MétaCan
Menu
Retour à la cohorte
Enregistrement W9112267 · doi:10.13182/nt12-a13330

Numerical Study on the Turbulent Mixing Coefficient for Supercritical Fluids in Subchannels

2012· article· en· W9112267 sur OpenAlexaff
Yina Zhang, Chao Zhang, Jin Jiang

Notice bibliographique

RevueNuclear Technology · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSupercritical fluidTurbulenceReynolds numberMechanicsMixing (physics)Materials scienceThermal hydraulicsBundleHydraulic diameterHeat transfer coefficientComputational fluid dynamicsSupercritical flowHeat transferThermodynamicsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

In this study, computational fluid dynamics simulations are carried out to predict the thermal-hydraulic behavior of supercritical fluids in the subchannel of supercritical water-cooled reactor (SCWR) fuel channels. The thermal-hydraulic behavior of supercritical water in triangular array and square array fuel rod bundles is studied numerically. The effects of various parameters including the pitch-to-diameter ratio and Reynolds number on the flow and the heat transfer characteristics are investigated. It is found that the turbulent mixing coefficient of supercritical water in subchannels is strongly dependent on the fluid bulk temperature and pitch-to-diameter ratio in the vicinity of the pseudo-critical point. To have a higher overall turbulent mixing coefficient, a pitch-to-diameter ratio less than 1.2 is recommended for the design of SCWR. The turbulent mixing coefficient correlation for the triangular array rod bundle is developed in this study based on the numerical results. However, the correlation for the mixing coefficient for the square array rod bundle cannot be expressed as a general correlation.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 GPT0,255
Écart entre enseignants0,233 · 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'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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNuclear TechnologyMême sujetHeat transfer and supercritical fluidsTravaux en français237 207