MétaCan
Menu
Retour à la cohorte
Enregistrement W2794149809 · doi:10.3390/chemengineering2010012

Hydrodynamics of Bubble Columns: Turbulence and Population Balance Model

2018· article· en· W2794149809 sur OpenAlexaff
Camila Braga Vieira, Giuliana Litrico, Ehsan Askari, Gabriel St-Pierre-Lemieux, Pierre Proulx

Notice bibliographique

RevueChemEngineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésTurbulenceReynolds-averaged Navier–Stokes equationsMechanicsBubbleComputational fluid dynamicsTurbulence kinetic energyDragK-epsilon turbulence modelTurbulence modelingK-omega turbulence modelPhysicsStatistical physicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

This paper presents an in-depth numerical analysis on the hydrodynamics of a bubble column. As in previous works on the subject, the focus here is on three important parameters characterizing the flow: interfacial forces, turbulence and inlet superficial Gas Velocity (UG). The bubble size distribution is taken into account by the use of the Quadrature Method of Moments (QMOM) model in a two-phase Euler-Euler approach using the open-source Computational Fluid Dynamics (CFD) code OpenFOAM (Open Field Operation and Manipulation). The interfacial forces accounted for in all the simulations presented here are drag, lift and virtual mass. For the turbulence analysis in the water phase, three versions of the Reynolds Averaged Navier-Stokes (RANS) k-ε turbulence model are examined: namely, the standard, modified and mixture variants. The lift force proves to be of major importance for a trustworthy prediction of the gas volume fraction profiles for all the (superficial) gas velocities tested. Concerning the turbulence, the mixture k-ε model is seen to provide higher values of the turbulent kinetic energy dissipation rate in comparison to the other models, and this clearly affects the prediction of the gas volume fraction in the bulk region, and the bubble-size distribution. In general, the modified k-ε model proves to be a good compromise between modeling simplicity and accuracy in the study of bubble columns of the kind undertaken here.

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 enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,003
Tête enseignante GPT0,170
Écart entre enseignants0,167 · 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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemEngineeringMême sujetFluid Dynamics and MixingTravaux en français237 207