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 hc /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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».