Large Eddy Simulation of Vaporizing Sprays Considering Multi-Injection Averaging and Grid-Convergent Mesh Resolution
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A state-of-the-art spray modeling methodology, recently presented by Senecal et al. (2012, “Grid Convergent Spray Models for Internal Combustion Engine CFD Simulations,” Proceedings of the ASME 2012 Internal Combustion Engine Division Fall Technical Conference, Vancouver, Canada, Paper No. ICEF2012-92043; 2013 “An Investigation of Grid Convergence for Spray Simulations using an LES Turbulence Model,” Paper No. SAE 2013-01-1083) is applied to large eddy simulations (LES) of vaporizing sprays. Simulations of noncombusting Spray A (n-dodecane fuel) from the engine combustion network are performed. An adaptive mesh refinement (AMR) cell size of 0.0625 mm is utilized based on the accuracy/runtime tradeoff demonstrated by Senecal et al. (2013, “An Investigation of Grid Convergence for Spray Simulations using an LES Turbulence Model,” Paper No. SAE 2013-01-1083). In that work, it was shown that grid convergence of key parameters for nonevaporating and evaporating sprays was achieved for cell sizes between 0.0625 and 0.125 mm using the dynamic structure LES model. The current work presents an extended and more thorough investigation of Spray A using multidimensional spray modeling and the dynamic structure LES model. Twenty different realizations are simulated by changing the random number seed used in the spray submodels. Multirealization (ensemble) averaging is shown to be necessary when comparing to local spray measurements of quantities such as mixture fraction and gas-phase velocity. Through a detailed analysis, recommendations are made regarding the minimum number of LES realizations required for accurate prediction of diesel sprays. Finally, the effect of a spray primary breakup model constant on the results is assessed.
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.
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 | 0,001 |
| 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 | 0,000 | 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 découle