Modelling the stochastic nature of porosity in a respirator canister using computational fluid dynamics
Notice bibliographique
Résumé
Abstract A model has been developed to represent the stochastic nature of the activated carbon bed within a generic chemical biological radiological and nuclear (CBRN) respirator canister. The porous region is subdivided into discrete sections which are assigned a porosity based on their radial position according to a longitudinally‐averaged porosity model, and then perturbed by some amount according to a Gaussian distribution. The porosity model was used in Reynolds‐averaged Navier‐Stokes (RANS) simulations in order to assess the impacts that the choice of section size and the porosity variation would have on the pressure drop and residence time distribution. It was shown for small section sizes that increasing porosity variation would increase pressure drop and minimum residence time in the carbon bed, while decreasing the average residence time. As the section sizes became larger the reverse trend was seen as a greater extent of flow channelling throughout the bed became apparent. For the given domain size, there was an upper limit to the section size, beyond which statistical convergence could not be guaranteed. It was also shown that for section sizes close to the particle diameter, the results would depend only on the ratio of section size to porosity variation, reducing the porosity model to a single parameter. A few selected cases were simulated at higher flow rates, where the previously mentioned trends were seen to persist.
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 | 0,001 |
| 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 ».