Fuel Variation Effects in Propagation and Stabilization of Turbulent Counter-Flow Premixed Flames
Notice bibliographique
Résumé
Sensitivity to stretch and differential diffusion of chemical species are known to influence premixed flame propagation, even in the turbulent environment where mass diffusion can be greatly enhanced. In this context, it is convenient to characterize flames by their Lewis number (Le), a ratio of thermal-to-mass diffusion. The work reported in this paper describes a study of flame stabilization characteristics when Le is varied. The test data are comprised of Le≪1 (hydrogen), Le≈1 (methane), and Le>1 (propane) flames stabilized at various turbulence levels. The experiments were carried out in a hot exhaust opposed-flow turbulent flame rig (HOTFR), which consists of two axially opposed, symmetric jets. The stagnation plane between the two jets allows the aerodynamic stabilization of a flame and clearly identifies fuel influences on turbulent flames. Furthermore, high-speed particle image velocimetry (PIV), using oil droplet seeding, allowed simultaneous recordings of velocity (mean and rms) and flame surface position. These experiments, along with data processing tools developed through this study, illustrated that in the mixtures with Le≪1, turbulent flame speed increases considerably compared to the laminar flame speed due to differential diffusion effects, where higher burning rates compensate for the steepening average velocity gradient and keeps these flames almost stationary as bulk flow velocity increases. These experiments are suitable for validating the ability of turbulent combustion models to predict lifted, aerodynamically stabilized flames. In the final part of this paper, we model the three fuels at two turbulence intensities using the flamelet generated manifolds (FGM) model in a Reynolds-averaged Navier–Stokes (RANS) context. Computations reveal that the qualitative flame stabilization trends reproduce the effects of turbulence intensity; however, more accurate predictions are required to capture the influences of fuel variations and differential diffusion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».