Numerical modelling of detonation initiation via shock interaction with multiple flame kernels
Notice bibliographique
Résumé
In this study, the deflagration-to-detonation transition from the interaction of a shock wave with multiple laminar flame kernels is analyzed computationally. For comparison, both Euler equations and Navier-Stokes equations including the effects of viscosity, thermal conduction and molecular diffusion for an acetylene–air mixture model with a single-gas approximation are solved numerically to identify the dominant mechanism on the transition process. A finite-volume operating splitting scheme based on the 2nd order Godunov-type, Weighted Average Flux (WAF) method with an approximate HLLC Riemann Solver and second-order finite differences for the Navier-Stokes fluxes evaluation are used in the present computation. Adaptive mesh refinement (AMR) is employed to dynamically increase the resolution of a simulation in regions of interest around shocks, flame fronts and regions of large gradients in density using a hierarchical grid structure. The simulation results show that repeated shock–multiple flames and shock-boundary interactions lead to the acceleration of the original shock into unreacted material near the wall and subsequently the development of a hotspot explosion center. The Richtmyer-Meshkov instability caused by the interaction of the shock with subsequent flames also generates and maintains a highly turbulent flame brush. In the absence of physical diffusion in the Euler simulation, the enhanced burning rate of the turbulent flame brush is suppressed. Nevertheless, the intense flow fluctuations generated by the interactions of shocks, boundary and flames create the conditions under which deflagration-to-detonation can potentially occur at later times. A numerical study is also carried out to verify the effect of numerical grid resolution.
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 | 0,001 |
| 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 ».