MétaCan
Menu
Retour à la cohorte
Enregistrement W2005250675 · doi:10.1243/095440803322611642

Effect of liquid addition on heat transfer in gas-fluidized beds of large light particles

2003· article· en· W2005250675 sur OpenAlexafffund
Y. Nagahashi, John R. Grace, Yutaka Asako, Norman Epstein, D H Lee, Akira Yokogawa

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part E Journal of Process Mechanical Engineering · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJapan Society for the Promotion of ScienceNatural Sciences and Engineering Research Council of Canada
Mots-clésHeat transferMaterials scienceTube (container)Fluidized bedVaporizationThermal conductionFluidizationConvectionParticle (ecology)Volume (thermodynamics)ThermodynamicsHeat transfer enhancementConvective heat transferMechanicsHeat transfer coefficientComposite materialGeology

Résumé

récupéré en direct d'OpenAlex

When liquid is added to large-particle gas-fluidized beds where the liquid density is similar to the particle density, the liquid addition can cause a dramatic increase in the velocity range and intensity of fluidization. In this paper it is shown that this also leads to strong enhancement of the heat transfer between the bed and an immersed tube. Experiments were carried out using a heated tube of outer diameter 25 mm in air-fluidized beds of polystyrene particles or glass beads to which small quantities of water (typically equivalent to 10 per cent of the bed volume) were added. The results from the heat transfer experiments are explained with the aid of observations of the tube surface using an industrial endoscope located inside the tube. The key factors underlying the enhancement of heat transfer are identified to be heat conduction to liquid-solid aggregates, convection to the liquid phase, convection to the gas phase and vaporization.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,040
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,213
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part E Journal of Process Mechanical EngineeringMême sujetGranular flow and fluidized bedsTravaux en français237 207