MétaCan
Menu
Retour à la cohorte
Enregistrement W4285594794 · doi:10.1002/cjce.24548

Validation of a procedure for the numerical simulations of gas–liquid stirred tanks by means of a computational fluid dynamics approach

2022· article· en· W4285594794 sur OpenAlexvenueno aff
Francesco Maluta, Federico Alberini, Giuseppina Montante, Alessandro Paglianti

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsImpellerTurbulenceMechanicsMechanical engineeringSimulationComputer scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Impellers with concave and vertically asymmetric blades proved superior gas dispersion capabilities and power consumption characteristics under gassed turbulent conditions with respect to traditional flat‐blade turbines in aerated fermenters. In this study, a pilot‐size gas–liquid tank stirred with an asymmetric blade disk impeller is numerically investigated by means of a Reynolds averaged two‐fluid model combined with a simplified population balance model without adjustable parameters. This work aims at increasing the predictive capabilities of computational fluid dynamics multiphase modelling by validating a computational approach for the realistic simulation of industrial aerated fermenters and thus allowing for a more reliable scale‐up. A methodology for achieving fully predictive results on fundamental variables for gas–liquid stirred tanks such as gassed power consumption, overall gas hold‐up, and volumetric mass transfer coefficient, with affordable computational requirements at pilot and industrial scale is presented. Two‐phase results are compared with the experimental data collected in a geometry matching the computational domain equipped with 3 planes of 16 sensors to enable electro‐resistance tomography measurements and with suitable correlations from the literature. The limits and strength of the numerical procedure are discussed, starting from the comparison between computational predictions and experimental 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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,317

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 Opus0,006
Tête enseignante GPT0,182
Écart entre enseignants0,176 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFluid Dynamics and MixingTravaux en français237 207