Modeling n-dodecane Spray Combustion with a Representative Interactive Linear Eddy Model
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Many new combustion concepts are currently being investigated to further improve engines in terms of both efficiency and emissions. Examples include homogeneous charge compression ignition (HCCI), lean stratified premixed combustion, stratified charge compression ignition (SCCI), and high levels of exhaust gas recirculation (EGR) in diesel engines, known as low temperature combustion (LTC). All of these combustion concepts have in common that the temperatures are lower than in traditional spark ignition or diesel engines.</div><div class="htmlview paragraph">To further improve and develop combustion concepts for clean and highly efficient engines, it is necessary to develop new computational tools that can be used to describe and optimize processes in nonstandard conditions, such as low temperature combustion. Thus, in the presented study a recently developed model (RILEM: Representative Interactive Linear Eddy Model [<span class="xref">1</span>]) for regime-independent modeling of turbulent non-premixed combustion is used to simulate the so called ‘Spray B’ of the Engine Combustion Network (ECN), which is a heavy-duty optical engine experiment. RILEM directly resolves the interaction of turbulent mixing with the chemistry along a one-dimensional representative line of sight through the combustion chamber via stochastic sequences of statistically independent eddy events. RILEM in its present form consists of a single (one-dimensional) linear eddy model (LEM) instantiation that is coupled to an unsteady Reynolds-averaged Navier-Stokes solver within the OpenFOAM framework. The coupling is similar to unsteady flamelet concepts but features distinct and important differences, e.g. an intrinsic representation of the scalar dissipation rate distribution and its fluctuations. Cylinder pressure, heat release rates and ignition delay time from the computation are compared to experiments under parametric variation of temperature.</div></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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».