MétaCan
Menu
Retour à la cohorte
Enregistrement W2995128682 · doi:10.3390/e22010021

Analysis of the Influence of the Conduction Sub-Model Formulation on the Modeling of Laser-Induced Incandescence of Diesel Soot Aggregates

2019· article· en· W2995128682 sur OpenAlexafffund
Sébastien Menanteau, R. Lemaire

Notice bibliographique

RevueEntropy · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSootIncandescenceThermal conductionMaterials scienceMechanicsCombustionThermodynamicsComputational physicsPhysicsChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Laser-induced incandescence (LII) is a powerful diagnostic technique allowing quantifying soot emissions in flames and at the exhaust of combustion systems. It can be advantageously coupled with modeling approaches to infer information on the physical properties of combustion-generated particles (including their size), which implies formulating and solving balance equations accounting for laser-excited soot heating and cooling processes. Properly estimating soot diameter by time-resolved LII (TiRe-LII), nevertheless, requires correctly evaluating the thermal accommodation coefficient α T driving the energy transferred by heat conduction between soot aggregates and their surroundings. To analyze such an aspect, an extensive set of LII signals has been acquired in a Diesel spray flame before being simulated using a refined model built upon expressions accounting for soot heating by absorption, annealing, and oxidation as well as cooling by radiation, sublimation, conduction, and thermionic emission. Within this framework, different conduction sub-models have been tested while a corrective factor allowing the particle aggregate properties to be taken into account has also been considered to simulate the so-called shielding effect. Using a fitting procedure coupling design of experiments and a genetic algorithm-based solver, the implemented model has been parameterized so as to obtain simulated data merging on a single curve with experimentally monitored ones. Eventually, values of the thermal accommodation coefficient have been estimated with each tested conduction sub-model while the influence of the aggregate size on the so-inferred α T has been analyzed.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,219
Écart entre enseignants0,204 · 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'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'admission2
Résumé présentoui

Explorer davantage

Même revueEntropyMême sujetVehicle emissions and performanceTravaux en français237 207