Development and validation of a two-phase computational model for an alternative fire suppression agent
Bibliographic record
Abstract
[ES] Halon1301 se ha utilizado como agente de extinción de incendios en sistemas activos de extinción de incendios en motores de aviones, APU (Unidad de potencia auxiliar) y protección contra incendios de carga durante más de 50 años. En 1987, una investigación realizada por el Protocolo de Montreal muestra que Halon está dañando el medio ambiente debido a sus propiedades que agotan el ozono. Por lo tanto, el uso de gases de halón ha sido prohibido en la industria por el protocolo de Montreal (1994) y Kyoto (1998). Por lo tanto, es el reemplazo de gases de halón lo que es más ecológico. Entre estas alternativas, Novec-1230 es una alternativa sostenible que funciona de manera rápida, limpia y eficiente. El sistema de extinción de incendios requiere que se diluya una concentración específica del agente de extinción de incendios (4-6% para Novec-1230 y 5% para Halon) en el aire para extinguir el fuego. El problema de cambiar la fase de la niebla rápidamente despresurizada de un sistema de extinción de incendios es un tema de gran interés debido al efecto del modelado de estos fenómenos en una simulación exitosa para diseñar estas modificaciones. Debido a la gran diferencia de presiones entre el recipiente y el ambiente, se espera que la descarga a través de la boquilla sea crítica. En este informe, se utilizan dos agentes de supresión de incendios alternativos diferentes y dos boquillas: agua y Novec1230. El objetivo principal de este proyecto es desarrollar un nuevo modelo de subcuadrícula para un U-RANS CFD Euleriano-Euleriano de dos fases que pueda usarse para reducir el costo computacional y aumentar la precisión de los enfoques tradicionales basados en Eulerian-Lagrangian. Estos dos enfoques se realizan con el software comercial CFD (ANSYS Fluent). Como validación, los rendimientos de pulverización como la forma de pulverización, el ángulo del cono de pulverización se comparan con los resultados experimentales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".