A study on liquid‐liquid dispersions in a continuous mixer via computational fluid dynamics (CFD) simulation combined with population balance model (PBM)
Notice bibliographique
Résumé
Abstract Liquid‐liquid two‐phase flow in a mixer of mixer‐settler has been studied via a computational fluid dynamics (CFD) simulation combined with the population balance model (PBM) and verified with particle image velocimetry (PIV) experiments. The simulation was performed using the multiple reference frame (MRF) approach, the Eulerian‐Eulerian two‐fluid model, and the standard k‐ϵ model. The effects of impeller speed, flow ratio, and impeller type on flow field, droplet diameter, and dispersed phase holdup were investigated. The results showed that CFD simulation combined with PBM could predict droplet size distribution (DSD). The smaller droplets were mainly in the bottom region of the mixer, larger ones were in the top part of the mixer, and the largest droplets appeared in the impeller centre region. The DSD and holdup were more sensitive to impeller speed than to the organic/aqueous flow ratio. A dual‐impeller mixer configuration was designed to enhance the mixing performance. Compared with single‐impeller, the installation of dual‐impellers could effectively avoid the dispersed phase dead zone above the lower impeller. When h c /T = 0.3, the best dispersing effect, such as uniform DSD and high mixing chamber space utilization, could be obtained.
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 ».