Effect of Pipe Inclination on Settling Slurry Flow Near Deposition Velocity
Notice bibliographique
Résumé
Inclined slurry flows occur often in industrial applications such as mining and dredging. Pipelines transporting slurries contain inclined sections of various lengths and slopes. If the transported slurry is settling slurry then pipe inclination considerably affects flow structure and behavior. We discuss settling slurry flow near and at the deposition limit at which stationary deposit starts to be formed at the bottom of the pipe. In particular, we focus on the effect of the pipe slope on the deposition velocity, and on the solids distribution and manometric hydraulic gradient in flow round the deposition limit. We introduce our new layered model for inclined settling slurry flows and demonstrate its predictive capabilities. Model predictions are verified by our experiment in a laboratory loop. We also introduce our new experimental approach to a detection of the deposition velocity based on radiometric sensing of the change of local concentration of solids at the bottom of a pipe. Our experiments cover a broad range of flow slopes and contain measurements of solids distribution in a pipe cross section. Experimental results show that the degree of flow stratification and frictional pressure drop decrease with the increasing angle of inclination in the ascending pipe while the opposite applies in the descending pipe, which affects the deposition velocity and other related flow parameters. A comparison with model predictions demonstrates that experimentally observed effects of pipe inclination are reproduced well by the layered model. Predicted deposition velocities, pressure drops and solids distributions are in a good agreement with the experimental results and indicate suitability of the model for engineering practice.
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 ».