A Chemical-Kinetic Approach to the Definition of the Laminar Flame Speed for the Simulation of the Combustion of Spark-Ignition Engines
Notice bibliographique
Résumé
The laminar burning speed is an important intrinsic property of an air-fuel mixture determining key combustion characteristics such as turbulent flame propagation. It is a function of the mixture composition (mixture fraction and residual gas mass fraction) and of the thermodynamic conditions. Experimental measurements of Laminar Flame Speeds (LFS) are common in literature, but initial pressure and temperature are limited to low values due to the test conditions: typical pressure values for LFS detection are lower than 25 bar, and temperature rarely exceeds 550 K. Actual trends in spark ignition engines are to increase specific power output by downsizing and supercharging, thus the flame front involves even more higher pressure and temperature since the beginning of combustion. The most widespread models used to extrapolate the experimental data to the engine like conditions are derived from that of Metghalchi and Keck, but they often fail to correctly predict LFS values outside the experimental space. Thanks to the development of accurate chemical kinetic models together with the increase of computer performance, it is possible to numerically predict the laminar flame speed over a wide range of conditions for a range of fuel mixtures, so to overcome some of the limitations of the Metghalchi and Keck model. The aim of the present work is to evaluate the effectiveness of an exploitable open source chemical solver (Cantera) for the evaluation of laminar flame speed. Results are compared against experimental data available in scientific literature and a review of the main analytical correlation for LFS is accomplished. Finally, a new correlation is proposed to better fit the numerical results in the high pressure and temperature range of the real engine design space.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».