کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4908986 1427093 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Granular bond number model to predict the flow of fine flour powders using particle properties
ترجمه فارسی عنوان
مدل شماره باند گرانولی برای پیش بینی جریان آرد پودر خوب با استفاده از خواص ذرات
کلمات کلیدی
رفتار جریان، انسجام بین ذرات، ضریب عملکرد جریان جداسازی اندازه، آرد گندم، رمومتر پودر،
ترجمه چکیده
به منظور بهبود درک پایه ای از رفتار جریان آرد خوب، که برای موفقیت عیوب و سایر فرآیند جداسازی بر اساس اندازه ذرات ضروری است، این مطالعه رابطه بین خواص ذرات و ضریب عملکرد جریان را بررسی می کند، متریک مورد استفاده برای ارزیابی جریان کارایی. مقدار باند دانه ای که از نیروی انسجام ذرات بین ذرات اندازه گیری شده با استفاده از مدل چند چندتایی، به خوبی با ضریب عملکرد جریان همخوانی دارد. مقادیر پایین خطای استاندارد پیش بینی (10/04/0) برای ضریب عملکرد جریان ضریب اندازه دانه آرد گندم جدا شده و (0.03-0.19) ترکیبات آرد نشان می دهد که مدل توسعه یافته با اندازه گیری های آزمایشی همخوانی دارد. مشخص شد که تغییرات در ترکیب شیمیایی سطح ذرات آرد تأثیر قابل توجهی بر رفتار جریان آرد خوب دارد. ضریب عملکرد جریان مخلوط آرد جدا شده اندازه را می توان از نمودار های سه بعدی توسعه یافته بر اساس مدل پیش بینی کرد و این پیش بینی ها هم با اندازه گیری های تجربی هماهنگ شده است. مدل توسعه یافته در این مطالعه مفید خواهد بود برای افزایش توانایی در هنگام جداسازی اندازه آرد گندم و همچنین به منظور بررسی رفتار جریان ترکیبات آرد گندم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
پیش نمایش مقاله
مدل شماره باند گرانولی برای پیش بینی جریان آرد پودر خوب با استفاده از خواص ذرات
چکیده انگلیسی
In order to improve the fundamental understanding of fine flour flow behavior, which is essential for the success of sieving and other particulate size based separation processes, this study investigates the relationship between particle properties and the flow function coefficient, a metric used to assess the flow performance. The granular Bond number quantified from the inter-particle cohesion force using the multi-asperity model correlates well with the flow function coefficient. The lower values of standard error of prediction (0.04-0.10) for flow function coefficient of size segregated wheat flours and (0.03-0.19) flour blends indicate that the developed model agreed well with the experimental measurements. It was established that, the variations in the surface chemical composition of flour particles have a significant impact on the flow behavior of fine flours. The flow function coefficients of blends of size segregated flours can be predicted from ternary diagrams developed based on the model, and these predictions matched well with the experimental measurements. The model developed in this study will be useful to increase the throughput during size separation of wheat flours and also to assess the flow behavior of wheat flour blends.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Food Engineering - Volume 208, September 2017, Pages 11-18
نویسندگان
, , , ,