MétaCan
Menu
Retour à la cohorte
Enregistrement W2018156404 · doi:10.1115/imece2007-42476

Stability Limits of Biogas Jet Diffusion Flames

2007· article· en· W2018156404 sur OpenAlexafffund
Teresa Leung, I. Wierzba

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Calgary
Mots-clésBiogasDiffusion flameHydrogenNozzleCarbon dioxideDiffusionMethaneJet (fluid)Materials scienceRange (aeronautics)Carbon fibersChemistryAnalytical Chemistry (journal)Chemical engineeringCombustionThermodynamicsWaste managementComposite materialChromatographyCombustorOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

An investigation of the stability limits of biogas jet diffusion flames in a co-flowing air stream was conducted. Stability limits were determined experimentally for two different methane-carbon dioxide mixtures that are of typical biogas composition. Moreover, the effect of jet nozzle diameter was also investigated. It was found that with the presence of a significant amount of CO2 in the fuel as in the case of biogas, the stability limits were very low and the flames can only be stabilized over a very small range of coflowing velocities. As expected, an increase in carbon dioxide concentration resulted in the narrowing of the region of the stable flames. However, it was shown that the flame stability of such mixtures can be enhanced very significantly and over a much wider range of co-flowing air velocities by introducing a small amount of hydrogen in the fuel. Results indicate an increase in the stability limits by approximately fourfold when 10% (by vol.) of hydrogen is added under the same operating conditions. The effect of addition of hydrogen on enhancement of biogas stability is most significant with the initial addition of 10%. The degree of enhancement diminishes with further increase in hydrogen addition from 10% to 30%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCombustion and flame dynamicsTravaux en français237 207