Conditional source-term estimation with laminar flamelet decomposition in large eddy simulation of a turbulent nonpremixed flame
Notice bibliographique
Résumé
Conditional source-term estimation (CSE) is a method to close the mean chemical reaction source term based on the conditional moment closure hypothesis. It has been shown previously to be successful in a priori tests against direct numerical simulation data and in the large eddy simulation (LES) of a nonpremixed flame using reduced chemistry. Laminar flamelet decomposition (LFD) is a method to incorporate more complex chemistry into CSE by using laminar flamelets as basis functions and inverting an integral equation for a basis function coefficient vector which describes the linear combination of flamelets that best approximates the conditional average of certain scalar fields within an ensemble of points in a flow field. This coefficient vector is used to obtain the conditional average of the chemical source term for this ensemble of points which can then be transformed into the unconditional average chemical source term in the transport equations of reactive scalars in the flow. This study focuses on the application of CSE with LFD in LES of the Sandia D-flame. The simulation results show that LFD is able to predict temperature and major species well with both steady and unsteady flamelet libraries. However, in order to predict NO well, it is necessary to use a mixed library that includes both steady and unsteady flamelets. The computational cost of this method is low because very few transport equations need to be solved (specifically, equations for the filtered continuity, momentum, mixture fraction and its variance, temperature and the mass fraction of CO are solved) while other species mass fractions can be obtained directly from the flamelet library.
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 ».