Evaluation of a RANS-based Computational Framework for Predicting Sooting Turbulent Jet Flames
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».