MétaCan
Menu
Retour à la cohorte
Enregistrement W4414158113 · doi:10.1016/j.powtec.2025.121609

Analysis of hydrodynamic forces on solid particles in mixing tanks using coupled CFD–DEM method: Influence of impeller pumping direction and speed on mixing dynamics

2025· article· en· W4414158113 sur OpenAlexafffund
Pouya Ranjbari, Farhad Ein‐Mozaffari, Simant R. Upreti

Notice bibliographique

RevuePowder Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésImpellerDragTorqueSuspension (topology)Mixing (physics)Lift (data mining)Computational fluid dynamicsAdded massRotational speed

Résumé

récupéré en direct d'OpenAlex

This study presents a comprehensive analysis of hydrodynamic forces acting on particles in a three-phase (gas–liquid–solid) mixing tank using a coupled Computational Fluid Dynamics–Discrete Element Method (CFD–DEM) approach. A baffled cylindrical tank equipped with a Pitched Blade Turbine (PBT45) impeller is simulated under both upward and downward pumping directions over a range of speeds (300–800 rpm). Key particle–fluid forces — including drag, lift, pressure gradient, virtual mass, and flow-induced torque — are modeled to assess their individual and collective impacts on particle suspension and mixing dynamics. The simulations capture temporal evolution, spatial distributions, and time-averaged behavior of forces, providing insight into flow regime transitions and solid dispersion characteristics. Experimental validation is performed using both torque measurements and Electrical Resistance Tomography (ERT), showing good agreement between CFD–DEM predictions and experimental observations. Results indicate that pressure gradient and drag forces dominate particle–fluid momentum exchange, while virtual mass forces play secondary but directionally significant roles. Lift force and fluid-generated torque exhibit minor contributions across most operating conditions. Furthermore, comparison of impeller pumping directions reveals that upward pumping facilitates early suspension but shows diminishing force effectiveness at higher speeds, whereas downward pumping supports sustained force growth and more efficient suspension at high rotational speeds. These findings establish a quantitative and qualitative framework for comparing all major hydrodynamic forces in stirred tanks, offering both fundamental insight and practical recommendations for optimizing multiphase mixing simulations. • Utilization of the CFD–DEM framework to investigate the hydrodynamics of mixing systems. • Quantitative evaluation of key fluid–particle interaction forces. • Examination of the role of fluid-generated torque on particle behavior. • Recommendations for reducing computational cost in CFD–DEM simulations. • Practical insights for selecting impeller configurations in multiphase mixing processes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,462
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
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 Opus0,007
Tête enseignante GPT0,267
Écart entre enseignants0,260 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePowder TechnologyMême sujetGranular flow and fluidized bedsTravaux en français237 207