مطالعه عددی و مقایسه مدل های احتراق در پیش گویی دمای محفظه احتراقاستوان های با سوخت مایع
Publish place: 12th Conference of Fluid Dynamics
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,545
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CFD12_242
تاریخ نمایه سازی: 18 خرداد 1388
Abstract:
در این مقاله نتایج عددی شبیه سازی دمای داخل محفظه احتراق استوانه ای با سوخت مایع توسط دو مدل احتراقی مگنسن و آرنیوس در ترکیب با سه مدل آشفتگی تنش جبری (ASM) ، استاندارد و RNG k-ε بررسی شده و با مقادیر آزمایشگاهی مورد مقایسه قرار گرفته است. بررسی نتایج پروفیل شعاعی دما حاصل از ترکیب مدل احتراقی مگنسن با مدلهای توربولانس نشان می دهد که تلفیق مگنسن با RNG k-ε نتایج بهتری را برای دمای محفظه احتراق در مقایسه با اطلاعات آزمایشگاهی ارائه می دهد. پیشگویی میدان شعاعی دما توسط مدل احتراقی آرنیوس در ترکیب با مدلهای آشفتگی مذکور نشان می دهد که مدل تنش جبری در فواصل نزدیک به دیواره نتایجی نزدیک به مقادیر آزمایشگاهی و بسیار دقیق تر از مدل احتراقی مگنسن ارائه نموده است. همچنین این نتایج حاکی است که در نقاط مرکزی و نزدیک به محور تقارن دو مدل k-ε استاندارد و RNG k-ε از لحاظ محدوده دما نتایج بهتر و نمودارهای آنها خط سیر نزدیکتری را نسبت به مدل ASM در مقایسه با نتایج آزمایشگاهی نشان می دهند. مقایسه میدان دمای حاصل از دو مدل احتراقی مگنسن و آرنیوس در امتداد محور تقارن نشان می دهند که دو مدل احتراقی مذکور در امتداد محوری نتایج مشابهی را ارائه می کنند. با پایین آوردن عدد چرخش منحنی های دمای حاصل از دو مدل احتراقی از لحاظ مقدار از هم دورتر می شوند ولی انحناء و سیر نمودار دو مدل احتراق مذکور به یکدیگر مشابه تر می گردند.
Keywords:
Authors
میثم بابابیک
دانشجوی کارشناسی ارشد مهندسی مکانیک دانشگاه فردوسی مشهد
علی سعیدی
دانشجوی دکتری مهندسی مکانیک دانشگاه فردوسی مشهد
محمد مقیمان
استاد گروه مهندسی مکانیک دانشگاه فردوسی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :