Wet screen performance prediction using coupled DEM and SPH: separation, wear and comparison to plant measurement
Notice bibliographique
Résumé
• Large industrial scale wet screen performance is predicted using coupled DEM-SPH. • The screen cloth has around 30,000 apertures which are well resolved in the model. • Predicted slurry draining distance matches plant observations. • Discharge flow rate and oversize distribution agree with plant measurements. • Bed depth, resident screen load and wear patterns are sensitive to feed rate. A fully coupled multiphase DEM-SPH model is used to predict rock and slurry flow to better understand the performance of a very large industrial scale wet fine screen. Dependence on feed rate and the evenness of slurry flow onto the screen are investigated. The single deck banana screen is 8.22 m long and uses a cloth with combinations of rectangular slots and more complex shaped apertures. The model predictions are validated for the lower flow rate by comparing the draining distance for the slurry, the discharge mass flow rate and the screen oversize distribution with plant measurements yielding good agreement. The oversize mass fraction is found to be consistent with long-term site measurements while the predicted overflow size distribution has a very similar form to the measured data. These indicate that the modelling approximations and numerical resolution used in the model construction are suitable for obtaining good solution accuracy. Bed depth, resident load on the screen and wear patterns are found to be sensitive to feed rate but the flow field and general nature of the screen separation behaviour are not greatly influenced. Wear due to abrasion appears to be dominant in the upper half of the screen whereas impact damage is more uniformly distributed over the entire screen. At high feed rates, impact damage in the upper half of the screen becomes more significant.
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 | 0,000 |
| 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 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 ».