The role of added mass in the dispersion of bubble clouds
Notice bibliographique
Résumé
The mechanics of bubble clouds are essential to many industrial processes in the energy and chemical realms. In the specific case of hydroelectric turbines, bubble clouds are present when air is injected into the flow to increase dissolved oxygen content in the water flowing through the power plant. Modeling water flows through hydroelectric turbines already presents many difficulties; adding two-phase flows increases the complexity of the models. In particular, modeling the physics of the phenomena driving the mixing of bubbles in turbines is still a challenge. One important factor in existing two-phase flow models is modeling bubble dispersion. In two-phase flows, bubble dispersion comes from different sources such as turbulence, local pressure conditions and bubble-bubble interactions. In this study, we investigate the effect of added mass on the dispersion of bubbles. In the Euler-Lagrange modeling, the contribution of the added mass force in bubbly flow dispersion was quantified by the development of a repulsive force. This force is a consequence of the added mass variation. We called it the Meshchersky force. For the Euler-Euler model, the dispersion due to the added mass variation was not observed. In fact, the added mass coefficient used in this work was developed as a scalar. It was calculated in the acceleration direction. Thus, the resulting Meshchersky force has the same direction as the velocity. A better modeling would consider the added mass as a tensor rather than a scalar. Therefore, taking into account the void fraction gradient dependency to develop a correlation for the added mass tensor would be a solution to adequately model the added mass and Meshchersky forces, and hence bubble dispersion.
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 ».