Shape optimization of pipeline components
Notice bibliographique
Résumé
Abstract When it comes to shape optimization of processes and equipment in an industrial environment, adjoint methods together with computational fluid dynamics have been a great solution. The success of these methods is due to the total cost of obtaining the sensitivity derivatives once it is independent of the number of shape parameters. However, few developments for multiphase flows have been proposed, as there are still fundamental limitations in adjoint models that might prevent their common use. The adjoint theory is not applicable, for example, to the Lagrangian formulation, which has been the workhorse in particle‐induced erosion simulations. Despite these circumstances, it is intuitively possible to think that the optimization of the carrier flow is also expected to ‘optimize’ the particle flow. For instance, reducing total losses in a pipe junction will lead to a more streamlined design. This, in turn, will prevent sudden changes in fluid motion and, consequently, in particle path. As a direct outcome, erosion is expected to be mitigated, as it is mostly influenced by the particle velocity. Given the lack of rigorous mathematical proof of that, the present work investigates how the optimization of single‐phase flow can also mitigate erosion. The erosive wear problem was tackled in three different bend pipes, and the correlation with Stokes number was further explored. As general results, substantial reductions in peak erosion have been found as a consequence of minimizing total losses for all addressed cases. Accordingly, these pipeline components may have an increase in their service life.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».