A CFD based empirical model for assessing gas holdup in bubble columns
Notice bibliographique
Résumé
ABSTRACT Bubble columns are widely used in many industrial applications. Gas holdup knowledge is an essential element in bubble column design and process optimization. Despite the simple structure of bubble columns, the behaviour of the bubbly flow is still not well understood owing to the complexity of gas–liquid interactions and coupling between the phases. Variation of gas density and initial liquid height are the most likely reasons for gas holdup changes in bubble columns. These parameters affect bubble breakup and coalescence as well as the rise velocity of small bubbles, which causes change to bubble size distribution that finally affect the gas holdup. In this work, through the application of computational fluid dynamics (CFD) and by investigating the effect of gas density and the initial liquid height on the bubbly flow condition, a new correlation for deducing the total gas holdup is developed. To achieve this, a wide range of bubbly flows are modelled, and gas holdup values are determined for different heights and operating pressures. Ranges of the normalized pressure (P/P 0 ), superficial Reynolds number (Re sup ), and the aspect ratio of the bubble column (H 0 /D) were 1 ≤ P/P 0 ≤ 15, 3000 ≤ Re sup ≤ 57000, and1.5 ≤ H 0 /D ≤ 8, respectively. The proposed correlation has been found to predict the experimental as well as CFD gas holdup data fairly well. The results of this research provide a fast and accurate method for predicting gas holdup in bubble columns that work either in atmospheric or high‐pressure conditions.
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 ».