MétaCan
Menu
Retour à la cohorte
Enregistrement W2982597785 · doi:10.1115/icnmm2019-4253

Numerical Study on Gas-Yield Power-Law Fluid in T-Junction Minichannel

2019· article· en· W2982597785 sur OpenAlexaff
Abdalsalam Ihmoudah, Mohamed M. Awad, Mohammad Azizur Rahman, Stephen Butt

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésBubbleXanthan gumCapillary actionMaterials scienceMechanicsNon-Newtonian fluidPower-law fluidPower lawYield (engineering)Newtonian fluidHydraulic diameterViscosityFluentComposite materialRheologyThermodynamicsChemistryComputational fluid dynamicsPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, a computational examination of Taylor bubbles was performed for gas/non-Newtonian fluid two-phase flows developed in a minichannel T-junction mixer with a hydraulic diameter of 1 mm. The investigations employed three separate aqueous xanthan gum solutions at concentrations of 0.05, 0.1 and 0.15 w/w, which are referred to as non-Newtonian (yield power-law) fluids. The effective concentration of the xanthan gum solutions and superficial velocity of the inlet liquid phase on the length, velocity, and shape of the Taylor bubbles was studied using the ANSYS FLUENT 19 software package. The simulation results show an increase in bubble velocity with increasing film thickness, particularly in solutions of higher viscosity XG-0.15%. Furthermore, bubble lengths decreased as the xanthan gum concentrations increased, but bubble shapes underwent alterations when the concentrations increased. Another interesting result of the tests shows that when the liquid inlet velocity increases, bubble lengths decrease during lower liquid superficial velocity, whereas during higher velocities, they change only slightly after increases in concentration. Finally, with increasing XG concentration, the liquid film thickness around the bubble increased. The results show good agreement with correlations after modifying a capillary number (Ca*) for non-Newtonian liquids in all cases.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil0,612

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 Opus0,008
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFluid Dynamics and MixingTravaux en français237 207