Modélisation 0D/1D des émissions de particules de suie dans les turbines à gaz aéronautiques
Bibliographic record
Abstract
Face à une réglementation de plus en plus exigeante sur les émissions de particules d’aéronef à laquelle s’ajoutent des incertitudes entourant leur formation et leurs effets sur l’atmosphère, une meilleure compréhension de leurs mécanismes physico-chimiques et de leurs interactions avec les composantes des moteurs s’impose. \n \nCe mémoire porte sur le développement d’un modèle 0D/1D de combustion avec production de suies dans une turbine à gaz aéronautique. Un des objectifs majeurs de cette étude a été d’évaluer la qualité des prédictions en matière d’émissions de suies obtenues avec ce modèle pour différentes configurations de vol. Ce dernier devrait permettre à terme la réalisation d’études paramétriques sur des moteurs existants ou futurs avec un temps de calcul minimal. \n \nLe modèle représente plusieurs zones de la chambre de combustion et des modules turbines et tuyère par un réseau de réacteurs chimiques (CRN) couplé à une cinétique détaillée de combustion du kérosène et à un modèle dynamique de formation des particules de suie utilisant la méthode des moments. Ce CRN a été appliqué au moteur CFM56-2C1 sur les configurations de vol du cycle LTO (Landing-Take-Off) étudiées dans la campagne expérimentale sur les émissions de particules aéronautiques APEX-1. Le modèle a été validé principalement sur les données thermodynamiques du moteur et les concentrations de polluants (H2O, COX, NOX, SOX) mesurées dans cette même étude. Cette première étape de validation opérée, le modèle a par la suite été utilisé pour le calcul du diamètre moyen ainsi que les indices d’émissions massiques et en nombre de la population de particules. \n \nGlobalement, le modèle est représentatif des conditions thermodynamiques au sein du moteur et parvient à prédire les émissions de polluants majeurs, particulièrement à forte puissance moteur. Concernant les émissions de particules de suie, la capacité du modèle à prédire simultanément les indices d’émissions et le diamètre moyen n’a pu être validée que partiellement. En effet, les indices d’émissions massiques restent supérieurs aux résultats expérimentaux notamment à forte puissance. Ces écarts sur cet indice d’émissions peuvent être la conséquence d’incertitudes sur les paramètres thermodynamiques du CRN et sur la distribution de l’air dans la chambre de combustion. L’analyse de l’évolution de l’indice d’émissions en nombre de particules le long du CRN a également souligné la nécessité de revoir le modèle de nucléation employé et d’envisager à l’avenir l’implantation d’un mécanisme d’agrégation des particules.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".