Effects of Argon as the primary impurity in anthropogenic carbon dioxide mixtures on the decompression wave speed
Notice bibliographique
Résumé
In order to determine the material fracture resistance necessary to provide adequate control of the propagation of ductile fracture in a pipeline, a knowledge of the decompression wave speed ( W ) following the quasi‐instantaneous formation of an unstable, full‐bore rupture is necessary. The thermodynamic and fluid dynamics background of such calculations is understood, but predictions based on specific equations of state need to be validated against experimental measurements. A program of tests has been conducted using a specially constructed shock tube to determine the impact of impurities on W in carbon dioxide (CO 2 ), so that the results can be compared to two existing theoretical models. In this paper, data and analysis results are presented for four tests involving simulated anthropogenic CO 2 mixtures containing Argon (Ar) as the primary impurity. These mixtures represent typical oxy‐fuel CO 2 capture technology with or without a purification train. Comparisons of the experimentally obtained W with predictions by two commonly used equation of state (EOS) models were also made. Generally, the GERG‐2008 EOS exhibits better overall performance than the Peng‐Robinson (PR) EOS when compared to the experimental results. The bubble point curve as predicted by GERG‐2008 was always at a higher pressure than that predicted by PR for these mixtures. This resulted in the plateau pressure prediction by GERG‐2008 being higher in cases where the isentropes intersect the phase envelope on the bubble point side. An example of pipeline material toughness required to arrest ductile fracture is presented which shows that prediction by GERG‐2008 is more conservative, and is therefore recommended.
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 ».