MétaCan
Menu
Retour à la cohorte
Enregistrement W3176232993 · doi:10.1002/cjce.24229

Numerical investigation of gas–liquid and liquid–liquid <scp>T</scp> aylor flow through a circular microchannel with a sudden expansion

2021· article· en· W3176232993 sur OpenAlexafffundvenue
Amin Etminan, Yuri S. Muzychka, Kevin Pope

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrochannelSlug flowMechanicsBreakupFlow (mathematics)Materials scienceSuperficial velocityBubbleTwo-phase flowViscosityThermodynamicsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract This paper investigates a CFD‐based analysis for gas–liquid and liquid–liquid Taylor flows through a circular axisymmetric microchannel with a sudden enlargement. A series of simulations are conducted by exploring the influence of different superficial velocity ratios, apparent viscosities, and channel expansion on the hydrodynamics of slug flow. A concentric junction introduces dispersed airflow into a continuous flow of water for gas–liquid flow, and the junction introduces dispersed water into a continuous flow of dodecane for liquid–liquid flow. The air‐bubble and water‐slug evolution processes, slug breakup, and slug expansion are investigated. In all cases, the lengths of air bubbles and water slugs increase with increasing superficial velocity ratio, particularly before the expansion. For gas–liquid flow, the apparent viscosity ratio causes a fluctuating interface over the uniform film region. However, the water slug length is shorter and the film region is slightly thicker in liquid–liquid compared to gas–liquid flow. The numerical analysis developed in this paper is in good agreement with the existing correlations and experimental data in the literature.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,185
Écart entre enseignants0,176 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207