On the Modeling of Gas and Liquid Leaks Through Packed Glands
Notice bibliographique
Résumé
Abstract The prediction of gas and liquid leak rates through packed glands is overlooked and the very few studies available in the literature focus on the packing axial stress distribution. For better prediction of leakage, the change of porosity with length due to this nonuniform axial stress must be accounted for. Our previous theoretical model on leakage predictions are based on uniform capillaries. In this paper, a new model that accounts for the change of the capillary diameter with the axial stress for gaseous leak and a straight capillary model for liquid leaks are developed. The first slip flow condition is used to predict gas and liquid flow considering straight capillary model and a nonuniform capillary model the area of which dependents on the axial stress in the packing rings. An approach that uses an analytical-computational methodology based on the number and the size of pores obtained experimentally is adopted to predict gas and liquid leak rates in both the uniform and nonuniform compressed packed gland models. The Navier–Stokes equations associated with slip boundary condition at the wall are used to predict leakage. Experimental tests with helium, argon, nitrogen, and air for gazes and water and kerosene for liquids are used to validate the models. The porosity parameters characterization is conducted experimentally with a reference gas, namely, helium at different gland stresses and pressures.
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 | 0,000 | 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 | 0,001 |
| 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 ».