MétaCan
Menu
Retour à la cohorte
Enregistrement W3152777990 · doi:10.1115/fedsm2020-20274

Analysis of Coupled CFD-DEM Simulations in Dense Particle-Laden Turbulent Jet Flow

2020· article· en· W3152777990 sur OpenAlexaff
Dustin Steven Weaver, Sanja Mišković

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsTurbulenceMechanicsParticle (ecology)Jet (fluid)NozzleMaterials scienceReynolds-averaged Navier–Stokes equationsPhysicsThermodynamicsGeology

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, coupled CFD-DEM simulations of dense particle-laden jet flow are performed using CFDEM® coupling interface that couples LAMMPS-based LIGGGHTS® DEM engine with OpenFOAM CFD framework. Suspensions of mono-sized spherical glass particles with 80 microns diameter and a mass loading of 0.23 and 0.86 are considered. Three different CFD meshes are used with an average mesh resolution dimension of 3.06, 2.67, and 1.86 particle diameters and it is determined that mesh resolution does not change results for void fraction calculation (using the divided model) of the CFD-DEM equations. Samples of particle flux are taken at 0.1, 10, and 20 nozzle diameters along the axial direction of the jet region. The numerical results for particle flux are compared with a well cited experimental data found in literature. The CFD-DEM simulations in turbulent jet flow are found to be highly sensitive to initial particle velocity inputs but the experimental data provide sufficient information to produce comparable results.

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 enseignants0,048
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,021
Tête enseignante GPT0,244
Écart entre enseignants0,223 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParticle Dynamics in Fluid FlowsTravaux en français237 207