A multispecies <scp>1D</scp> concentration distribution model for coarse‐particle slurries
Notice bibliographique
Résumé
Abstract Coarse‐particle (settling) slurry pipelines are key process units in many industries. In Canada's oil sands operations, such pipelines represent hundreds of millions of dollars of infrastructure investment and transport thousands of tonnes of solids every hour. The ability to determine key design/operating parameters of a settling slurry, such as frictional pressure gradient and deposition velocity, is dependent on the accuracy of the concentration distribution model used to determine the local concentration of coarse solids as a function of vertical position within the pipe. Accurate predictions of the concentration profile are also required for physics‐based models of particle‐impact erosion in slurry pipelines. In this study, an improved concentration distribution model was developed. The classic Schmidt‐Rouse turbulent diffusion equation forms the basis for the model. The improvements made here include the use of a more suitable, high‐concentration hindered settling velocity correlation, and a simple semi‐empirical correlation for the particle diffusivity, which is shown to be dependent only upon the terminal particle settling velocity and the Kolmogorov turbulent velocity scale. The model is applicable to slurries with broad size distributions and/or species with different densities. The performance of the model is tested against numerous slurry flow conditions, including particles from 70 μm to 8 mm in diameter, pipe diameters of 76 mm ≤ D ≤ 500 mm, and in situ solids volume concentrations from 0.10 to 0.45. The concentration distribution predictions are shown to be in excellent agreement with the measurements.
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) | 0,000 | 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 ».