Large Eddy Simulation Analysis of Fluid Temperature Fluctuations at a T-junction for Prediction of Thermal Loading
Notice bibliographique
Résumé
T-junctions are widely used for fluid mixing in power and process plants. Temperature fluctuations generated by the mixing of hot and cold fluids at a T-junction can cause high cycle thermal fatigue (HCTF) failure. The existing Japanese guideline for evaluating HCTF provides margin that varies greatly depending on the case for the evaluation result. Computational fluid dynamics (CFD)/finite element analysis (FEA) coupling analysis is expected to be a useful tool for the more accurate evaluation of HCTF. Precise temperature fluctuation histories are necessary to determine the thermal loads because fatigue damage prediction requires temperature fluctuation amplitudes and their cycle numbers. The present investigation was intended to discover the accurate prediction methods of fluid temperature fluctuations, prior to performing CFD/FEA coupling analysis. Large eddy simulation (LES) turbulence models suitable for the simulation of unsteady phenomena were investigated. The LES subgrid scale (SGS) models used included the standard Smagorinsky model (SSM) and the dynamic Smagorinsky model (DSM). The effects of numerical schemes for calculating the convective term in the energy equation on the simulation results were also investigated. LES analyses of the flow and temperature fields at a T-junction were carried out using these numerical methods. For comparison, the simulation conditions were the same as the experiment in literature. All of the simulation results show the flow pattern of a wall jet with strong flow and temperature fluctuations, as observed in the experiment. The simulation results indicate the numerical schemes have a great effect on the temperature distribution and the temperature fluctuation intensity (TFI). The first-order upwind difference scheme (1UD) significantly underestimates the TFI for each LES SGS model, although it exhibits good numerical stability. However, the hybrid scheme (HS), which is mainly the second-order central difference scheme (2CD) blended with a small fraction of 1UD, can better predict the TFI for each LES SGS model. Furthermore, the DSM model gives a prediction closer to the experimental results than the SSM model, while using the same numerical scheme. As a result, it was found through the systematic investigations of various turbulence models and numerical schemes that the approach using the DSM model and the HS with a large blending factor could provide accurate predictions of the fluid temperature fluctuations. Furthermore, it is considered that this approach is also applicable to the accurate prediction of any other scalar (e.g., concentration), based on the analogy of scalar transport phenomena.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».