Estimating an Enclosure Temperature During Solid Propellant Fires
Notice bibliographique
Résumé
In any industrial energetic facility, it is useful to predict the effect of an accidental fire. Solid propellants are designed to quickly transform into high temperature gases. It is therefore necessary to predict the pressure evolution during a confined fire. Some methods are semi-empirical and thus do not depend on many thermodynamic variables. Other methods are numerical and require that many variables be defined. In any safety application, choosing the right method will depend on the risks involved, possible consequences and means available. Lack of precise knowledge of these variables is often what discourages facilities and equipment designers from modelling the behaviour of their systems. One such variable is the temperature in an enclosure during a fire for which the pressure generation is the main concern. For events involving low charge densities, using the flame temperature is an over-approximation. Assuming instantaneous perfect mixing of the enclosure air and combustion gases results in an under-approximation. In this paper, these approximations will first be considered compared to an event sequence. Three temperature models will be reviewed. Firstly, a simple model will consider the geometric mean of the previously described extreme values. Secondly, the radiative heating of the enclosure air due to a localized fire source will be studied. Finally, a finite volume multidimensional numerical model which includes turbulence effects will be presented. These three methods are seen to be of increasing complexity and will be compared to the event timescale. This timescale will help indicate if the level of complexity is warranted.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».