Numerical Prediction of the Autoignition Delay in a Diesel-Like Environment by the Conditional Moment Closure Model
Notice bibliographique
Résumé
<div class="htmlview paragraph">The autoignition delay of a turbulent methane jet in a Diesel-like environment is calculated by the conditional moment closure(CMC) model. Methane is injected into hot air in a constant volume chamber under various temperatures and pressures. Detailed chemical reaction mechanisms are implemented with turbulence-chemistry interaction treated by the first order CMC. The CMC model solves the conditional mean species mass fraction and temperature equations with the source term given in terms of the conditional mean quantities. The flow and mixing field are calculated by the transient SIMPLE algorithm with the <i>k -ε</i> model and the assumed beta function pdf. The CMC equations are solved by the fractional step method which sequentially treats the transport and chemical reaction terms in each time step. The predictions in quiescent homogeneous mixture are presented to evaluate the effects of turbulence in jet ignition. Three major trends observed in the experiment are well reproduced by the present CMC results. First, the autoignition delay of a methane jet has strong dependence on the air temperature. It decreases significantly as the air temperature increases. Second, the chamber pressure has only a minor effect on the autoignition delay, which tends to decrease slightly at a higher ambient pressure. Third, there is a slight decrease in the autoignition delay of methane-ethane mixture as the fraction of ethane increases. The first order CMC with detailed chemical reaction mechanisms has given reasonable predictions of both the magnitude and trend of variation of the autoignition delay, although there is room for further improvement in their accuracy.</div>
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».