Impact of several coarse-graining models on a pilot-scale fluidized bed behavior using discrete element method–computational fluid dynamics
Notice bibliographique
Résumé
Recent studies highlight coarse-grained discrete element method (CGDEM) as a helpful tool for mitigating the computational cost associated with original discrete element method (DEM) simulations in large-scale industrial applications such as fluidized beds. This approach achieves cost savings by reducing the number of particles in the domain, while increasing their size. In the current work, CGDEM-LES (large-eddy simulation) numerical simulations are conducted on a 3D (three-dimensional) cylindrical pilot-scale fluidized bed in the bubbling regime, containing 9.6 M Geldart B-type particles. Macroscopic and mesoscopic analyses are performed, revealing qualitative and quantitative effects of coarse-graining on bed behavior. Among these effects, a global homogenization of the fluidized region is observed, marked by soaring bed surfaces, lower solid velocity, and solid fraction gradients. Additionally, a decrease in the bubble population is reported. These effects intensify as the coarse-graining factor increases. Despite influencing some results, the impact of mesh size is deemed negligible compared to that of particle coarse-graining. Some of the observed issues can be alleviated by incorporating additional mechanisms from the literature, aiming to dissipate the extra energy inherently present in coarse-grained systems. However, these mechanisms prove to be barely sufficient to replicate DEM results with the smallest coarse-graining factor tested. A thorough analysis allows identifying a side effect of one of these approaches, which is to slow particles down all the more as they move fast, causing a macroscopic misprediction of particle vertical velocity in turn. This model is then deemed less useful in the context of this study.
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) | 0,001 | 0,001 |
| 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 ».