MétaCan
Menu
Retour à la cohorte
Enregistrement W4400090383 · doi:10.2174/0118722121297792240529044211

Computational Study on Pressure Drop Inside Slurry Pipeline for Iron Ore Slurry Flow

2024· article· en· W4400090383 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRecent Patents on Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCoal Combustion and Slurry Processing
Établissements canadiensLambton College
Organismes subventionnairesnon disponible
Mots-clésSlurryPressure dropIron orePipeline (software)Flow (mathematics)Petroleum engineeringDrop (telecommunication)Environmental scienceMetallurgyMaterials scienceGeologyEngineeringMechanicsEnvironmental engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Background: Utilizing highly concentrated slurry is recommended due to its ability to reduce both operational expenses and water use. In the previous studies, the pressure drop analysis on coal, sand, and coal ashes was investigated. However, there is a scarcity of research on the pressure drop properties of iron ore slurry, particularly when it comes to highly concentrated slurries. Aim: This patent aims to replicate the iron ore flow in a hydro-slurry pipe, specifically focusing on predicting the features of pressure drop, distribution of volume fraction, and behaviour of solid particles. Objective: This patent presents the CFD modelling of pressure drop characteristics of iron ore-water multiphase flow inside a hydro-slurry pipeline Results: Results show that the augmentation in pressure drop is non-linearly correlated with both the granular concentration and the velocity. The size of the efflux concentration zone expands as the concentration rises, but this zone shrinks as the velocity increases. The variation in volume fraction at the lower periphery of the pipe decreases with an increase in velocity and increases with the size of particle and granular concentration. The turbulent intensity of the mixture was affected marginally with an increase in concentration but highly by velocity. The variation in granular size increased turbulence as large particles caused additional turbulence. The velocity profile recorded marginal variation in the pattern of solid phase flow with variations in granular concentration, granular size, and velocity. The change in velocity resulted in particle shifting. Methods: A granular flow was represented using an Eulerian technique based on kinetic theory to depict multiphase phenomena. Simulations were carried out on a pipeline with a 50 mm diameter. The velocity ranged from 2 to 5 m/s, whereas the efflux concentration varied between 20% and 60%. An analysis was conducted on the impact of granular size at a greater concentration. The numerical code was validated using experimental findings, and it was determined that the RNG k-ε turbulent model exhibited satisfactory validation with the experimental data. Conclusion: As per this patent, the RNG k-ε turbulent model is superior to the other multiphase models for ore-water flow analysis.

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.

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 candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,523
Score d'incertitude au seuil1,000

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 Opus0,025
Tête enseignante GPT0,257
Écart entre enseignants0,232 · 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