MétaCan
Menu
Retour à la cohorte
Enregistrement W2905131889 · doi:10.1002/cjce.23428

Characterization of fluid mixing in a closed container under horizontal vibrations

2018· article· en· W2905131889 sur OpenAlexvenueno aff
Xiaobin Zhan, Zhibin Sun, Yu He, Baojun Shen, Tielin Shi, Xiwen Li

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueCharacterization and Applications of Magnetic Nanoparticles
Établissements canadiensnon disponible
Organismes subventionnairesChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésMixing (physics)MechanicsBreakupInstabilityVibrationContainer (type theory)Materials sciencePhysicsComposite materialAcoustics

Résumé

récupéré en direct d'OpenAlex

The mixing characteristics of two initially stratified miscible fluids in a closed container vibrated horizontally are studied numerically by a validated computational fluid dynamics model. The flow characteristics and interfacial dynamics in the closed vibrating container are analyzed, and the effects of vibration parameters and gravity on mixing efficiency are evaluated both quantitatively and qualitatively. The results show that interfacial instability occurs in the closed container, which leads to interfacial deformation and breakup and quickens mixing. Two distinct stages of the mixing process can be observed in the closed vibrating container. During the macro‐mixing, an increasingly sharp gradient of the concentration field is generated. During the micro‐mixing, the mixing process is dominated by the diffusion of the concentration field and ends up with a nearly homogeneous mixture. The intensification of mixing process by vibration is most pronounced in the absence of static gravity. The gravity can suppress the interfacial instability and retard the mixing process. Over the range of conditions investigated in this paper, vibration is an efficient approach for mixing miscible liquids in a closed container.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,181
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCharacterization and Applications of Magnetic NanoparticlesTravaux en français237 207