Combustion Noise Modelling Re-Examined for Thermally Perfect and Multi-Species Gas Flows
Notice bibliographique
Résumé
Combustion noise has now become a significant noise contribution of turboshaft engine due to the current and past noise reduction efforts mainly focused on jet and fan noise. It is basically differentiated into two mechanisms: direct noise, generated by the unsteady turbulent flame, and indirect noise, generated by the acceleration/deceleration of entropy spots, vortical and compositional heterogeneities produced in the combustion chamber through the turbine. To predict these noise generation mechanisms, several hypotheses are used to describe fluctuation motions through nozzles. One of them is the calorifically perfect gas mixture assumption, i.e. $c_p = cst$, which is re-examined in this study using thermally perfect gas mixture flow, i.e. $c_p = c_p(T)$. To do so, the quasi one-dimensional Euler equations for multi-species, isentropic and non-reactive flow are considered within nozzle. Their linearization yields a new prediction model in addition to show a new entropy-to-entropy coupling mechanism. In the assumption of low-frequency perturbation, a solution of that system is derived. By performing parametric studies, the fixing of the constant heat capacity $c_p$ in calorifically perfect flow is shown to have significant impact on the noise transfer function modulus prediction compared to thermally perfect flow. Finally, it is shown that acoustic-to-acoustic and composition-to-acoustic mechanisms are less impacted by a change in $c_p(T)$, whereas entropy-to-entropy, entropy-to-acoustic and composition-to-entropy mechanisms undergo important variations up to $10\%$ in choked nozzle, representative of actual take-off conditions in a turboengine.
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 | 0,000 | 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 ».