MétaCan
Menu
Retour à la cohorte
Enregistrement W2805280815 · doi:10.11159/ffhmt18.148

A CFD and Experimental Investigation of Slag Eye in Gas Stirred Ladle

2018· article· en· W2805280815 sur OpenAlexvenueno aff
Eshwar Kumar Ramasetti, Ville‐Valtteri Visuri, Petri Sulasalmi, Timo Fabritius

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensnon disponible
Organismes subventionnairesHORIZON EUROPE Marie Sklodowska-Curie ActionsHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésLadleComputational fluid dynamicsSlag (welding)Materials scienceMechanical engineeringMechanicsPetroleum engineeringMetallurgyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In ladle metallurgy, gas stirring and behavior of the slag layer are very important for the quality of the steel. When gas is injected through a nozzle located at the bottom of the ladle into the metal bath, the gas jet exiting the nozzle breaks up into gas bubbles. The rising bubbles break the slag layer and create a slag eye. In this paper, the behavior of the slag eye area for different gas flow rates is been investigated through experimental measurements and CFD simulations. A 1/5-scale water model of 150 ton-ladle was deployed for the experimental measurements and for studying the effect of gas flow rate on the slag eye diameter. The physical modelling results show that the slag eye area changes from 20 to 182 cm 2 when the gas flow rate increases from 1.5 to 15 NL/min. The dimensionless area of the open eye was found to be in agreement with earlier studies. The simulations were carried out in the commercial CFD code ANSYS Fluent with mesh generation in ANSYS Workbench. The numerical model developed is based on the Eulerian Multiphase Volume of Fluid (VOF) approach and employs standard - turbulence model for solving the turbulent liquid flow induced by bubble-liquid interaction. The simulation results of slag eye area showed a good agreement when compared to experimental results measured.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,231
Écart entre enseignants0,213 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207