MétaCan
Menu
Retour à la cohorte
Enregistrement W4234718681 · doi:10.32920/ryerson.14652768.v1

Numerical simulation of liquid fuel prechamber ignition

2021· preprint· en· W4234718681 sur OpenAlexafffund
Levon Larson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesMitacs
Mots-clésReynolds-averaged Navier–Stokes equationsComputational fluid dynamicsMechanicsLarge eddy simulationAutoignition temperatureIgnition systemTurbulenceFluentReciprocating motionCombustionCombustion chamberMaterials scienceSimulationEngineeringPhysicsMechanical engineeringAerospace engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

A Computational Fluid Dynamics (CFD) model was built that simulates the transient, compressible, reacting, multi-phase environment that exists within a reciprocating engine's combustion chamber(s). ANSYS Fluent v13.0 was used with the Euler-Lagrangian Discrete Phase Model (DPM), the Shell autoignition model, and the Large Eddy Simulation (LES) method of turbulence modeling. Validation of the spray dynamics was performed by comparing simulation results with experiments of liquid and vapour penetration length of an n-Heptane spray experiment done by Sandia National Laboratories. It was found that LES produced more accurate results than several Reynolds Averaged Navier-Stokes (RANS) models. The Shell autoignition model was coded to function with C10.17H19.91 and compared with experimental ignition results in a Rapid Compression Machine (RCM) environment. All of the above models were then combined to simulate a directly-fueled lean-burn combustion prechamber configuration wherein the effects of spray angle, timing, and duration were studied.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,811

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCombustion and flame dynamicsTravaux en français237 207