Effect of bubbles and additives on friction factor in pipeline flow
Notice bibliographique
Résumé
Abstract This work investigated drag reduction in turbulent flow of water using air bubbles and other additives. The first phase of the experimental program dealt with the effects of small air bubbles on wall shear stress and friction factor. The friction factor versus Reynolds number data exhibited different trends at low and high Reynolds numbers. At high Reynolds number, the two‐phase mixture behaved as a pseudo‐homogeneous system and the friction factor followed the single‐phase behaviour. At low Reynolds number, the observed friction factor was significantly higher than that of single‐phase fluids. The observed trends were interpreted in terms of the average bubble sizes predicted from a well‐known empirical equation. The second phase of the experimental program investigated the effects of additive/air‐bubble combinations on drag reduction in water flow where the additives used were frother and polymer. The addition of frother made the flow more homogeneous and the mixture followed the single‐phase behaviour more closely. In the absence of polymer, the injection of air bubbles generally increased the wall shear stress and friction factor compared to single‐phase flow, especially at low Reynolds number. However, the addition of polymer to two‐phase water/bubbles mixture induced drag reduction up to as high as 60%. The friction factor data for polymer‐solution/bubbles combination followed the polymer‐solution line, regardless of the presence of frother.
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 ».