Comprehensive investigation of gas hold-up in a double coaxial mixer with shear-thinning fluids exhibiting yield stress: Experimental, numerical, and artificial neural network approaches
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.
Notice bibliographique
Résumé
• The intensification of gas dispersion was enhanced by coaxial mixers. • Optimal anchor speed at 30 rpm enhanced aeration in yield-pseudoplastic fluids. • Increased apparent viscosity led to higher gas hold-up but uneven gas distribution. • The co-rotation mode exhibited a more even distribution of gas. • The ANN model predicted gas hold-up with a R 2 value of 0.99. This study addresses the challenge of uneven gas dispersion in yield-stress, non-Newtonian fluids, commonly encountered in industries such as biopharmaceuticals, cosmetics, and food processing. While previous research demonstrated the advantages of dual coaxial mixers for pseudoplastic fluids, limited attention has been given to aerating yield-pseudoplastic fluids with higher aspect ratios. This study bridges that gap by investigating both local and global gas hold-up under various conditions, utilizing electrical resistance tomography and computational fluid dynamics. Key findings showed that increasing the anchor speed from stationary to 30 rpm significantly enhanced aeration efficiency (gas hold-up per specific power consumption), with improvements of 78% in UP-CO mode and 25% in UP-COUNTER mode at N c = 350 rpm and Q g = 20 L/min. These results underscore enhanced gas dispersion under specific operating conditions, driving overall process intensification. To ensure accurate prediction of gas hold-up, both dimensional and dimensionless empirical correlations, along with an artificial neural networks (ANNs) model, were developed. The ANNs model exhibited superior accuracy, achieving R² values of 0.99 for both rotation modes, outperforming empirical models, which achieved R² values of 0.90 and 0.89 for UP-CO and UP-COUNTER modes, respectively.
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 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) | 0,000 | 0,000 |
| 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 découle