Study on the adhesion behaviour of oil droplets in water on solid surfaces with different wettability and inclination
Notice bibliographique
Résumé
Abstract Microscopic adhesion of oil droplets is a hot research topic within multiphase flow systems in the petrochemical field in recent years, and it is also the key to revealing the mechanism of oil droplet–wall interaction. In this paper, a high‐speed camera was used to capture the dynamic process of oil droplets impacting stainless steel, polyethylene, brass, and other materials in water, deeply analyze the influence mechanism of material wettability, droplet size, and inclination on adhesion behaviour in this process, and draw the Re~ θ eq phase diagram. The experimental results show that properly enhancing the lipophilicity of the material can prolong the drainage time and effectively inhibit adhesion. Too much lipophilicity can dramatically shorten the drainage time instead, which easily leads to the rapid adhesion of oil droplets. An increase in droplet size can also prolong the drainage time; at Re ≥46.31, the excessive initial kinetic energy is consumed in the form of oil droplet rebound, which is not conducive to adhesion, and the more lipophilic the material is, the more significant the rebound effect. In addition, although an increase in the inclination can inhibit oil droplet bounce off, it also decreases the wall restraint to oil droplets, resulting in lateral and normal displacements, which greatly increases the drainage time. The findings can facilitate the understanding of oil droplet–wall interaction and provide a scientific basis for the design and development of efficient separation equipment and the optimization of the low‐temperature gathering and transportation of high water‐bearing crude oil.
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 | 0,000 | 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 ».