MétaCan
Menu
Retour à la cohorte
Enregistrement W3169851190 · doi:10.1061/9780784483466.045

CFD Simulation of Air–Water Interactions in Rapidly Filling Horizontal Pipe with Entrapped Air

2021· article· en· W3169851190 sur OpenAlexaff
Biao Huang, Mengge Fan, Jiachun Liu, David Z. Zhu

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2021 · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMechanicsWater hammerComputational fluid dynamicsMixing (physics)Flow (mathematics)Volume of fluid methodPipe flowMaterials scienceSolverComputer simulationBreakupAirflowTransient (computer programming)Air waterGeotechnical engineeringGeologyTurbulenceMechanical engineeringEngineeringPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

One-dimensional mathematical models have been developed in order to predict pressure transients for pipes containing entrapped air undergoing rapid filling. A common hypothesis was adopted in these models, as there exists a distinct vertical air-water interface throughout the filling process. The limitation on the assumption becomes significant for pipes with large diameter, where the filling front undergoes notable deformation due to density difference and gravity effects. This study modeled air-water interactions in a horizontal pipe over rapid filling processes, by using the compressibleInterFoam solver of OpenFOAM. Both empty and partially filled pipe filling cases were simulated and compared with rigid-column models. Comprehensive analyses are presented, including detailed velocity profile, pressure distribution, temperature variation of entrapped air, and interface evolution. The results indicate that the transient water flow is analogous to water hammer flow and that the contribution of air-water mixing on the pressure oscillation damping is considerable. The findings are helpful to better understand the physics of the flow and to improve numerical 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.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,742
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,174
Écart entre enseignants0,169 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2021Même sujetWater Systems and OptimizationTravaux en français237 207