Growth and breakup of a wet agglomerate in a dry gas–solid fluidized bed
Notice bibliographique
Résumé
Significance Using CFD‐DEM simulations, a wet agglomerate of particles was placed in a void region of a dry vigorously fluidized bed to understand how wet agglomerates grow or breakup and how liquid spreads when agglomerates interact with dry fluidized particles. In the CFD‐DEM model, cohesive and viscous forces arising from liquid bridges between particles were modeled, as well as a finite rate of liquid bridge filling. The liquid properties were varied between different simulations to vary Bond number (surface tension forces/gravitational forces) and Capillary number (viscous forces/surface tension forces) in the system. Resulting agglomerate behavior was divided into regimes of (i) the agglomerate breaking up, (ii) the agglomerate retaining its initial form, but not growing, and (iii) the agglomerate retaining its initial form and growing. Regimes were mapped based on Bo and Ca. Implications of agglomerate behavior on spreading of liquid to initially dry particles were investigated. This article identifies a new way to map agglomerate growth and breakup behavior based on Bo and Ca. In modeling both liquid forces and a finite rate of liquid transfer, it identifies the complex influence viscosity has on agglomeration by strengthening liquid bridges while slowing their formation. Viewing Ca as the ratio of bridge formation time to particle collision and separation time capture why agglomerates with high Ca struggle to grow. © 2017 American Institute of Chemical Engineers AIChE J , 63: 2520–2527, 2017
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 ».