Rheological Calibration and CFD Simulation of Grease Behaviour Using the Herschel-Bulkley Model
Notice bibliographique
Résumé
This paper represents a first step within a broader research project aimed at developing Computational Fluid Dynamics (CFD) models capable of reliably predicting the flow behavior of lubricating greases in mechanical systems, with the ultimate objective of estimating load-independent power losses and analyzing grease distribution.In this initial phase, the authors focus on the rheological characterization of a bearing grease through experimental measurements performed on a cone-on-plate rheometer at two temperatures: 25°C and 80°C.The Herschel-Bulkley (HB) model was selected due to its widespread adoption in modeling non-Newtonian fluids like grease.A curve-fitting procedure was employed to calibrate the HB parameters (yield stress, consistency index, and flow index) using various regression strategies: Mean Squared Error, Percentage Error, Absolute Error, and Logarithmic Error.Among them, the logarithmic error minimization approach provided the best agreement with the experimental data.The sensitivity of model accuracy to the chosen fitting criterion is discussed.The optimized HB parameters were then used to simulate the experimental setup in the opensource environment OpenFOAM®, modeling a rotational sector of the rheometer by exploiting its cyclic symmetry.A structured hexahedral mesh was generated, and a mesh sensitivity analysis was carried out to ensure solution robustness.Although the physical system is steady and single-phase, a transient two-phase solver was adopted to align with the long-term goal of simulating grease-air interactions in real-world applications such as rolling-element bearings.The simulation results confirmed the theoretical assumption of nearly uniform shear rate across the cone-plate gap and demonstrated excellent agreement between the predicted and measured torques.Additionally, a clear influence of temperature on HB parameters was observed, emphasizing the need for temperature-specific calibration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».