Large Eddy Simulation of multi-injector flame blow-off sensitivities to inlet biases
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
Reactant biases of mass flow rate or stochiometry can result from design trade-offs in industrial implementations of multi-injector, lean-premixed flames. Rules for maximising the lean-extinction limit require additional insight from experiments and/or computations as global scalings may not necessarily apply. Models, however, need extensive validation as the timescale separation between chemistry and turbulence decreases towards the lean limit, and a larger range of thermochemical states may be present. This leads to difficulties in parametrising them accurately. In this work, large eddy simulation (LES) is used to model blow-off in a linear array of lean, swirling, methane-air flames at atmospheric conditions. The LES methodology is assessed with regard to reproducing partial blow-off due to reactant equivalence ratio ( ϕ ) and flow rate ( m ̇ ) biases. It is found that the blow-off transients at ideal (no bias) and biased conditions are similar with regard to the large-scale effects. Progress variable based flamelet generated manifolds (FGM), as well as transported species, are employed and contrasted. Both methods could reproduce the highly transient nature of blow-off, though the flamelet strategy underpredicts blow-off for some conditions. Using flame-resolved simulations, it is shown that the combustion regime near and during blow-off allows applying flamelet methods. However, the scatter of thermochemical states appears to require more than strain and enthalpy as manifold parameters. • Interacting flames in thin/broken reaction zone regime were investigated using LES. • LES was able to recover flame attachments influenced by reactant biases. • Adaptive Mesh Refinement was used to resolve the flame near blow-off. • Parameterising flames near blow-off remains an open question for modeling.
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 | 0,001 |
| 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