MétaCan
Menu
Retour à la cohorte
Enregistrement W4296536347 · doi:10.18280/mmep.090402

Simulation of Plasma Assisted Supersonic Combustion over a Flat Wall

2022· article· en· W4296536347 sur OpenAlexvenueno aff
Albio D. Gutierrez, Luis F. Alvarez

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePlasma and Flow Control in Aerodynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad del Valle
Mots-clésSupersonic speedCombustionNanosecondPlasmaCombustorIgnition systemMechanicsKinetic energyMaterials scienceComputational fluid dynamicsChemistryThermodynamicsPhysicsOpticsLaserClassical mechanics

Résumé

récupéré en direct d'OpenAlex

This work presents a simplified methodology to couple the physics of a nanosecond pulsed discharge to the process of supersonic combustion in a flat wall combustor configuration. Plasma and supersonic combustion are separately simulated and then coupled by seeding plasma-generated radicals on the combustion domain. The plasma model is built assuming spatial uniformity and considering only the kinetic effects of the nanosecond pulsed discharge. Therefore, a zero-dimensional kinetic scheme accounting for the generation of plasma species is utilized. For the combustion model, the complete set of Favre-averaged compressible Navier Stokes equations along with finite rate chemistry is solved through a control-volume based technique via the commercial software Ansys Fluent. The computational results are compared against experimental studies showing that the proposed methodology can capture the main kinetic effects of the nanosecond pulsed discharge on supersonic combustion. OH concentration contours reveal the presence of an enhanced flame when the plasma is applied following the trends from experimental OH PLIF images. In addition, time evolving temperature and OH concentration contours show that the ignition delay time is reduced with the application of the discharge.

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: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil0,649

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 GPT0,195
Écart entre enseignants0,177 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetPlasma and Flow Control in AerodynamicsTravaux en français237 207