An Experimental and Numerical Study of the Laminar Flame Speed of Jet Fuel Surrogate Blends
Notice bibliographique
Résumé
Kerosene-type fuels are the most common aviation fuel, and an understanding of their combustion properties is essential for achieving optimized gas turbine operation. Presently, however, there is lack of experimental flame speed data available by which to validate the chemical kinetic mechanisms necessary for effective computational studies. In this study, premixed jet fuel surrogate blends and commercial kerosene are studied using particle image velocimetry in a stagnation flame geometry. Numerical simulations of each experiment are obtained using the CHEMKIN-PRO software package and the JetSurF 2.0 mechanism. The neat hydrocarbon surrogates investigated include n-decane, methylcyclohexane, and toluene, which represent the alkane, cycloalkane, and aromatic components of conventional aviation fuel, respectively. Two blends are studied in this paper. The first is a binary blend formulated to reproduce the laminar flame speed of aviation fuel using a mixing rule based on the laminar flame speed and adiabatic flame temperature of the hydrocarbon components, weighted by their respective mixture mole fractions. The second blend is a tertiary blend formulated to emulate the hydrogen to carbon ratio of the kerosene studied. All of the considered fuels and blends are studied at three equivalence ratios, corresponding to lean, stoichiometric, and rich conditions, and at several stretch rates. The centreline axial velocity profiles from numerical simulations are directly compared to the measured velocity profiles to validate the mechanism at each condition. The difference between the experimental and simulated reference flame speed is used to infer the true unstretched laminar flame speed of the mixture. These results allow the effectiveness of the different blending methodologies to be 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.
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) | 0,000 | 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 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 ».