Drag models coupled with <scp>CFD–PBM</scp> method for simulation in bubble columns
Notice bibliographique
Résumé
Abstract In this study, three‐dimensional numerical simulation of gas–liquid flow in bubble columns was realized by using the computation fluid dynamics (CFD)–population balance model (PBM). The new drag model improves the stability‐constrained multi‐fluid (SCMF‐C) model because of the consideration of the wake accelerating and the hindering effects for calculating the drag correction factor. The gas holdup, axial liquid velocity, and bubble size distribution (BSD) predicted by four drag models at 0.02 and 0.1 m/s were compared. The results revealed that the proposed drag model can provide excellent predictions for both bubbly and heterogeneous flows. Because the wake accelerating and the hindering effects were considered, reliable predictions were achieved for the gas holdup, and the problem of uniform gas holdup distribution was mitigated. Therefore, the SCMF‐C model can be extended for nonuniform BSD. The gas holdup and liquid velocity increased, and the nonuniformity of radial results became pronounced at 0.1 m/s. The profiles of four drag models were similar at a low height, whereas the difference between the simulations of the four models became obvious with the variation of heights. The results of the four models were accurate, and the BSD was wide at 0.1 m/s. Subsequently, the feasibility of the four drag models was evaluated at 0.2 and 0.4 m/s. The results of the comparison revealed that the proposed drag model exhibited excellent feasibility at higher gas velocities and was powerful for the simulation of bubble columns.
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 ».