Large-eddy simulation of turbulent premixed hydrogen-air Bunsen flames using PCM-FPI combustion model
Notice bibliographique
Résumé
Hydrocarbon fueled combustion offers an effective pathway to reducing harmful green-house gas emissions associated with carbon dioxide. Nevertheless, diffusion effects are known to be important in turbulent premixed flames involving hydrogen as a fuel, and the ability to predict these effects accurately will be fundamental to arriving at effective numerical combustion models needed for hydrogen flames. For perfectly premixed flames, the further away from the preferential diffusion neutral condition with an equivalence ratio, ?, of ?=1.8, the stronger its effects. In addition, diffusive thermal effect, for which the neutral condition is located at around ? = 0.8 manifest their contribution too. In this study, Large Eddy Simulation (LES) of turbulent premixed hydrogen-air flames is considered using the so-called Presumed Conditional Moment Flame Prolongation of Intrinsic low-dimensional manifold (PCM FPI) combustion model for a number of flames around the neutral condition towards both the lean and rich limits. Premixed Bunsen type flames with equivalent ratios in the range 0.8 ? ? ? 3.57 and for Reynolds numbers of Re = 20,000 and 40,000 are examined and the LES predictions are compared to available experimental data from previous studies. The comparisons illustrate the mutual influence of turbulence and diffusion phenomena on the turbulent f lame structure, burning rate, and flame height. In the lean limit with unstable diffusion conditions, overprediction of flame height and underprediction of turbulent burning rate are observed. Furthermore, the contribution of the instabilities on flame wrinkling decreases with turbulence intensity leading to reductions in these predicted errors. The opposite is true in the rich limit.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».