MétaCan
Menu
Retour à la cohorte
Enregistrement W4386737367 · doi:10.1021/acsomega.3c03660

Optimization of a Multiphase Mixed Flow Field in Backfill Slurry Preparation Based on Multiphase Flow Interaction

2023· article· en· W4386737367 sur OpenAlexaff
Rugao Gao, Weijun Wang, Keping Zhou, Yanlin Zhao, Chun Yang, Qifan Ren

Notice bibliographique

RevueACS Omega · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensMcGill University
Organismes subventionnairesNatural Science Foundation of Hunan ProvinceNational Natural Science Foundation of China
Mots-clésMechanicsTurbulenceSlurryTurbulence kinetic energyDissipationLift (data mining)Multiphase flowMaterials scienceFlow (mathematics)Mixing (physics)Lift coefficientComputational fluid dynamicsRheologySimulationEngineeringThermodynamicsReynolds numberComputer sciencePhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

The paper analyzes the dynamic behavior during the preparation of cemented backfill slurry by combining the structural performance analysis of the double-shaft mixer and the Euler multiphase flow field computational fluid dynamics model. Considering the interaction between phases and gas phase disturbances, the transient kinetic parameters and the interaction between gas and liquid phases were introduced. According to the modified lift model, the user-defined function of the net lateral lift coefficient and the turbulence energy equation was adjusted. Taking the parameters of flow field velocity, gas phase mixing, uniformity, and turbulent energy dissipation as the evaluation indexes of the mixing effect, the double-shaft mixer at a rotation velocity of 45 rpm and with a blade installation angle of 25° is the optimal design in this study. Experimental tests were carried out and confirmed that the refined two-fluid model of interphase interaction can provide a basis for the performance evaluation of material mixing equipment.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,497

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 GPT0,249
Écart entre enseignants0,231 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetTailings Management and PropertiesTravaux en français237 207