A numerical and experimental study of the squish-jet combustion chamber
Notice bibliographique
Résumé
The fluid flow characteristics near top dead centre (TDC) were numerically simulated for three different combustion chambers designed to generate squish flow and enhance turbulence generation in spark ignition engines. One of the combustion chambers was a plain bowl-in-piston type while the remaining two were different configurations of the squish-jet chamber, which has a unique geometry for forming jets that converge radially inwards as TDC is approached. The computational fluid dynamics (CFD) code KIVA-3V was used to produce the simulations and particular attention was given to mean velocities and turbulent fluctuations near TDC. The flow fields were measured experimentally (with particle image velocimetry (PIV) and laser Doppler velocimetry (LDV)) in a unique rapid-intake and compression machine, and compared with the output from the KIVA-3V code. The use of the rapid-intake and compression machine enabled the initial conditions to match exactly those in the KIVA-3V calculations, thus reducing uncertainty in the validation study. The study led to a greater understanding of the flow processes inside these complex combustion chambers and the results showed that squish-jet chambers tend to generate higher peak turbulence levels than do plain bowl-in-piston chambers, even though they may generate lower mean squish velocities. From this perspective, the KIVA code can be a useful tool for designing squish-jet combustion chambers. The study also showed that KIVA-3V predicted downstream squish jet velocities well. Nevertheless, the squish-jet velocities at the piston bowl rim were overestimated and the specific turbulent kinetic energy ( k) and its dissipation ( e) appear to have been overestimated during much of the compression period tested.
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 | 0,001 |
| 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 ».