Thermochemical Mechanism Optimization for Accurate Predictions of CH Concentrations in Premixed Flames of C1-C3 Alkane Fuels
Notice bibliographique
Résumé
Increasingly stringent regulations on NOx emissions are enforced by governments owing to their contribution in the formation of ozone, smog, fine aerosols, acid rains and nutrient pollution of surface water, which affect human health and environment. The design of high-efficiency, low-emission combustors achieving these ever-decreasing emission standards requires thermochemical mechanisms of sufficiently high accuracy. Recently, a comprehensive set of experimental data, collected through laser-based diagnostics in atmospheric, jet-wall, stagnation, premixed flames, was published for all isomers of C1-C4 alkane and alcohol fuels [1–3]. The rapid formation of NO through the flame front via the prompt (Fenimore) route was shown to be strongly coupled to the maximum concentration of the methylidyne radical, [CH]peak, and the flow residence time within the CH layer. A proper description of CH formation is then a prerequisite for accurate predictions of NO concentrations in hydrocarbon-air flames. However, a comparison against the Laser-Induced Fluorescence (LIF) experimental data of [3] revealed that 1) modern thermochemical mechanisms are unable to accurately capture the stoichiometric dependence of [CH]peak, and 2) for a given equivalence ratio, the predictions of different mechanisms span over more than an order of magnitude. This paper presents an optimization of the specific rate of a selection of nine elementary reactions included in the San Diego combustion mechanism [4]. A quasi-Newton algorithm is used to minimize an objective function defined as the sum of squares of the relative difference between the numerical and experimental CH-LIF data of [3], while constraining the specific rates to physically reasonable values. A mechanism properly describing CH formation for lean to rich, C1-C3 alkane-air flames is obtained. This optimized mechanism will enable accurate predictions of prompt-NO formation over a wide range of equivalence ratios and alkane fuels. Suggestions regarding which reactions require further investigations, either through experimental or theoretical assessments of the individual specific rates, are also provided.
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) | 0,000 | 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 ».