MétaCan
Menu
Retour à la cohorte
Enregistrement W2019335008 · doi:10.1243/09576509jpe208

Fluid Flow in the Squish-Jet Combustion Chamber

2006· article· en· W2019335008 sur OpenAlexaff
Petros Lappas, R. L. Evans

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part A Journal of Power and Energy · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCombustion chamberParticle image velocimetryTurbulencePiston (optics)Jet (fluid)Flow (mathematics)Computational fluid dynamicsCombustionMechanicsPhysicsOpticsChemistry

Résumé

récupéré en direct d'OpenAlex

Fluid flow characteristics near top dead centre (TDC) were measured in three different combustion chambers designed to generate squish flow and to enhance turbulence generation in internal combustion engines. One of the combustion chambers was a plain bowl-in-piston type, whereas the remaining two were different configurations of the squishjet chamber, which has a unique geometry for forming jets that converge radially inwards as TDC is approached. Both particle image velocimetry (PIV) and laser Doppler velocimetry (LDV) were used to measure mean velocities and turbulent fluctuations near to TDC. To accurately and consistently set the initial and boundary conditions, the University of British Columbia Rapid Intake and Compression Machine (UBC-RICM) was used. The microscopic particles used for PIV and LDV seeding were introduced into the cylinder by a novel system developed to suit the momentary flow in the UBC-RICM. The experimental study led to a greater understanding of the flow processes inside these complex combustion chambers. The results also indicated that squish-jet chambers tend to generate higher levels of turbulence than plain bowl-in-piston chambers do, even though they may generate lower mean squish velocities. These results will also be used in a future study to assess the validity of squish flow predictions made by the computational fluid dynamic code, KIVA-3V.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil0,303

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 Opus0,005
Tête enseignante GPT0,182
Écart entre enseignants0,177 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part A Journal of Power and EnergyMême sujetCombustion and flame dynamicsTravaux en français237 207