bibliographique

RevueJournal of Fluid Flow Heat and Mass Transfer · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Sediment Control
Établissements canadiensnon disponible
Organismes subventionnairesInterregHORIZON EUROPE Framework ProgrammeWetsusMinistry of Infrastructure and Water ManagementEuropean Commission
Mots-clésDragReduction (mathematics)Water pipePipe network analysisDrag coefficientWater hammer

Résumé

récupéré en direct d'OpenAlex

This study examines the role of riblet tip curvature in controlling drag in pipe flow and identifies how subtle geometric variations can alter performance.Three tip shapes were investigated: conventional flat tips, concave tips and convex tips.The riblets were manufactured using masked stereolithography 3D printing and systematically tested across a broad range of Reynolds numbers.The results show that tip curvature shows little influence under laminar conditions (Re < 2200), but becomes decisive once the flow enters transitional and turbulent regimes (Re > 2200).Convex tips consistently produced weaker drag reduction than flat tips, indicating that outward curvature may disrupt near-wall vortex organization.In contrast, concave tips enhanced drag reduction, yielding up to 30 percent drag reduction at Re ≈ 6000.However, the benefit diminished at both lower and higher Re, indicating strong sensitivity to flow-scale interactions.These findings demonstrate that riblet effectiveness is dependent on tip curvature and flow regime, and they provide new design principles for engineering advanced riblet surfaces that can reduce frictional losses and energy consumption in pipelines.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,201
Écart entre enseignants0,195 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid Flow Heat and Mass TransferMême sujetEnvironmental and Sediment ControlTravaux en français237 207