MétaCan
Menu
Retour à la cohorte
Enregistrement W4403004553 · doi:10.46604/ijeti.2024.13615

Analysis of Atomization Performance of Linear Laval Nozzle under Varied Water Pressures Based on VOF and DPM Models

2024· article· en· W4403004553 sur OpenAlexaboutno aff
Shanshan Tang, Mohd Danial Ibrahim, Andrew Ragai Henry Rigit, Wei Zhang, Chaokun Wei

Notice bibliographique

RevueInternational Journal of Engineering and Technology Innovation · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueRocket and propulsion systems research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNozzleVolume of fluid methodMechanical engineeringMaterials scienceMechanicsEngineeringPhysicsFlow (mathematics)

Résumé

récupéré en direct d'OpenAlex

Particulate matter from coal and stone operations is a primary air pollution source. The traditional nozzle requires high-pressure conditions, and the atomization droplets are large and uneven. This paper aims to study a linear Laval nozzle and investigate the impact of water pressure on atomization performance. The volume of fluid (VOF) model and discrete phase model (DPM) of Fluent are used to simulate the internal and external fields of the nozzle and analyze the velocity, droplet size, and atomization angle. The results show that the optimized water pressure parameters are 0.1 MPa with an air pressure of 0.5 MPa. Droplets in the middle are smaller, while those on the sides are larger. Compared to traditional nozzles, the water pressure is reduced by over 90%, and the Sauter mean diameter (SMD) decreases by over 50%. Moreover, the theoretical spray angle increases by approximately 150%.

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 enseignants0,061
Score d'incertitude au seuil0,213

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Engineering and Technology InnovationMême sujetRocket and propulsion systems researchTravaux en français237 207