Numerical Modelling Of Liquid Film Deposition from Moving Meniscus in a Capillary Tube
Notice bibliographique
Résumé
Meniscus motion in a capillary tube is a very common type of flow in thermal management devices such as oscillating and pulsating heat pipes. It is well known, that the thin film deposited on the wall, which is due to liquid shear force, plays a major role in the heat and mass transfer of those devices. This study focuses on the hydrodynamics of this flow using a CFD axisymmetric model of a 1mm diameter capillary, with the approach of the volume of fluid (VoF). The CFD-VOF approach is tuned to capture the liquid film deposition from a receding meniscus at different constant velocities. Due to the high required grid resolution, the moving overset mesh technique is used. In doing so, a fine-meshed domain consists of meniscus slides over the background domain with a coarse mesh. By using this technique, the number of cells and computational time are reduced considerably in comparison with the regular meshing approach. With water as a working fluid, the numerical results for the liquid film thickness, at different velocities, compare well with experimental data from the literature. The simulations also show that at a higher capillary number, the axial location where the film thickness becomes constant moves away from the meniscus nose. The shear stress distribution indicates higher values near the meniscus compared to uniform film and liquid plug zones which is due to the interface curvature in this zone. Also, a recirculating flow was observed within the liquid film left behind the receding meniscus which could have favorable effects in terms of heat and mass transfer. The present work on hydrodynamics is the first step toward complete modeling of an oscillating meniscus with mass and heat transfer inside the capillaries.
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) | 0,001 | 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 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 ».