Magnetic resonance velocity imaging of turbulent gas flow in a packed bed of catalyst support pellets
Notice bibliographique
Résumé
Compressed sensing magnetic resonance methods have been used to image the time-averaged velocity and turbulent kinetic energy in 3D for turbulent gas flowing through a bed of porous, hollow cylindrical catalyst support pellets. Velocity and turbulent kinetic energy images were acquired at a spatial resolution of 0.70 mm ( x ) × 0.70 mm ( y ) × 1.0 mm ( z ) for particle Reynolds numbers, R e p , of 500, 2500 and 6500 in a bed with a tube-to-particle diameter ratio of 4.7. These data represent the first full-field measurements of turbulent gas flow in packed beds of non-spherical pellets. The resulting images reveal several interesting features of the hydrodynamics in this system. A large degree of flow heterogeneity is observed in the bed, with regions of high-speed fluid observed near the walls and in large voids, and regions of backflow observed in the wake of pellets, between pellets, and within the pellet holes. For increasing R e p , the normalized axial velocity at the wall is found to increase, and the normalized turbulent kinetic energy becomes more homogeneous throughout the bed. The correlation between the turbulent kinetic energy and time-averaged velocity shows that the highest turbulent kinetic energy occurs in regions of intermediate time-averaged velocity. Further, the turbulent kinetic energy profile at the pellet-scale is substantially different from the case of simple channel flow for R e p ≥ 2500. Overall, these measurements clearly demonstrate the ability of magnetic resonance methods for acquiring full-field flow data in packed bed systems using commercially-relevant pellets and flow conditions.
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 ».