MétaCan
Menu
Retour à la cohorte
Enregistrement W2784015047 · doi:10.1002/cjce.23135

CFD simulation of hydrodynamics characteristics in a tank stirred by a hollow self‐inducing impeller

2018· article· en· W2784015047 sur OpenAlexvenueno aff
Liangchao Li, Ning Chen, Beiping Xiang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImpellerSlip factorComputational fluid dynamicsMechanicsAerationFlow (mathematics)Materials sciencePower consumptionPower (physics)AgitatorVolumetric flow rateMechanical engineeringEnvironmental scienceEngineeringPhysicsThermodynamicsWaste management

Résumé

récupéré en direct d'OpenAlex

Abstract Hollow self‐inducing impellers are often used in gas‐liquid stirred tanks in many industrial processes. To understand the hydrodynamics characteristics of this type of stirred tank under aerated and unaerated conditions, a computational fluid dynamics (CFD) simulation study was conducted. The predicted gas self‐inducing flow rate, power consumption, and impeller power number were compared with the experimental data in the literature and discussed. Under unaerated conditions, liquid level in the hollow shaft relies on the impeller speed, and is slightly influenced by the impeller clearance. Self‐inducing impeller power number remains almost unchanged with impeller speed, while increasing with the rise of the impeller clearance. Under aerated conditions, gas is easy to accumulate in the centre of the upper and lower circulation loops. Gas self‐inducing flow rate, global gas holdup, and power consumption increase with higher impeller speed. The critical impeller speed for gas self‐induction decreases with higher impeller clearance. At the same impeller speed, gas self‐inducing flow rate and global gas holdup increase, while power consumption reduces with increasing of impeller clearance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,312
Score d'incertitude au seuil0,507

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,004
Tête enseignante GPT0,173
Écart entre enseignants0,169 · 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 tête enseignante, 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFluid Dynamics and MixingTravaux en français237 207