MétaCan
Menu
Retour à la cohorte
Enregistrement W2980873209 · doi:10.1080/00102202.2019.1678837

Effects of Detection Wavelengths on Soot Volume Fraction Measurements Using the Auto-Compensating LII Technique

2019· article· en· W2980873209 sur OpenAlexaff
F. Liu, Gregory J. Smallwood

Notice bibliographique

RevueCombustion Science and Technology · 2019
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésSootIncandescenceVolume fractionFluenceWavelengthVolume (thermodynamics)LaserMaterials scienceAnalytical Chemistry (journal)Particle sizeOpticsParticle (ecology)ChemistryCombustionThermodynamicsOptoelectronicsPhysicsChromatography

Résumé

récupéré en direct d'OpenAlex

Soot particles in the detection volume in general have different temperatures due to non-uniform laser fluence and particle size distribution. The thermal radiation intensity displays different temperature dependence at different wavelengths. The effective soot temperature inferred from the ratio of laser-induced incandescence (LII) signals in the auto-compensating LII (AC-LII) technique is dependent on the detection wavelengths and affects the measured soot volume fraction. This paper numerically investigates the effects of detection wavelengths on the inferred soot effective temperature and volume fraction under conditions relevant to laminar diffusion flames at atmospheric pressure and for three representative laser fluence distributions. Numerical calculations were conducted using an LII model for a laser pulse of 5.8 ns FWHM and 1064 nm and assuming a lognormal primary particle size distribution and neglecting the aggregation effect. LII signals were modeled at four wavelength bands centered at 420, 560, 680, and 790 nm and the effective soot temperature was derived over three pairs of LII signals, namely [420, 560 nm], [560, 680 nm], and [680, 790 nm]. The two shortest and two longest detection wavelengths respectively result in the highest and lowest effective soot temperature when the laser fluence is non-uniform. The inferred soot volume fraction displays the opposite trend as the effective soot temperature. The effective soot temperature is biased toward the highest values and AC-LII always underestimates the soot volume fraction. The detection wavelengths should be carefully selected to minimize the impact of non-uniform laser fluence and at the same time to maximize the accuracy of effective soot temperature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,263
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCombustion Science and TechnologyMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207