CFD with population balance model to predict droplet size distribution in submerged turbulent multiphase jets
Notice bibliographique
Résumé
During deepwater oil spill events, oil is released into a relatively stagnant environment (ocean water) in an uncontrolled manner. The oil phase initially emerges as a jet and the gushing oil loses its momentum energy and results in entrainment of surrounding water. The shear interaction between the oil mass and the ambient fluid results in generation of droplets with wide size distribution. In this study, we present a numerical model for predicting the droplet size distribution resulting from the interaction of turbulent oil jets with the surrounding quiescent environment. We achieve this objective by integrating traditional multiphase CFD models with a population balance approach. The developed model has been validated against the experimental observations reported in Johansen et al. [12] The ‘Mixture model’ has been employed for evaluating flow fields in the system. We restrict our study to the atomization regime, where the droplet disintegration process has a greater significance over the competing coalescence mechanism. The population balance equation has been solved using the ‘Class method’ and the disintegration of droplets has been modelled by including the breakage kernel suggested by Lehr. 27 The developed model has been used to analyze the effect of dispersed (oil) phase flow rates, the presence of dispersants, and the presence of air in the jet phase on the overall size distribution of oil droplets. We also present a case which compares the droplet size distributions obtained by using the flow field evaluated by a more rigorous Eulerian Two‐Fluid model over Mixture model.
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) | 0,000 | 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 ».