MétaCan
Menu
Retour à la cohorte
Enregistrement W2988054047 · doi:10.1115/gt2019-90538

Comparison of Hydrogen Micromix Flame Transfer Functions Determined Using RANS and LES

2019· article· en· W2988054047 sur OpenAlexaff
Jonathan McClure, David Abbott, Parash Agarwal, Xiaoxiao Sun, Giulia Babazzi, Vishal Sethi, Pierre Gauthier

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensSiemens (Canada)
Organismes subventionnairesnon disponible
Mots-clésReynolds-averaged Navier–Stokes equationsCombustionComputational fluid dynamicsMechanicsTransfer functionHydrogenAutoignition temperatureDiffusion flameNuclear engineeringCombustorMaterials scienceThermodynamicsEnvironmental scienceChemistryPhysicsEngineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Hydrogen has been proposed as an alternative fuel to meet long term emissions and sustainability targets, however due to the characteristics of hydrogen significant modifications to the combustion system are required. The micromix concept utilises a large number of miniaturised diffusion flames to improve mixing, removing the potential for local stoichiometric pockets, flash-back and autoignition. No publicly available studies have yet investigated the thermoacoustic stability of these combustion systems, however due to similarities with lean-premixed combustors which have suffered significant thermoacoustic issues, this risk should not be neglected. Two approaches have been investigated for estimating flame response to acoustic excitations of a single hydrogen micromix injector element. The first uses analytical expressions for the flame transfer function with constants obtained from RANS CFD while the second determines the flame transfer function directly using unsteady LES CFD. Results show the typical form of the flame transfer function but suggest micromix combustors may be more susceptible to higher frequency instabilities than conventional combustion systems. Additionally, the flame transfer function estimated using RANS CFD is broadly similar to that of the LES approach, therefore this may be suitable for use as a preliminary design tool due to its relatively low computational expense.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,880
Score d'incertitude au seuil0,294

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,241
Écart entre enseignants0,223 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCombustion and flame dynamicsTravaux en français237 207