Effects of drag force correlations on the mixing and segregation of polydisperse gas‐solid fluidized bed by CFD‐DEM simulation
Notice bibliographique
Résumé
Abstract The dense gas‐solid fluidized beds with polydisperse particles are commonly encountered in the chemical industry. In this study CFD‐DEM simulation of ternary particles in a bubbling fluidized bed were studied to assess four polydisperse drag correlations, using experimental data from Olaofe et al.[1] as the benchmark. The following was shown: (i) the drag force models of Sarkar et al.,[2] Cello et al.,[3] and Rong et al.[4] can correctly predict the minimum fluidization velocity of the mixture of ternary particles, but Gidaspow's model significantly over‐predicts this;[5] (ii) no model can accurately predict the experimental segregation degree at different gas velocity, but for the cases that were studied, the models from Cello et al.[3] and Sarkar et al.[2] correlated relatively better with Olaofe et al.'s[1] experimental data than others; and (iii) detailed force analysis found that the collisional force of each type of particles is on average not equal to zero, especially for a system that is strongly segregated. In addition, the differences of drag force for different sizes of particles are the key reason for size segregation rather than pressure gradient force.
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 ».