MétaCan
Menu
Retour à la cohorte
Enregistrement W4224077184 · doi:10.1061/(asce)ee.1943-7870.0002004

Investigating the Effectiveness of Vortex-Enhanced Particle Settling in a Hydraulic Separator Using Physical Modeling

2022· article· en· W4224077184 sur OpenAlexaff
He Cheng, P. Chittibabu, David Nguyen, Quintin Rochfort

Notice bibliographique

RevueJournal of Environmental Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésSettlingSeparator (oil production)MechanicsVortexHydraulicsInflowParticle (ecology)InletParticle sizeEnvironmental scienceMaterials scienceEngineeringMechanical engineeringPhysicsEnvironmental engineeringGeologyThermodynamicsChemical engineering

Résumé

récupéré en direct d'OpenAlex

Often it is implied that hydraulic particle separators that incorporate vortex technology provide enhanced particle settling. In this study, a generic vortex particle separator was closely examined using physical modeling to help understand typical flow hydraulic conditions. The study was conducted using particle capture analyses under different internal structure configurations, inflow rates, and inlet pipe configurations to examine how resulting changes to flow conditions influenced the settling of particles. The purpose of this study was not to evaluate performance or obtain absolute particle removal rates of a particular particle separator design; instead, the focus was on understanding how modifications to the flow conditions in the examined separator could affect the particle-settling efficiency. The comparison results show that the inflow-generated large internal vortex does not effectively improve particle settling; possible explanations are given based on hydraulics and physics principles. The study method and results can be extended to examine and improve other hydraulic particle separators.

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)0,001
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 enseignants0,426
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207