MétaCan
Menu
Retour à la cohorte
Enregistrement W2121288298 · doi:10.1002/ceat.200700006

Using CFD and Ultrasonic velocimetry to Study the Mixing of Pseudoplastic Fluids with a Helical Ribbon Impeller

2007· article· en· W2121288298 sur OpenAlexafffund
Ihuaku Ihejirika, Farhad Ein‐Mozaffari

Notice bibliographique

RevueChemical Engineering & Technology · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésImpellerParticle image velocimetryLaminar flowMechanicsComputational fluid dynamicsAgitatorMaterials scienceShear thinningMixing (physics)RibbonVelocimetryAxial compressorMechanical engineeringTurbulenceRheologyEngineeringPhysicsComposite materialGas compressor

Résumé

récupéré en direct d'OpenAlex

Abstract A commercial CFD package was used to simulate the 3D flow field generated in a cylindrical tank by a helical ribbon impeller. The study was carried out using a pseudoplastic fluid with yield stress in the laminar mixing region. Ultrasonic Doppler velocimetry (UDV), a noninvasive fluid flow measurement technique for opaque systems, was used to measure xanthan gum velocity. From flow field calculations and tracer homogenization simulations, power consumption and mixing time results were obtained. The torque and power characteristics remain the same for upward and downward pumping of the impeller, but the mixing times are considerably longer for the downward pumping mode. Overall, the numerical results showed good agreement with experimental results and correlations developed by other researchers. From the power and mixing time results, two efficiency criteria were utilized to determine the best pumping mode of the impeller.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,211
Écart entre enseignants0,205 · 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 source (Gemma direct ou Codex distillé), 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

Citations58
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical Engineering & TechnologyMême sujetFluid Dynamics and MixingTravaux en français237 207