Convective heat transfer coefficient for the side‐wall in a fixed bed
Notice bibliographique
Résumé
Abstract Fixed beds are widely used in the chemical and process industry due to their relatively simple yet effective performance. Determining the radial heat transfer at the wall in a fixed bed is crucial to predict the performance of columns. Heat transfer parameters often need to be obtained experimentally. Various Nusselt versus Reynolds correlations in literature show considerable scatter and discrepancies. The tube‐to‐particle diameter ratio and boundary conditions on the particle surface have been understood to affect heat transfer near the wall by virtue of influence on the near‐wall porosity and mixing. In this work, a fixed bed consisting of mono‐disperse particles is generated via gravity‐forced sedimentation modelling utilizing the discrete element method for a ratio of 3.3. The system is meshed and imported in a computational fluid dynamics (CFD) solver. Fluid inlet velocity is varied to get corresponding to the laminar and turbulent flow regimes. The particles are treated as boundaries with Dirichlet, Neumann, and Robin boundary conditions applied for the closure of energy balance. Another set of simulations is run with particles modelled as solids with varying thermal conductivities (). The heat flux and volume‐averaged fluid temperature calculated during post‐processing are used to determine the wall heat transfer coefficient and, subsequently, the wall Nu number. Fifteen versus correlations are compiled and analyzed. A new semi‐empirical correlation for the wall Nusselt number has been developed for a fixed bed packed with monodisperse spheres for and results compared with data published in literature. Additionally, the impact of buoyancy effect on the wall Nusselt number has been studied.
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 ».