Effect of high liquid viscosity on intermittent/annular flow pattern transition in two‐phase upward vertical flow
Notice bibliographique
Résumé
Abstract Two‐phase flow pattern prediction is essential in predicting liquid holdup, pressure gradient, and flow assurance risks in various applications in the chemical, nuclear, and petroleum industries. Recent studies of flow pattern model evaluation in high liquid viscosity two‐phase flow in vertical upward pipe flow revealed discrepancies in all transition boundaries, specifically the intermittent (IN)/annular (AN) flow transition. Therefore, this study aims to investigate the effect of liquid viscosity on IN/AN flow pattern transition and to improve the existing models. Specifically, Taitel et al.'s IN/AN transition model is improved by incorporating the liquid viscosity effect on liquid droplet fallback and liquid film thickness. Furthermore, sensitivity analyses on Barnea's IN/AN flow pattern transition model revealed that the interfacial friction factor ( f i ) and liquid entrainment ( f E ) closure relationships are crucial in the film bridging and film instability mechanisms of the flow transition. Therefore, a comprehensive evaluation of the performance of the f i and f E closure relationships is carried out, revealing that Pan and Hanratty's f E correlation and Ishii and Grolmes' f i correlation is the best combination with the least prediction error over a wide range of liquid viscosity. A validation study against an extensive experimental high liquid viscosity flow pattern database with liquid viscosity ranging from 4 to 1600 mPa·s showed high prediction performance for the proposed improved Taitel et al. and Barnea IN/AN flow pattern transition models.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».