Visualisation of flow pattern and measurement of liquid distribution in a random packed column using electrical resistance tomography (ERT)
Notice bibliographique
Résumé
The aim of this research is to use Electrical Resistance Tomography technique (ERT) to measure factors that affect local mass transfer at various axial locations in a random packed column with diameter 0.3m and bed height 150cm filled with 2 cm plastic spheres. These factors are: liquid maldistribution, velocity profiles, and flow pattern. The system was designed to run in a trickling down-flow mode and a full liquid up-flow mode. Experiments were performed at flow rates of 3, 6, and 9 gpm (or 0.27 x 10⁻², 0.54 x 10⁻² and 0.8 x 10⁻² m³/m² s) and under normal operating conditions of 25C° and atmospheric pressure. The liquid maldistribution factors were measured via ERT technique and the conventional liquid collection method. Both measurements were conducted at various fluid flow rates at different bed heights. The results of ERT were in very good agreement with the conventional method. The standard deviation values were 17% and 21% at flow rates 3 and 6 gpm respectively. The numerical values of velocity for full liquid up flow at 3 gpm were 0.83cm/s, 1.2cm/s, 1.2 cm/s and 1.11 cm/s for different heights of 30, 60 and 90 cm respectively and the numerical values of velocity for trickle down flow at 3 gpm were 16.5 cm/s, 22.5 cm/s and 24 cm/ for different heights of 30, 60 and 90 cm respectively. The values of the liquid maldistribution factor for flow rate 3 gpm were 0.43 (30cm), 0.33(60cm) and 0.30 (90cm) and for flow rate 6 gpm were 0.33(30cm), 0.27(60cm) and 0.22 (90cm). By comparison with findings of many studies conducted on liquid distribution in packed bed column, a good agreement was observed on the relation of Mf and flow rates and bed heights.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».