Modeling the Regression Rates of Protrusion-and-Lattice Hybrid Rocket Fuel Grains
Notice bibliographique
Résumé
Hybrid rockets based on neat paraffin fuel grains often suffer from poor combustion efficiency due to fuel sloughing and propellant stratification. Fuel sloughing occurs when unburned fuel fragments detach because of the weak mechanical properties of paraffin, reducing thrust and risking motor failure. Embedding lattice structures within the fuel grain enhances structural integrity and mitigates sloughing. Stratification refers to the layering of fuel-rich and oxidizer-rich zones, resulting from the diffusion flame formed at the interface between the solid fuel and gaseous oxidizer that leads to incomplete combustion. To address this, prior studies have introduced passive mixing devices, such as protrusions, to enhance turbulent mixing and combustion efficiency. The first objective of this study is to develop a one-dimensional analytical model that predicts the regression rates of protrusion-and-lattice-augmented fuel grains, accounting for enhanced convective heat transfer induced by protrusions. The second objective is to evaluate the effect of lattice volume fraction on regression rates for values ranging from 5% to 25% and compare predictions with experimental data. Results indicate that increasing lattice volume fraction reduces regression rates, and the model accurately captures this trend, matching experimental data within the error margin for lattice volume fractions up to 10%.
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 | 0,000 |
| 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 ».