Spatial and Temporal Validation of a CFD Model Using Residence Time Distribution Test in a Tubular Reactor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Computational fluid dynamic (CFD) has been increasingly exploited for the design and optimization of (bio)chemical processes. Validation is a crucial part of any modeling application. In CFD, when validation is done, complex and expensive techniques are normally employed. The aim of this study was to test the capability of the CFD model to represent a residence time distribution (RTD) test in a temporal and spatial fashion inside a reactor. The RTD tests were carried out in a tubular reactor operated in continuous mode, with and without the presence of artificial biomass. Two hydraulic retention times of 7.2 and 13 h and superficial velocities 0.65, 0.6, 1.3, and 1.1 m h−1 were evaluated. As a tracer, an aqueous solution of methylene blue was used. The CFD model was implemented in ANSYS Fluent, and to solve the equations system, the SIMPLE scheme and second-order discretization methods were selected. The proposed CFD model that represents the reactor was able to predict the spatial and temporal distribution of the tracer injected in the reactor. The main disagreements between the simulations and the experimental results were observed, especially in the first 50 min of the RTD, caused by the different error sources, associated to the manual execution of the triplicates, as well as some channeling or tracer by-pass that cannot be predicted by the CFD model. The CFD model performed better as the time of the experiment elapsed for all the sampling ports. A validation methodology based on an RTD by sampling at different reactor positions can be employed as a simple way to validate CFD models.
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.
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 découle