Kinetic energy evolution of abrasive waterjet perforation in sandstone reservoirs: Toward enhanced efficiency
Notice bibliographique
Résumé
Abrasive water jet (AWJ) rock perforation, commonly used in underground engineering, involves a complex multi-scale fluid-structure interaction process. Enhancing perforation efficiency depends on improving utilization of the jet kinetic energy for rock breaking. In this study, the kinetic energy evolution during AWJ rock perforation is investigated through a combination of macroscopic perforation experiments, microscale simulations of abrasive-water impact on rock, and in-hole flow field simulations bridging the macroscopic and microscopic scales. Results reveal that sand pad formation and internal turbulence are the primary factors limiting jet energy utilization. As the jet transitions from entering to exiting the perforation, a velocity stagnation zone forms at the bottom of the hole, consisting of water and sand pads. The sand pad blocks most abrasives from directly impacting the rock, leading to substantial kinetic energy loss. Additionally, a large velocity gradient between the inflow and backflow jets induces intense turbulence, further reducing jet velocity and rock-breaking effectiveness. Increasing the hole diameter helps mitigate turbulence, while increasing hole depth exacerbates it. As jet time increases, hole depth grows significantly more than diameter, intensifying turbulence, attenuating jet velocity, and diminishing water’s contribution to rock breaking—ultimately reducing kinetic energy utilization. However, the use of reciprocating nozzles can effectively reduce jet energy losses caused by sand pads and turbulence, thereby significantly enhancing perforation efficiency. These findings provide a theoretical foundation for optimizing AWJ energy utilization in underground rock engineering.
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 ».