Hydrodynamic Simulation and Optimization of an Oil Skimmer
Notice bibliographique
Résumé
Oil spills can cause severe environmental damage. In-situ burning or chemical dispersant methods can be used in many situations; however these methods are highly toxic and fail in slightly rough seas. In-situ burning also has to begin very quickly before the lighter, flammable components in the oil evaporate. Oil recovery techniques have also been developed to recover oil using skimmer equipment installed in ships. The challenges arise when a vessel is operated in heavy sea and current conditions. An oil skimmer has recently been developed by the Extreme Spill Technology (EST) Inc. for automated oil recovery using a vacuum device installed in a vessel. Initial tests have shown that the prototype vessel is efficient in oil recovery and it can potentially achieve high recovery efficiency in rough seas of both deepwater and shallow water. The paper presents the numerical and experimental studies of the hydrodynamic performance of the vacuum tower installed in the oil skimmer developed by EST. The process of oil recovery by the vacuum mechanism is very complicated and involves multi-phase and multi-scale moving interfaces, including oil, water, atmospheric air and attenuate compressible air on the top part of the vacuum tower, and moving interface of oil slick, oil droplets and air bubbles of different scales. The recovery process was simplified into a three-phase flow problem involving oil, water and air and simulated by using a CFD method. The volume of fluid (VOF) method was employed to capture the moving surfaces between the fluid phases. Model tests were carried out to simulate the oil recovery process. Numerical results were compared with the experimental data. Studies were also extended to optimize the geometry of the tower for maximum oil recovery.
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) | 0,004 | 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 ».