A DNS evaluation of three MMC-like mixing models for transported PDF modelling of turbulent nonpremixed flames
Notice bibliographique
Résumé
Transported probability density function (TPDF) methods are suitable for modelling turbulent reactive flows. One of the main challenges is to accurately model the molecular mixing terms. In TPDF mixing models, it is desired that the principle of localness is satisfied so that the molecular mixing is performed locally in both physical and composition spaces. The multiple mapping conditioning (MMC) mixing model can ensure mixing localness without violating other desired principles. The present study examines three MMC-like mixing models, including the original MMC (OMMC) mixing model, shadow-position mixing model (SPMM) and a conceptually simplified multiple mapping conditioning (SMMC) mixing model. Three direct numerical simulation (DNS) datasets modelling turbulent nonpremixed ethylene flames with increasing levels of extinction are used for model evaluation. The DNS datasets are also used to provide both initial conditions and inputs needed over the course of TPDF runs to remove the uncertainties caused by turbulence closure, allowing the study to focus on the molecular mixing model. The mixing model coefficients are specified analytically by reference to a canonical mean scalar gradient (MSG) flow in order to achieve specifiable dissipation rate and user-controllable localness. The results show that the MMC-like mixing models yield similar prediction of flame extinction and reignition if the coefficients are properly specified. The MMC-like mixing models can also be tuned to achieve a desired level of localness. For conditional statistics, the MMC-like mixing models can yield correct level of conditional variances. By changing localness, the MMC-like models can yield solutions resembling the interaction by exchange with the mean (IEM) or Euclidean minimum spanning tree (EMST) mixing model for extreme parameter choices. The models differ in their abilities to specify unconditional dissipation rates, at least in the flow considered, and in their ease of implementation.
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 | 0,001 | 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 | 0,000 | 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 tête enseignante, 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 ».