Numerical investigation of a cold bubbling bed throughout a dense discrete phase model with KTGF collisional closure
Notice bibliographique
Résumé
Abstract A hybrid Euleran-Lagrangian Dense Discrete Particle Model (DDPM) was used to numerically simulate the bubbling behavior of a fluidized bed reactor. The model exploits the parcels concept to reduce the number of particles to simulate while exploiting the Kinetic Theory of Granular Flow (KTGF) to account for their repulsive interactions. The DDPM-KTGF was explored throughout a model sensitivity analysis to identify the most influent parameters impacting on the numerical accuracy and performances to ultimately assess its potential use for industrial purposes. Because of the measurement simplicity as well as its strong connection with the bed fluid-dynamic, pressure-drop data was used and processed to obtain the power spectral density (PSD) distribution to empirically and numerically characterize the behavior of this system under a bubbling fluidization regime. The DDPM-KTGF model was found to be sensitive to mesh size, restitution coefficients but mostly to the drag law. However, poor sensitivity to the kinetic viscosity, solid pressure, radial distribution function as well as to the number of parcels was revealed. Besides having an effect on the physical outputs, the mesh refinement was also required to numerically verify the model which also had a significant impact on the simulation time-performance. Moreover, a major barrier was found when using this model to simulate fixed bed regime, showing the limitation of the KTGF approach to high particle density regions as a result of a poor estimation of particles force interactions.
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 ».