超临界泰勒-格林流中LOX/GCH4火焰-涡旋相互作用的详细模拟与机器学习应用
流体动力学
2023-12-11 v1
摘要
对超临界反应流进行准确且计算成本可负担的模拟，对于开发液体火箭、重型动力系统和下一代燃气轮机的先进发动机系统具有重要的实际意义。在这项工作中，我们展示了超临界条件下液氧/气态甲烷（LOX/GCH4）火焰-涡旋相互作用的详细数值模拟。我们修改了嵌入扩散火焰的三维泰勒-格林涡（TGV）这一公认的基准构型，以用于真实流体模拟。研究了理想气体和Peng-Robinson（PR）立方型状态方程，以揭示真实流体效应对TGV演化和火焰-涡旋相互作用的影响。结果表明，与理想气体相比，真实气体固有的巨大密度梯度加剧了火焰的拉伸和猝熄。此外，为了降低与真实流体热物理性质计算相关的计算成本，我们开发了一种基于深度神经网络（DNNs）的机器学习策略，并使用三维反应性TGV对其进行了评估。DNN实现了总体良好的预测精度，同时计算速度比传统方法提高了13倍。本研究揭示的超临界条件下火焰-涡旋相互作用所涉及的深刻物理机制，为未来相关研究提供了基准，而所提出的机器学习建模方法有望用于超临界燃烧的实际高保真模拟。
引用
@article{arxiv.2312.04830,
title = {Detailed simulation of LOX/GCH4 flame-vortex interaction in supercritical Taylor-Green flows with machine learning},
author = {Jiayang Xu and Yifan Xu and Zifeng Weng and Yuqing Cai and Runze Mao and Ruixin Yang and Zhi X. Chen},
journal= {arXiv preprint arXiv:2312.04830},
year = {2023}
}