Computational fluid dynamics–discrete element method simulation of locomotive sanders
Notice bibliographique
Résumé
Locomotive sanders are used to optimize the traction between the train wheels and the railhead by spraying sand into the interface. It has been previously shown that a large fraction of sand sprayed by the sanders does not make it through the wheel–rail nip, leading to sand wastage and thereby increasing the cost and refilling effort. In this study, pneumatic conveying of sand through the wheel–rail nip is numerically modeled through coupled computational fluid dynamics and discrete element method simulations. The gas phase, discrete phase, and coupled two-phase flows are separately validated against the literature, and the parameters affecting the deposition of sand into the nip are analyzed to determine their impact on sander efficiency. The aerodynamics associated with the particle-laden jet play a critical role in optimizing the amount of sand going through the wheel–rail interface, with the particle velocities being directly correlated with the sander efficiency. Particle–geometry interactions (e.g. particle bouncing) are found to have a negligible effect on the deposition. In the absence of crosswinds, it is recommended to employ particles with a smaller Stokes number to enhance the sander efficiency. A larger airflow rate through the nozzle is also recommended. Crosswinds strongly and adversely affect sander efficiency. The effects of crosswinds can be mitigated by reducing the nip–nozzle distance and using coarser particles.
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 ».