MétaCan
Menu
Retour à la cohorte
Enregistrement W4283579661 · doi:10.11159/ffhmt22.187

Characterizing Non-Newtonian Two-Phase Flow in Airlift Pumps

2022· article· en· W4283579661 sur OpenAlexafffundvenue
Josh Rosettani, Dana Fadlalla, Wael H. Ahmed

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensUniversity of Guelph
Organismes subventionnairesOntario Agri-Food Innovation AllianceNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésAirliftNon-Newtonian fluidTwo-phase flowMechanicsFlow (mathematics)Computer scienceNewtonian fluidMaterials sciencePhysicsChemistryBioreactor

Résumé

récupéré en direct d'OpenAlex

Experiments are performed in a recirculating two-phase flow loop using an airlift pump with an axial air injector and at different non-Newtonian rheological behaviours. This was achieved using three mixtures of Xanthan Gum (XG) and water of 0.05 %, 0.15 %, and 0.25 % by weight concentrations. Both air and liquid flow rates are recorded for the desire pump operating conditions. The pump performance found to be directly correlated with the concentrations of XG. The pump flow rates decreased as the XG concentration increased due to the decrease of slug velocity which is responsible for high lifting effect. The recorded slug velocity was found to change between 1.81 cm/s, 1.75 cm/s, and 1.7 cm/s for XG concentrations of 0.05 %, 0.15 %, and 0.25 % respectively. Also, with the increase of XG concentration, the slug length found to increase due to the formation of large slugs without many trailing small bubbles as seen in the lower concentrations' cases. As the viscosity increased for different XG concentrations, the calculated efficiency of the airlift pump found to decrease as well. This is attributed to the fact that as the liquid became more viscous, higher energy of the air is required to overcome the shear stresses acting on the liquid phase to provide lifting.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,229
Écart entre enseignants0,216 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetFluid Dynamics and MixingTravaux en français237 207