MétaCan
Menu
Retour à la cohorte
Enregistrement W2032169194 · doi:10.1115/fedsm2008-55046

Effect of Gas-Liquid Ratio on Droplets Centricity and Velocity of an Effervescent Atomizer

2008· article· en· W2032169194 sur OpenAlexaff
Sina Ghaemi, David S. Nobes, Payam Rahimi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésShadowgraphyShadowgraphSauter mean diameterNozzleBreakupMechanicsMaterials scienceSpray nozzleWeber numberVolumetric flow rateOpticsThermodynamicsPhysicsTurbulenceReynolds number

Résumé

récupéré en direct d'OpenAlex

Effervescent atomization is a twin fluid atomization mechanism which is based on the injection of gas into a liquid stream at an upstream location of the exit nozzle. This atomization mechanism is capable of producing droplets with Sauter Mean Diameter (SMD) comparable to other types of atomizers but at lower injection pressures. For the conditions investigated in this paper, liquid at the nozzle exit is an annular film surrounding the gas phase. A shadowgraph system is used to visualize particles shape and study droplets evolution in the spray field. Measurement of droplet SMD and centricity has been conducted at several axial and radial locations for different Gas-Liquid Ratios (GLRs). The shadowgraphy images reveal some non-spherical droplets which consist of both elliptical and coalescing droplets. Results also demonstrate that higher numbers of non-spherical droplets are observed at the near nozzle region and at higher liquid flow rate. In this work, spatial structure of the liquid phase velocity field has also been studied using a StereoPIV technique. The velocity field from StereoPIV measurements has been compared with the shadowgraphy velocity results averaged over different droplet size classes. This comparison has been conducted for the atomizer operating at different GLRs. Comparison of the results demonstrates that at the far-field, StereoPIV velocity field measurement is biased toward the velocity of droplets size classes which have relatively higher probability.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,356
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,194 · 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'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

Citations6
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFluid Dynamics and Heat TransferTravaux en français237 207