MétaCan
Menu
Retour à la cohorte
Enregistrement W4399126161 · doi:10.1002/cjce.25351

Numerical and experimental study of homogenization mechanism of high shear rotor‐stator mixer

2024· article· en· W4399126161 sur OpenAlexvenueno aff
Jiaqiong Wang, Yusha Huang, Ruijie Zhang, Ling Zhou

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésStatorHomogenization (climate)MechanicsMaterials scienceMechanism (biology)Shear (geology)Rotor (electric)Composite materialMechanical engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Utilizing computational fluid dynamics (CFD) for analytical purposes, this study developed a fundamental model employing the multiple reference frame (MRF) method, facilitated by the CFX simulation platform. The investigation conducted numerical simulations of the flow field within the rotor‐stator assembly of a high shear mixer, guided by the Navier–Stokes equations and the standard k‐ε turbulence model. To quantify the homogenization efficacy of the high shear mixer under scenarios with and without energy consumption considerations, the study introduced two distinct parameters: the mixing index (γ) and the energy ratio mixing index (λ). The impact of structural parameters such as the number of rotor‐stator teeth, radial clearance, and tooth apex‐base axial clearance on the local flow characteristics—velocity, pressure, turbulent kinetic energy, shear rate distribution, net power consumption, and the specified indices—was meticulously analyzed. This analysis aimed to identify the optimal structural configurations for the mixer, considering energy efficiency and mixing effectiveness, and to determine the relative influence of these structural variations on the mixing index (γ) and the energy ratio mixing index (λ).

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
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 Opus0,005
Tête enseignante GPT0,185
Écart entre enseignants0,180 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207