MétaCan
Menu
Retour à la cohorte
Enregistrement W2915595964 · doi:10.1088/1361-6501/ab0afc

Determining the pressure distribution of a multi-phase flow through a pore space using velocity measurement and shape analysis

2019· article· en· W2915595964 sur OpenAlexaff
Shadi Ansari, Yishak Yusuf, Reza Sabbagh, David S. Nobes

Notice bibliographique

RevueMeasurement Science and Technology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMechanicsVector fieldParticle image velocimetryMaterials scienceFlow (mathematics)Thermal velocityFlow velocityCapillary actionVelocimetryField (mathematics)Two-phase flowPhysicsTurbulenceMathematicsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Pore-scale velocity measurements can be achieved by using micro particle shadow velocimetry ( µ -PSV). Characteristic properties of a flow are, however, best investigated and described by the pressure distribution in the field. At the pore scale, applying direct pressure measurement techniques comes with significant challenges. By detailed measurement of velocity and applying theoretical relations that suit the flow field under study, the pressure field can be determined. This study demonstrates the application of image-based approaches to investigate the multi-phase flow of a single droplet. Experiments based on µ -PSV are used to determine the velocity field in the flow within the droplet as it passes through a single-pore geometry in the presence of a stationary continuous phase. The results are used to determine the pressure field calculated from a simplified Navier–Stokes expression of the flow, discretised using an Eulerian approach. For the dispersed phase, the theory of the Jamin effect allows the capillary pressure to be related to the observed change in radii of the leading and trailing edges of the droplet. To highlight this approach, two sizes of the glycerol droplets passing through a pore geometry in the presence of a stationary canola oil are investigated. The results show that the velocity and pressure distributions are dictated by the deformation properties of the droplet. The same trends are seen in the distribution of pressure and velocity gradients as a function of location along the channel. The larger of the two droplets showed increased levels of velocity and pressure gradients as it flows through the pore geometry. In general, this work demonstrates the use of the deformation behavior of a dispersed phase to determine the velocity and pressure distributions in a multi-phase flow field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,248
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeasurement Science and TechnologyMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207