MétaCan
Menu
Retour à la cohorte
Enregistrement W7133064758

Planar PIV in fibre laden flows

2003· dissertation· W7133064758 sur OpenAlexfundno aff
Homer Jermain Henry

Notice bibliographique

RevueTSpace · 2003
Typedissertation
Langue
DomaineEngineering
ThématiqueComposite Material Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésParticle image velocimetryVorticityWakeBoundary layerViscositySquare (algebra)Flow (mathematics)VortexShear (geology)Plane (geometry)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Two dimensional shear flows of water, oil and oil-fibre suspensions of 0.01%, 0.025% and 0.05% mass consistency were examined using particle image velocimetry (PIV). A square obstacle that block 50% of the flow area in a rectangular flow cell induced shear. PIV measurements were taken at various positions on the plane of symmetry, adjacent to the square and in the wake region. The data shows that the higher viscosity of the oil results in a much larger boundary layer thickness than that of water and reattachment to the square that does not occur with water. The data also indicates that fibre loading causes a reduction in the intensity of vorticity and velocity fluctuations at the fibre length scale. Two dimensional shear flows of water, oil and oil-fibre suspensions of 0.01%, 0.025% and 0.05% mass consistency were examined using particle image velocimetry (PIV). A square obstacle that block 50% of the flow area in a rectangular flow cell induced shear. PIV measurements were taken at various positions on the plane of symmetry, adjacent to the square and in the wake region. The data shows that the higher viscosity of the oil results in a much larger boundary layer thickness than that of water and reattachment to the square that does not occur with water. The data also indicates that fibre loading causes a reduction in the intensity of vorticity and velocity fluctuations at the fibre length scale.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,372
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,266
Écart entre enseignants0,256 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetComposite Material MechanicsTravaux en français237 207