MétaCan
Menu
Retour à la cohorte
Enregistrement W4313559188 · doi:10.1002/cjce.24828

<scp>CFD‐PBM</scp> simulation of the column flotation unit of <scp>FCMC</scp> : Importance of gas–liquid interphase forces models

2023· article· en· W4313559188 sur OpenAlexaffvenue
Mengdie Wang, Chao Ni, Xiangning Bu, Yaoli Peng, Guangyuan Xie, Zhongchao Tan, Hesheng Yu

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésComputational fluid dynamicsMechanicsTurbulenceBubbleDispersion (optics)DragInterphaseSimulationMaterials sciencePhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The cyclonic micro‐bubble flotation column (FCMC) is an efficient flotation device for the separation of fine minerals, but its mechanisms are rarely studied using computational fluid dynamics (CFD). This paper reports the air–water two‐phase computational fluid dynamics‐population balance model (CFD‐PBM) simulations for the column flotation unit of an FCMC. The shear stress transport (SST) k‐ω model with curvature correction (CC) is used to simulate turbulence effects. Then, the interphase forces models considering bubble size distribution are selected according to the experimental data in a bubble column, which is in analogy to the column flotation unit of the FCMC. Finally, the optimal combination of interphase forces models (i.e., the Ishii–Zuber drag force model, the Hosokawa–Frank wall lubrication force model, and the Lopez de Bertodano turbulent dispersion force model) is applied to simulate an FCMC with a superficial gas velocity of 0.0144 m/s. The results show that the CFD‐PBM simulation can achieve a relative error of 9.09% for gas volume fraction and −5.45% for bubble rising velocity, indicating the reliability of the selected combination of interphase forces models.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,146
Score d'incertitude au seuil0,312

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,235
Écart entre enseignants0,218 · 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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207