MétaCan
Menu
Retour à la cohorte
Enregistrement W4391403809 · doi:10.3390/en17030672

Hydrodynamic Insights on Floating Bubbling Fluidized Beds: Dynamic Solutions for Mitigating Gas Maldistribution

2024· article· en· W4391403809 sur OpenAlexafffund
Ali Akbar Sarbanha, Faı̈çal Larachi, Seyed Mohammad Taghavi

Notice bibliographique

RevueEnergies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCyclone Separators and Fluid Dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesCanada Foundation for Innovation
Mots-clésMechanicsEnvironmental sciencePetroleum engineeringThermodynamicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This study examined bubbling fluidized beds as an alternative to fixed-bed dry scrubbers on ships for reducing pollutants from marine fuels. It focused on overcoming the challenges of gas maldistribution/slug formation, especially under rough sea conditions. This research departed from traditional methods by introducing mobile internal elements into the bed emulsion phase and investigating their effectiveness in various settings, such as vertical, inclined, and rolling beds. A specialized hexapod-driven bubbling fluidized bed was developed to mimic marine operating conditions and to study the behavior of shipboard fluidized beds. Techniques such as digital image analysis (DIA) and particle image velocimetry (PIV) were used to observe bubble dynamics and granular phases, measuring local void fractions and particle velocities. A key finding is the effectiveness of moving internals in preventing bubble coalescence, which is critical for avoiding wall slugs, at different inclinations. Three types of packing were used as mobile internals: Super Raschig, Pall, and square rings. Super Raschig rings, which are characterized by high porosity, were the most efficient in reducing bubble coalescence, making them a preferred choice for offshore fluidized bed applications. This research contributes to the advancement of fluidized bed technology in marine applications and provides insight for future improvements.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetCyclone Separators and Fluid DynamicsTravaux en français237 207