Multiple representative interactive linear eddy model: Investigation of turbulence chemistry interaction and evaluation of progress variable definition and PDFs
Notice bibliographique
Résumé
Improving the predictions of unsteady effects in combustion processes requires novel combustion models that include turbulence chemistry interaction effects. The Multiple Representative Interactive Linear Eddy Model (MRILEM) is an improved version of the previous RILEM variant. MRILEM utilizes a pressure coupling instead of a volume constraint to intrinsically include heat effects into the LEM line with no supplementary modeling. In addition, it advances multiple LEM lines in parallel to improve statistical fidelity. The pressure coupling of MRILEM generates a coupling effect between the LEM lines that assists in communicating the combustion process between the lines. The ”Spray-B” engine of the Engine Combustion Network (ECN) was simulated using MRILEM. While the original RILEM variation employs a straightforward Dirac δ-peak for the progress variable, a realistic PDF requires this function to extend over the entire space. The introduced MRILEM compares the utilization of two progress variable PDFs, namely a step function defined based on the mean and a β-PDF generated from the progress variable mean and variance. The progress variable variance was calculated based on the Pierce and Moin formulation with a RANS adaptation based on the integral length scale. In addition, two definitions of the progress variable are investigated, namely O2 and h298. A tabulation method is introduced for RILEM to reduce the computational time by advancing pre-generated LEM solution matrices constructed in mixture fraction Z and progress variable c spaces. The different variants of the model, i.e., MRILEM-βZ-Stepc, MRILEM-βZ-βc, TRILEM-βZ-Stepc, and TRILEM-βZ-βc were compared against experiments based on heat release rate, ignition delay, flame lift-off, and computational time.
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 ».