Two-Fluid Modeling of Dilute and Dense Liquid-Particle Flows
Notice bibliographique
Résumé
This thesis explores the use of computational fluid dynamics (CFD) to model multiphase flows. Specifically, a multiphase Eulerian-Eulerian model, referred to as the two-fluid model (TFM), is explored with applications to turbulent liquid-solid vertical pipe and horizontal channel flows. The TFM provides a computationally efficient method to solve multiphase flows, but requires several closures and constitutive relations. The TFM used in this research is implemented in a one-dimensional (1-D) in-house code that uses a low-Reynolds number (LRN) 𝑘 − 𝜀 turbulence model with a volume fraction solver based on the particle-phase radial/transverse momentum balance. The goals of this research were to benchmark the use of the in-house TFM to solve relatively dilute turbulent liquid-solid vertical pipe flows, explore the effects of different turbulence modulation terms, extend the use of the TFM to dense vertical pipe flows and explore the performance of the TFM for horizontal liquid-solid open-channel flows. Within the context of these goals, new particle-phase boundary conditions developed by Schneiderbauer et al. (2012b) were implemented and a particle-phase frictional stress model based on Schneiderbauer et al. (2012a) was introduced. The benchmarking of the vertical dilute liquid-solid pipe flow showed that the model adequately predicted the fluid-phase mean and fluctuating velocities but underpredicted the particle-phase mean and fluctuating velocities. Of the turbulence modulation models explored, the so-called New model was the only one capable of predicting both turbulence attenuation and turbulence enhancement, depending on the particle diameter. The application of the TFM to dense vertical pipe flows showed that the code can predict 10% bulk volume fractions flows but struggles to predict denser 30% bulk volume fraction flows. The new boundary conditions were successfully implemented, which represents an improvement over the previous heuristic boundary conditions used in the code. The use of the TFM in liquid-solid open-channel flow showed that the model could predict the mixture velocity profiles for neutrally buoyant, small particles, but failed to predict the experimental volume fraction profiles from Wang and Qian (1989). The particle-phase frictional model was implemented for these horizontal flows, but its contribution was limited and confined to the near-wall region.
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 | 0,001 |
| 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 ».