MétaCan
Menu
Retour à la cohorte
Enregistrement W2790569560 · doi:10.1002/cjce.23191

Hydrodynamic analysis of gas‐liquid‐liquid‐solid reactors using the XDEM numerical approach

2018· article· en· W2790569560 sur OpenAlexvenueno aff
Maryam Baniasadi, Bernhard Peters, Xavier Besseron

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueIron and Steelmaking Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSlag (welding)Work (physics)ViscosityMomentum (technical analysis)CokeMechanicsFlow (mathematics)Discrete element methodMultiphase flowLiquid phaseMaterials scienceFluid dynamicsSuperficial velocityPhase (matter)ChemistryThermodynamicsMetallurgyMechanical engineeringEngineeringComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Multiphase reactors are abundantly used in many industries. Among them, few reactors deal with four phases called gas‐liquid‐liquid‐solid systems, which receive less attention due to their complex situation. Numerical study of such complex systems is not easy and requires large computational effort. In this study, a discrete‐continuous numerical model known as the eXtended discrete element method (XDEM) is proposed to investigate the hydrodynamic behaviour of fluid phases passing through the packed bed of solid particles. This model is applied to the dripping zone of a blast furnace. In this zone, two distinct liquid phases, namely liquid iron and slag, flow through a pile of coke particles while exchanging momentum. In this work, besides the solid‐fluid and gas‐liquid interactions, the liquid‐liquid interactions are also studied and the phases’ mutual effects are discussed. In addition, a sensitivity study on the slag viscosity is performed, which shows the importance of liquid phase properties on the system behaviour. The results evaluation shows that the liquid iron accelerates the downward flow of the slag and the slag decelerates the downward flow of the liquid iron phase due to the resistance force caused by their relative velocity.

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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,215
Écart entre enseignants0,204 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetIron and Steelmaking ProcessesTravaux en français237 207