MétaCan
Menu
Retour à la cohorte
Enregistrement W2472397582 · doi:10.3390/en9070504

Application of Scaling-Law and CFD Modeling to Hydrodynamics of Circulating Biomass Fluidized Bed Gasifier

2016· article· en· W2472397582 sur OpenAlexafffund
Mazda Biglari, Hui Liu, Ali Elkamel, Ali Lohi

Notice bibliographique

RevueEnergies · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensToronto Metropolitan UniversityUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputational fluid dynamicsFluidized bedWood gas generatorScalingScaling lawSCALE-UPMechanicsFluidizationColumn (typography)Environmental scienceEngineeringMechanical engineeringPhysicsWaste managementMathematicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Two modeling approaches, the scaling-law and CFD (Computational Fluid Dynamics) approaches, are presented in this paper. To save on experimental cost of the pilot plant, the scaling-law approach as a low-computational-cost method was adopted and a small scale column operating under ambient temperature and pressure was built. A series of laboratory tests and computer simulations were carried out to evaluate the hydrodynamic characteristics of a pilot fluidized-bed biomass gasifier. In the small scale column solids were fluidized. The pressure and other hydrodynamic properties were monitored for the validation of the scaling-law application. In addition to the scaling-law modeling method, the CFD approach was presented to simulate the gas-particle system in the small column. 2D CFD models were developed to simulate the hydrodynamic regime. The simulation results were validated with the experimental data from the small column. It was proved that the CFD model was able to accurately predict the hydrodynamics of the small column. The outcomes of this research present both the scaling law with the lower computational cost and the CFD modeling as a more robust method to suit various needs for the design of fluidized-bed gasifiers.

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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,191 · 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

Citations9
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetGranular flow and fluidized bedsTravaux en français237 207