MétaCan
Menu
Retour à la cohorte
Enregistrement W2031873568 · doi:10.1260/1757-482x.6.2.151

A Lagrangian-Lagrangian Model for Two-Phase Bubbly Flow around Circular Cylinder

2014· article· en· W2031873568 sur OpenAlexaff
Mehrdad Shademan, Moein Nouri

Notice bibliographique

RevueThe Journal of Computational Multiphase Flows · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensUniversity of Windsor
Organismes subventionnairesIran University of Science and Technology
Mots-clésTurbulenceReynolds-averaged Navier–Stokes equationsMechanicsReynolds numberPhysicsTrajectoryFlow (mathematics)VorticityCylinderBubbleVortexClassical mechanicsMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

A Lagrangian-Lagrangian model is developed using an in-house code to simulate bubble trajectory in two-phase bubbly flow around circular cylinder. Random Vortex Method (RVM) which is a Lagrangian approach is used for solving the liquid phase. The significance of RVM relative to other RANS/LES methods is its capability in directly modelling the turbulence. In RVM, turbulence is modeled by solving the vorticity transport equation and there is no need to use turbulence closure models. Another advantage of RVM relative to other CFD approaches is its independence from mesh generation. For the bubbles trajectory, equation of motion of bubbles which takes into account effect of different forces are coupled with the RVM. Comparison of the results obtained from current model with the experimental data confirms the validity of the model. Effect of different parameters including flow Reynolds number, bubble diameter and injection point on the bubbles' trajectory are investigated. Results show that increase in the Reynolds number reduces the rising velocity of the bubbles. Similar behavior is observed for the bubbles when their diameter was decreased. According to the analysis carried out, present Lagrangian-Lagrangian model solves the issues of mesh generation and turbulence modelling which exist in common two phase flow modelling schemes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,658
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · 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.

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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Computational Multiphase FlowsMême sujetFluid Dynamics and MixingTravaux en français237 207