An extended quadrature‐based mass‐velocity moment model for polydisperse bubbly flows
Notice bibliographique
Résumé
Abstract Accurately predicting polydisperse bubbly flow is a nontrivial task due to the complexity of the bubble number density function (NDF) and the strong dependence of the instantaneous bubble velocity on the bubble size and shape. To describe polydisperse bubbly flow, a joint mass‐velocity NDF is adopted in this work. In the absence of mass transfer between phases and coalescence or breakage, the bubble mass is a conserved quantity from which the bubble size and shape can be found given the liquid pressure and surface tension. Quadrature‐based moment methods (QBMM) are applied to solve numerically the kinetic equation of the joint NDF using the extended quadrature method of moments (EQMOM) coupled with an open‐source incompressible Navier–Stokes solver for the liquid phase. Transport equations for the joint mass‐velocity moments are derived from a kinetic equation for the joint NDF and closure is attained using a monokinetic NDF valid in the limit of small bubble Stokes number. The integer moments with respect to mass are used to reconstruct the continuous univariate NDF with EQMOM, while the joint mass‐velocity moments are used to determine the bubble velocity as a continuous function of the bubble mass. The model is first applied to simulate a quasi‐2‐D bubble column with different aeration profiles and a narrow bubble size distribution in order to validate the approach with experimental data from the literature. Additional cases with a wide continuous bubble size distribution are used to show the ability of the modelling approach to describe polydisperse bubbly flows.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».