Sensitivity Analysis of Phase Change Modeling for Non-Ideal Fluids in Turbomachinery Applications
Notice bibliographique
Résumé
Abstract Investigating phase change phenomena with numerical methods reveals a strong dependence on the selected model equations. The phase change from gas to liquid, or condensation, is primarily governed by nucleation and droplet growth. Numerous model equations for both processes exist in the literature, typically based on the law of ideal gases and empirical factors historically fitted for water. Despite this fluid-specific calibration, results show significant model sensitivity even for water. This effect increases for other fluids, such as CO2, which exhibit strong nonideal thermophysical properties. To enable reliable modeling for such fluids, it is essential to first identify which model parameters exert dominant influence. This study contributes by systematically varying model approaches and parameters. For both water and CO2, a test case of supersonic flow through a Laval nozzle is considered. The sensitivity study examines variations in the calculation of the critical energy barrier for nucleation, droplet growth rate, and type of modeling the droplet size distribution. A comparison of two fundamentally different numerical schemes further distinguishes the influence of physical modeling from that of numerical variability. Results for CO2 show a sensitivity to droplet size distribution modeling comparable to water, but with a broader spread for phase change modeling due to fluid nonidealities. These findings support a systematic uncertainty estimate for phase change modeling in turbomachinery operated with CO2 and point to the need for experimental validation of condensation models in nonideal fluids.
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 ».