MétaCan
Menu
Retour à la cohorte
Enregistrement W7132997344

Evaluation of a RANS-based Computational Framework for Predicting Sooting Turbulent Jet Flames

2023· dissertation· W7132997344 sur OpenAlexfundno aff
Jamie David Sammon

Notice bibliographique

RevueTSpace · 2023
Typedissertation
Langue
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoCompute Canada
Mots-clésSootTurbulenceLaminar flowJet (fluid)CombustionRayleigh scatteringComputational fluid dynamicsRadiative transfer
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A Reynolds-averaged Navier-Stokes (RANS)-based computational framework for predicting soot formation in turbulent flames using the commercial computational fluid dynamics (CFD) software, Ansys Fluent, is evaluated for two experimental turbulent, non-premixed, sooting jet flames. The computational framework includes modelling for turbulent combustion through the Steady Laminar Flamelet Model (SLFM) and Flame-Prolongation of Intrinsic Low-Dimensional Manifold (FPI) tabulated chemistry approaches coupled to a presumed conditional moment (PCM) method. Modelling of soot is treated via a semi-empirical two-equation model for the transport of soot mass fraction and number density with reaction mechanisms governing soot inception, surface growth, coagulation, and oxidation. Radiative heat transfer is modelled via three strategies: (i) the optically thin approximation (OTA), the P1 spherical harmonics closure, and (iii) the discrete ordinates method (DOM). Non-gray radiation is treated via the Statistical Narrow Band Correlated-κ (SNBCK) method for evaluation of the gas phase absorption coefficients and soot absorption is estimated using Rayleigh scattering theory. Turbulence-radiation interaction (TRI) is evaluated from tabulated thermochemical quantities for the emission TRI, whereas absorption TRI is treated via the optically thin fluctuation approximation (OTFA). Results for the proposed framework were evaluated for three commonly-used two-equation turbulence models: the 1998 and Shear Stress Transport (SST) k-ω models, and the standard k- model with some tuning of model constants applied. The capabilities of the proposed framework to predict temperature, soot volume fraction, axial velocity, fuel mass fraction, and normalized OH concentration is assessed via comparisons to experimental data. A discussion of the relative capabilities to other modelling options is also provided.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,363
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetCombustion and flame dynamicsTravaux en français237 207