MétaCan
Menu
Retour à la cohorte
Enregistrement W1966026205 · doi:10.1115/1.4026282

Implementation of Two-Fluid Model for Dilute Gas-Solid Flow in Pipes With Rough Walls

2013· article· en· W1966026205 sur OpenAlexafffund
Ashraf Uz Zaman, Donald J. Bergstrom

Notice bibliographique

RevueJournal of Fluids Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTurbulenceMechanicsTurbulence kinetic energyReynolds stressTurbulence modelingMaterials scienceFlow (mathematics)Particle (ecology)Two-phase flowSurface finishTwo-fluid modelReynolds numberThermodynamicsPhysicsGeologyComposite material

Résumé

récupéré en direct d'OpenAlex

A numerical study was carried out to investigate the performance of a two-layer model for predicting turbulent gas-particle flows in rough pipes. An Eulerian–Eulerian two-fluid formulation was used to model both the gas and solid phases for turbulent gas-particle flow in a vertical tube. The stresses developed in the particle phase were calculated using the kinetic theory of granular flows while the gas-phase stresses were described using an eddy viscosity model. The two-fluid model typically uses a two-equation k-ɛ model to describe the gas phase turbulence, which includes the suppression and enhancement effects due to the presence of particles. For comparison, a two-layer model was also implemented since it has the capability to include surface roughness. The current study examines the predictions of the two-layer model for both clear gas and gas-solid flows in comparison to the results of a conventional low Reynolds number model. The paper specifically documents the effects of surface roughness on the turbulence kinetic energy and granular temperature for gas-particle flow in both smooth and rough pipes.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,251
Écart entre enseignants0,242 · 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

Citations7
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Fluids EngineeringMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207