2021
DOI: 10.1002/cite.202000083
|View full text |Cite
|
Sign up to set email alerts
|

Energie‐ und Ressourceneinsparung durch Innovative und CFD‐basierte Auslegung von Flüssig/Flüssig‐Schwerkraftabscheidern

Abstract: Computational-Fluid-Dynamics (CFD)-Simulationen in Kombination mit Tropfenpopulationsbilanzen führen zu einem praxisgerechten Standard, um auf Basis verfügbarer Prozessdaten den Strömungsverlauf -und damit die Verweilzeitverteilung -in liegenden Abscheidern beliebiger Größe zu berechnen. Durch Implementierung des Tropfenverhaltens wird auch die Berechnung eines tropfenspezifischen Abscheider-Wirkungsgrades ermöglicht. Die Methodenentwicklung erfolgte mit baugleichen Anlagen an drei verschiedenen Standorten. Di… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
1
0

Year Published

2022
2022
2022
2022

Publication Types

Select...
1

Relationship

0
1

Authors

Journals

citations
Cited by 1 publication
(1 citation statement)
references
References 17 publications
(35 reference statements)
0
1
0
Order By: Relevance
“…Schäfer et al used computer generated synthetic data to train a Convolutional Neural Network (CNN) [43] at phase fractions up to 25 vol.-%. A detailed comparison between this technique and a commercially available probe for droplet detection can be found elsewhere [44].…”
Section: Optical Multimode Online Probementioning
confidence: 99%
“…Schäfer et al used computer generated synthetic data to train a Convolutional Neural Network (CNN) [43] at phase fractions up to 25 vol.-%. A detailed comparison between this technique and a commercially available probe for droplet detection can be found elsewhere [44].…”
Section: Optical Multimode Online Probementioning
confidence: 99%