MétaCan
Menu
Retour à la cohorte
Enregistrement W4411919503 · doi:10.1016/j.ijmultiphaseflow.2025.105350

Slug-to-churn or churn-to-slug: revisiting the flow patterns transition debate

2025· article· en· W4411919503 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueInternational Journal of Multiphase Flow · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesOntario Agri-Food Innovation AllianceOntario Ministry of Food and AgricultureNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésSlugSlug flowFlow (mathematics)MechanicsGeologyTwo-phase flowPhysics

Résumé

récupéré en direct d'OpenAlex

Perhaps one of the most contentious yet long-lasting debates in slug and churn flow literature revolves around the directional nature of the transition between these two flow patterns. Which terminology truly captures its nature—slug-to-churn or churn-to-slug transition? The present study is tackling this debate through an experimental investigation by leveraging high-speed flow visualization and a synergistic combination of advanced signal processing techniques. The analysis is performed for void fraction waves recorded at Z/D = 10, 25, 40, and 60 in an air-water flow along a vertical pipe under gravity-driven conditions at an elevated inlet superficial gas velocity. Visual insights from high-speed imaging conducted at the same spatial positions, combined with statistical analysis and a spatiotemporal-spectral framework incorporating Recurrence Quantification Analysis (RQA), Power Spectral Density (PSD), and Direct and Continuous Wavelet Transforms (DWT and CWT), provided a multidimensional, cross-validated approach—both qualitative and quantitative—to conclusively determine the transition mechanisms and direction. The findings establish churn flow as a spatial precursor to slug flow, unfolding through four distinct regimes: semi-annular, churn, churn-slug transition, and unstable slug flow at Z/D = 10, 25, 40, and 60, correspondingly. The churn-slug transition emerged as a gradual process, wherein diminishing phase interaction-induced instabilities allow slug flow characteristics to take hold. A previously unnoticed mechanism, termed liquid phase penetration, was uncovered as a fundamental driver of churn flow. Propelled by momentum transfer from incoming gas plugs, this mechanism destabilizes leading gas plugs, amplifies large wave formation, and reinforces flooding dynamics, propagating churning behaviour in upward direction. Its role is pivotal, making its incorporation into slug/churn transition models—especially those based on the entrance effect theory—imperative. Moreover, the study confirmed the exceptional performance (∼99.85% accuracy) of a novel AI-based diagnostic tool, integrating the CWT framework with a CNN, offering a real-time, scale-independent data-driven solution for axial flow pattern identification (i.e., static instability diagnosis), promising enhanced operational reliability and safety in systems of varying dimensions operating under developing two-phase flow conditions. Nonetheless, this study offers a preliminary contribution, aiming to ignite discussion, encourage future endeavours, and shape the trajectory of future investigations into the slug/churn transition. To solidify the present findings, further experimentation in long pipes and across a broad range of inlet superficial gas velocities is essential.

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 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: aucune
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,523

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 ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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