DNS of ignition and flame stabilization in a simplified gas turbine premixer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the increasing need for fuel flexibility, mitigation of auto-ignition (AI) inside gas turbine (GT) premixers becomes crucial. They must be designed to yield a sufficiently homogeneous fuel–air mixture to achieve low emissions while at the same time avoiding the occurrence of AI and subsequent flame stabilization. This challenge requires a detailed understanding of turbulent mixing and chemistry interactions. In the present work, a direct numerical simulation (DNS) of an array of jets in crossflow (JICF), representative of an industrial GT premixer, is reported to shed light on these complex phenomena. It is found that AI kernels form in the aft part of the premixer and coalesce into a flame front that then propagates upstream, mainly through the boundary layer, and successively engulfs the jets. This, therefore, suggests a significant role of the jet array pattern on the flame stabilization. It is noted that AI kernels continue to form independently during the whole time of the simulation. To clarify the contribution of AI and diffusion in the ignition kernels and the main flame, chemical explosive mode analysis (CEMA) is employed jointly with a kernel tracking algorithm. It is found that during the initial formation of the flame, many ignition kernels form in mixtures with low scalar dissipation rate and large contribution from AI mode. As they quickly grow, they merge into a single flame front that becomes increasingly more diffusion-assisted over time, balancing the AI mode. Turbulence is shown to have a significant enhancing effect in lean premixed flames, but further analysis is required to fully characterize it. These findings are relevant for the industrial premixer studied, and also for novel micromix concepts that may be used in the next generation of GT combustion systems.
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.
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 découle