Parametric Study to Optimize Air/Fuel Mixing for Lean, Premix Combustion Systems
Notice bibliographique
Résumé
New designs of gas turbine combustors for power generation applications have to meet ever-tightening emission standards (mainly NOx, CO and UHC) while operating at high combustor pressures. This requires a detailed understanding of the physical processes involved. The air-fuel mixture preparation is a critical step in most advanced gas turbine combustion strategies to achieve lower emissions. It has long been established that the level of unmixedness between the fuel and air is strongly tied with NOx levels. The present paper applies the statistical technique of Design Of Experiments (DOE) to a generic mixer set-up that includes an axial swirler, with fuel injected at discrete locations and transverse to the flow. The objective is to identify influential design and operating parameters that will provide rapid and enhanced mixing. The parameters tested include Swirl strength as measured by the Swirl number, Swirl type (Constant angle vs. Free vortex), number and momentum of fuel injection sites and gas temperature. Planar Laser Induced Fluorescence of acetone (PLIF) was used to quantify mixing at various planar locations in the mixing section. Commercial CFD software is used to model the flow field and predict the spatial mixing at selected conditions. Comparisons are made with experimental measurements with the aim to validate the CFD code and also on comparing the model results with the measurements.
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) | 0,001 | 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 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 ».