CFD and Experimental Studies of Yield Power-Law Fluids in Turbulent Pipe Flow
Notice bibliographique
Résumé
The transport of Non-Newtonian fluids through pipelines and mud circulation in wellbores often occur in turbulent flow regimes. In this study, experiments and computational fluid dynamics (CFD) models are used to examine the influence of yield power law (YPL) fluid rheological properties on pressure loss in the flow loop in turbulent flow. Three Non-Newtonian fluids at different concentrations of Xanthan gum solutions (0.05%, 0.10% and 0.15%, by weight) are studied at flow rates ranging between 400 and 800 L/min. A fully instrumented flow loop system was used, consisting of three main sections of different inclinations: 5 m long horizontal, 5 m vertical, and 3 m inclined 45° test section. Additionally, CFD codes of ANSYS CFX 17.2 are examined and compared to experimental results. These models are based on the Reynolds Averaged Navier-Stokes (RANS) equations. The comparison is done with the results of these investigations, based on vertical and horizontal pipe frictional pressure drops. The results show that the gap between experimental and CFD models has been increased in comparison with increase concentration Xanthan gum solution at the same density of fluids. Specifically, pressure loss rises with rises in the consistency index, k and flow behaviour index, However, rises in yield stress τ0 showed less impacts on frictional pressure losses. Given these simulation outcomes, it is clear that pressure drop in the Non-Newtonian fluid in one phase flow can be more accurately predicted by used the Reynolds-Stress Models (RSM) more than Eddy-viscosity models.
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 ».