Active Plasma Probing for Lean Burn Flame Detection
Notice bibliographique
Résumé
Combustion diagnostics of highly diluted mixtures are essential for the estimation of the combustion quality, and control of combustion timing in advanced combustion systems. In this paper, a novel fast response flame detection technique based on active plasma is introduced and investigated. Different from the conventional ion current sensing used in internal combustion engines, a separate electrode gap is used in the detecting probing. Further, the detecting voltage across the electrode gap is modulated actively using a multi-coil system to be slightly below the breakdown threshold before flame arrival. Once the flame front arrives at the probe, the ions on the flame front tend to decrease the breakdown voltage threshold and trigger a breakdown event. Simultaneous electrical and optical measurements are employed to investigate the flame detecting efficacy via active plasma probing under both quiescent and flow conditions. The RT-FPGA system provides flexible, prompt, and precise control for the detecting frequency to analyze the overall flame propagation process. Two types of fuels are used in the study, including methane, and DME, with an air-fuel ratio sweep from stoichiometric to extremely lean. Efforts are made to characterize the criteria of minimum, yet adequate voltage to succeed in the detection of the flame front arrival. For comparison, conventional ion current measurements are conducted under identical testing conditions. Results show that the active plasma probing has benefits in detecting the flame arrival robustly for lean combustion under both quiescent and turbulent flow conditions. Under lean combustion, the intensity of ion current signal is significantly suppressed and signal rise time is prolonged due to the lower flame temperature. The active plasma probing provides a detecting response approximately one hundred times faster compared with the conventional ion current sensing, which shows potential for more effective real-time combustion control.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».