On the effects of the flow macro‐scale over sub‐grid modelling in dense gas–solid fluidized flows
Notice bibliographique
Résumé
Abstract Multiscale modelling of gas–particle fluidized flows is frequently approached by means of sub‐grid modelling, which provides constitutive closures for filtered formulations applied to large scale simulations. A widely practiced procedure for the derivation of sub‐grid models consists of filtering over predictions from highly resolved simulations under two‐fluid modelling. The present work is intended as a contribution in this field by providing new supporting evidence for the enhancement of sub‐grid closure models. Most of the efforts in the area have been directed to providing sub‐grid models dependent on meso‐scale filtered effects alone, and under low gas Reynolds number suspension conditions. In this work, macro‐scale conditions are added to the analysis thereby accounting for flow topology, particularly for dense gas–solid fluidized flows. Two macro‐scale variables are considered in the simulations, namely the domain average solid volume fraction and the domain average gas Reynolds number. So, in addition to the usual meso‐scale filtered markers, relevant filtered parameters are also related to those macro‐scale conditions. The filtered parameters of interest here are the effective interphase drag coefficient and filtered and residual stresses in both of the phases. Various domain average solid volume fractions and domain average gas Reynolds numbers were enforced, thereby providing for a variety of macro‐scale dense conditions. It was found that both these macro‐scale parameters considerably affect the meso‐scale and the resulting filtered parameters of dense gas–solid flows, even though this occurs in a milder way when compared to results for dilute flow conditions available in the literature.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».