Effect of Flow Speed and Turbulence on Methane Combustion in a Rapid Compression Machine
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Recent experimental work from the authors’ laboratory demonstrated that applying a boosted current ignition strategy under intensified flow conditions can significantly reduce combustion duration in a rapid compression machine (RCM). However, that study relied on spark anemometry, which provided only localized flow speed estimates and lacked full spatial resolution of velocity and turbulence near the spark gap. Additionally, the influence of turbulence on combustion behavior and performance across varying flow speeds and excess air ratios using a conventional transistor-controlled ignition (TCI) system was not thoroughly analyzed. In this study, non-reactive CFD simulations were used to estimate local flow and turbulent velocities near the spark gap for piston speeds ranging from 1.2 to 9.7 m/s. Simulated local velocities ranged from 0.7 to 96 m/s and were used to interpret experimentally observed combustion behavior under three excess air ratios (λ = 1.0, 1.4, and 1.6). Combustion was analyzed using pressure-based normalized cumulative heat release (NCHR) durations and high-speed shadowgraph imaging. At stoichiometric conditions (λ = 1.0), combustion duration decreased by over 70% with increasing flow speed, with optimal behavior observed between 33 and 72 m/s. At 96 m/s, durations increased again due to early spark kernel displacement and greater convective losses. For λ = 1.4, the shortest durations occurred near 23 m/s, corresponding to an 87% reduction in flame initiation time. At higher flow speeds, ignition consistency declined, with complete misfires at 72 m/s. For ultra-lean mixtures (λ = 1.6), stable combustion was only observed at low flow speeds (≤ 9 m/s); beyond this, ignition failed entirely due to heat loss and limited mixture reactivity. Shadowgraph imaging confirmed that larger, faster-growing flame kernels formed at optimal flow speeds, correlating with shorter combustion durations and higher peak pressures. At excessive flow intensities, however, early flame kernel disruption and elevated convective losses led to slower combustion or complete misfire.</div></div>
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».