Multi‐objective optimization of drainage‐plates in wave‐plate mist eliminators using experiment and data‐driven modelling for lower water loss and energy requirement
Notice bibliographique
Résumé
Abstract Wave‐plate mist eliminators are widely employed as gas–liquid separation devices to prevent the liquid escaping from thermal power plants or other cooling towers. In this study, the wave‐plate mist eliminator with drainage plates was numerically analyzed and the effects between geometrical variables on two objectives, namely, pressure drop (Δ P ) and separation efficiency ( η ), were revealed. Plate spacing, width, and length, as well as the relative position of the drainage plate, were thoroughly investigated. A combined strategy was developed for multi‐objective optimization of the wave‐plate mist eliminator by integrating computational fluid dynamics (CFD) simulation, response surface methodology (RSM), non‐dominated sorting genetic algorithm‐II (NSGA‐II), and a technique for order of preference by similarity to ideal solution (TOPSIS) method. The results demonstrated that the relative position of drainage plates has a greater impact on the overall performance, whereas the width of drainage plates has the minimum effect. With the implementation of NSGA‐II and the TOPSIS method, an optimal solution for the design of the mist eliminator was obtained. After comparing with the baseline case, the optimized case presents promising characteristics with high separation efficiency (enhanced by 3.6%~9.06%) and a low energy consumption coefficient (reduced by 72.30% at η = 45%).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».