Rapid Wear Modelling in a Slurry Pump Using Soft 3D Impeller Material
Notice bibliographique
Résumé
Slurry transport systems are often limited in run length by the life of the pump internals, especially the impeller. The present work investigated abrasive wear of the impeller of a Hayward Gordon XR2(7) Torus Recessed Impeller slurry pump in a flow loop. The stock stainless steel impeller was replaced by a set of plastic test impellers with the same nominal geometry, fabricated by additive manufacturing (3D printing). A parametric set of abrasive wear experiments was conducted at five pump rotational speeds and three solid concentrations of garnet slurry in a pipe flow loop. Pump performance tests were conducted using impellers with progressive wear conditions, to investigate how a worn impeller affects hydraulic power delivery. A parabolic fit was imposed to describe the relationship between head and flow rate, and an empirical model was proposed to predict the pump head with damaged impellers. When the rotational speed is high, the damaged impeller has a larger effect on the pump’s performance than when the rotational speed is low. The head difference between the undamaged impeller and a 7.62%-mass-loss damaged impeller was 1.5 m at 1750 rpm rotational speed, however, for 850 rpm, the head difference was 1 m. Implications for pump diagnostics in other types of systems are discussed. This experiment gives a method for rapidly assessing wear locations, and provides a tool to predict wear rates on harder materials if scaling parameters are available. This first attempt at a scaling law is not reliable enough to accurately predict the wear rate for specific conditions, but shows the relative wear as a function of pertinent parameters.
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) | 0,003 | 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 ».