CN107273693A - 一种碳氢燃料机理简化方法 - Google Patents

一种碳氢燃料机理简化方法 Download PDF

Info

Publication number
CN107273693A
CN107273693A CN201710478694.3A CN201710478694A CN107273693A CN 107273693 A CN107273693 A CN 107273693A CN 201710478694 A CN201710478694 A CN 201710478694A CN 107273693 A CN107273693 A CN 107273693A
Authority
CN
China
Prior art keywords
simplification
component
reaction
simplifying
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201710478694.3A
Other languages
English (en)
Inventor
肖干
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Science and Engineering WUSE
Original Assignee
Wuhan University of Science and Engineering WUSE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201710478694.3A priority Critical patent/CN107273693A/zh
Publication of CN107273693A publication Critical patent/CN107273693A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C99/00Subject matter not provided for in other groups of this subclass

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)

Abstract

本发明公开了一种碳氢燃料机理简化方法,包括以下步骤:步骤S1、采用基于误差传播的直接关系图法,从组分耦合的角度进行机理简化;步骤S2、主组分分析方法,从基元反应的角度进行机理简化;步骤S3、线性同分异构体集总法,从组分同分异构体的角度进行简化机理;步骤S4、采用步骤S1中的基于误差传播的直接关系图法,进一步简化机理;步骤S5、采用敏感性分析法,并且调校动力学参数值;从摄动因子的角度进行机理简化;本发明公开的碳氢燃料机理简化方法在维持机理较小规模尺寸的前提下,保证了机理计算精度的效果,同时基本实现了计算机自动机理简化的思想。

Description

一种碳氢燃料机理简化方法
技术领域
本发明涉及燃烧反应动力学领域,特别涉及一种碳氢燃料机理简化方法。
背景技术
随着计算机技术的发展,数值模拟方法已成为反应流分析的重要手段之一,极大地促进了燃烧理论、新型燃烧器和新燃料技术的发展。为了实现化学反应的精确定量预测,必须在反应流的数值模拟中引入详细的化学反应机理。详细化学反应机理由基元组分和包含基元组分的反应构成。随着含碳燃料中碳原子数的增加,详细化学反应机理中包含的组分数目和基元反应数目也随着快速增长,从而导致了数值模拟计算量的加大。为减小计算量,有效的方法之一是发展精确的机理简化方法。机理简化的目的在于去除详细化学反应机理中非重要组分,保留重要组分。机理尺寸越小,消耗的计算资源及计算时间越少,越有利于进行数值模拟计算。
碳氢燃料机理简化一直以来都是国际燃烧学界的热点研究领域之一,尤其在近二十年期间,伴随着计算机技术和详细反应机理的迅猛发展,获得了长足的进步和完善。简化的目的是为了获取合适尺寸的简化机理,方便与计算流体力学(CFD)模型进行多维耦合计算,加深对于反应机理中关键组分和骨干路径的理解深度,兼顾机理尺寸和机理精度之间的矛盾,计算时间和计算效率之间的矛盾,解决了使用详细反应机理时存在的机理规模过于庞大和计算“刚性”问题。不同于早期简化方法,严重依赖于研究者的主观判断和专业化学知识,人为经验的筛选组分和反应,组装成为简化机理,现阶段机理简化方法可概括为具有“理论化,自动化,可控化,高精度,宽范围”的特征。但由于目前机理简化的每一种方法,都是从某一个方面或角度来简化机理,具有一定的工况局限性和机理依赖性,因此现阶段该领域的研究者仍旧在不断发掘详细机理的本质难题,提高简化机理方法的速度,运用更加智能的优化或搜素算法,获取不依赖于人为经验的、高精度的简化机理,以探求燃烧过程的骨干反应路径过程。
发明内容
本发明的具体目的在于提供一种简单而又有效解决这些问题的碳氢燃料机理简化方法。
有鉴于此,本发明实施例提供一种碳氢燃料机理简化方法,包括以下步骤:
步骤S1、采用基于误差传播的直接关系图法,从组分耦合的角度,将原始详细机理简化为第一步中间简化机理;所述基于误差传播的直接关系图法为设定一个目标组分和阈值,通过搜索算法计算出所述原始详细机理里面的组分与所述目标组分之间的相互耦合关系值和总体耦合关系值,所述总体耦合关系值大于所述阈值的组分为所述第一步中间简化机理里面的组分;
步骤S2、主组分分析方法,从基元反应的角度,将所述第一步中间简化机理简化为第二步中间简化机理;所述主组分分析方法为构造一个速率敏感性系数矩阵,并设定矩阵特征值和特征向量,一个所述矩阵特征值对应多个所述特征向量,通过所述主组分分析方法筛选出一个矩阵特征值所对应的反应组中特征向量最大的值,所述特征向量最大的值对应的反应为所述第二步中间简化机理里面的基元反应;
步骤S3、线性同分异构体集总法,从组分同分异构体的角度,将所述第二步中间简化机理简化为第三步中间简化机理;所述线性同分异构体集总法为将具有相同的摩尔质量、相同热力学特性和输运参数的组分,合并为一个代表性组分;并且将所述第二步中间简化机理中互为同分异构体的组分所参与的基元反应合并为一条主干反应路径;
步骤S4、采用步骤S1中的基于误差传播的直接关系图法,将所述第三步中间简化机理简化为第四步中间简化机理;
步骤S5、采用敏感性分析法,并且调校动力学参数值;从摄动因子的角度,将所述第四步中间简化机理简化为最终简化机理;通过所述敏感性分析法去除所述第四步中间简化机理中敏感性系数低的反应;然后根据实验数据的变化趋势,调校3-5个敏感性系数最高的反应的动力学参数值,得到最终简化机理。
优选地,所述步骤S1中,所述原始详细机理里面的组分B与所述目标组分A之间的相互耦合关系值满足以下关系式:
其中,为第个基元反应的净反应速率,为组分A在第个基元反应中的化学计量系数,为总的基元反应数目,当第个基元反应包含组分B,则,否则为0。
优选地,所述步骤S1中设定有路径依赖性系数,所述路径依赖性系数和所述总体耦合关系值分别满足以下关系式:
其中,
优选地,所述步骤S1中,所述阈值是组分之间耦合系数的控制值。
优选地,所述步骤S1中,所述阈值的初值为1×10-5
优选地,所述步骤S2中,所述速率敏感性矩阵的元素满足以下公式:
其中,代表组分的净生成速率,为反应的动力学参数值,为第个基元反应的净反应速率,为组分在第个基元反应中的化学计量系数。
优选地,所述步骤S2中,设置有特征值和特征向量的2个阈值,所述阈值的初值为1×10-3
优选地,所述步骤S3中采用线性同分异构体集总法,按照同分异构体簇的统计平均质量分布,计算出所述第二步中间简化机理里的组分所占所述同分异构体簇的比例系数,通过所述比例系数修正集总后的总反应动力学参数值
其中,所述比例系数满足以下关系式:
式中,为组分的浓度,为组分所在同分异构体簇的浓度;
其中,集总后的总反应动力学参数值满足以下关系式:
式中,为反应的动力学参数值,为反应中组分的正反应化学计量系数。
优选地,所述步骤S5中,所述敏感性系数满足以下关系式:
其中,为所述原始详细机理的着火滞燃期,为原始详细机理中每一个基元反应动力学参数值翻十倍后的着火滞燃期。
本发明实施例提供的一种碳氢燃料机理简化方法具有以下积极有益效果:
1.鉴于单一机理简化方法的局限性,本发明从全方位多角度考虑,以基于误差传播的直接关系图法(DRGEP)为起点,结合主组分分析法、线性同分异构化集总、敏感性分析法,提出了一套新的系统化多级机理简化策略,该简化策略充分发挥了每一种简化方法的顶端优势,在不同机理简化阶段,最大程度的简化机理尺寸,以期获得满足精度要求的最小规模简化机理。
2.本机理简化策略摒弃了人为经验因素的干扰,保证每一步的简化过程都在可控误差精度的条件下进行,尽量实现计算机自动简化,以达到简化极限。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种碳氢燃料机理简化方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种碳氢燃料机理简化方法,图1是本发明实施例提供的一种碳氢燃料机理简化方法流程图,从图1可以看出,该机理简化方法包括以下步骤:
步骤S1、采用基于误差传播的直接关系图法(DRGEP),从组分耦合的角度,将原始详细机理简化为第一步中间简化机理;所述基于误差传播的直接关系图法为设定一个目标组分和阈值,通过搜索算法计算出所述原始详细机理里面的组分与所述目标组分之间的相互耦合关系值和总体耦合关系值,所述总体耦合关系值大于所述阈值的组分为所述第一步中间简化机理里面的组分;
步骤S2、主组分分析方法,从基元反应的角度,将所述第一步中间简化机理简化为第二步中间简化机理;所述主组分分析方法为构造一个速率敏感性系数矩阵,并设定矩阵特征值和特征向量,一个所述矩阵特征值对应多个所述特征向量,通过所述主组分分析方法筛选出一个矩阵特征值所对应的反应组中特征向量最大的值,所述特征向量最大的值对应的反应为所述第二步中间简化机理里面的基元反应;
步骤S3、线性同分异构体集总法,从组分同分异构体的角度,将所述第二步中间简化机理简化为第三步中间简化机理;所述线性同分异构体集总法为将具有相同的摩尔质量、相同热力学特性和输运参数的组分,合并为一个代表性组分;并且将所述第二步中间简化机理中互为同分异构体的组分所参与的基元反应合并为一条主干反应路径;
步骤S4、采用步骤S1中的基于误差传播的直接关系图法,将所述第三步中间简化机理简化为第四步中间简化机理;
步骤S5、采用敏感性分析法,并且调校动力学参数值;从摄动因子的角度,将所述第四步中间简化机理简化为最终简化机理;通过所述敏感性分析法去除所述第四步中间简化机理中敏感性系数低的反应;然后根据实验数据的变化趋势,调校3-5个敏感性系数最高的反应的动力学参数值,得到最终简化机理。
本发明实施例提供的一种碳氢燃料机理简化方法,鉴于单一机理简化方法的局限性,本发明从全方位多角度考虑,以基于误差传播的直接关系图法(DRGEP)为起点,结合主组分分析法、线性同分异构化集总、敏感性分析法,提出了一套新的系统化多级机理简化策略,该简化策略充分发挥了每一种简化方法的顶端优势,在不同机理简化阶段,最大程度的简化机理尺寸,以期获得满足精度要求的最小规模简化机理。本机理简化策略摒弃了人为经验因素的干扰,保证每一步的简化过程都在可控误差精度的条件下进行,尽量实现计算机自动简化,以达到简化极限。
本发明实施例提供的碳氢燃料机理简化方法,步骤S1中,所述原始详细机理里面的组分B与所述目标组分A之间的相互耦合关系值满足以下关系式:
其中,为第个基元反应的净反应速率,为组分A在第个基元反应中的化学计量系数,为总的基元反应数目,当第个基元反应包含组分B,则,否则为0。
步骤S1中设定有路径依赖性系数,所述路径依赖性系数和所述总体耦合关系值分别满足以下关系式:
其中,
在步骤S1中,所述阈值是组分之间耦合系数的控制值。在简化过程中,首先确定目标组分A,再以组分A为起点遍布详细机理中所有其他组分B,编织一张复杂的组分之间关系网图;接着判断任意组分与目标组分之间的关系值,大于阈值的,保留该组分,小于阈值的,移除该组分,从而形成第一步中间简化机理。阈值按照对数规律递增,通过不断增大阈值,进一步简化机理尺寸,直到超过预先设定的误差精度范围之外。阈值初值一般设定为1×10-5。步骤S1中,DRGEP方法具有快速高效性的特点,现应用于多级机理简化方法的第一步,可以直接移除大规模冗余组分和反应,简化效果显著,同时可以保证相应的机理预测精度。
本发明实施例提供的碳氢燃料机理简化方法,步骤S2中,速率敏感性矩阵的元素满足以下公式:
其中,代表组分的净生成速率,为反应的动力学参数值,为第个基元反应的净反应速率,为组分在第个基元反应中的化学计量系数。
在步骤S2的机理简化过程中,分别定义特征值和特征向量的2个阈值,通过不断的提高阈值,反复进行机理简化,直到达到预先设定的误差精度范围之内。阈值初值一般设定为1×10-3
本发明实施例提供的碳氢燃料机理简化方法,步骤S2中,主组分分析法适用于冗余反应的移除,可有效移除大量非重要基元反应,在第二步机理简化过程中,起到良好的简化效果,尤其对于反应的移除效果明显。
本发明实施例提供的碳氢燃料机理简化方法,所述步骤S3中采用线性同分异构体集总法,按照同分异构体簇的统计平均质量分布,计算出所述第二步中间简化机理里的组分所占所述同分异构体簇的比例系数,通过所述比例系数修正集总后的总反应动力学参数值
其中,所述比例系数满足以下关系式:
式中,为组分的浓度,为组分所在同分异构体簇的浓度;
其中,集总后的总反应动力学参数值满足以下关系式:
式中,为反应的动力学参数值,为反应中组分的正反应化学计量系数。
在步骤S3的机理简化过程中,任意两个同分异构体组分只要存在强烈的线性关系,即可划分一个群簇,以达到最大的集总处理能力而不破坏详细机理的层级拓展性。
本发明实施例提供的碳氢燃料机理简化方法,步骤S3的实施方式还可以为,所述线性同分异构体集总法可以将具有相同的摩尔质量、相近热力学特性和输运参数的组分,合并为一个代表性组分。
本发明实施例提供的碳氢燃料机理简化方法,步骤S3中,线性同分异构体集总法,结合了原始详细机理中出现的大量同分异构体,可有效减小机理规模的同时,保持机理固有的层级拓展性。
本发明实施例提供的碳氢燃料机理简化方法,所述步骤S4,为重复步骤S1的方法,由于经过前三步的机理简化,组分之间耦合关系发生急剧的变化,又衍生出一批冗余组分和反应,故重复采用步骤S1 。
本发明实施例提供的碳氢燃料机理简化方法,在步骤S5中,敏感性分析方法就是在给定的温度、压力等条件下,考察各化学反应中每一个反应动力学参数值的微小变化所引起的系统特征量(如组分、温度或反应率)的变化,其值即称为敏感度。在步骤S5中,敏感性分析方法为,从摄动因子的角度出发,将每一个基元反应动力学参数值翻10倍,计算着火滞燃期的响应程度,即滞燃期敏感性系数满足以下关系式:
其中,为所述原始详细机理的着火滞燃期,为原始详细机理中每一个基元反应动力学参数翻十倍后的着火滞燃期。然后,将敏感性系数按照从大至小的顺序排列,保留敏感性系数大的基元反应,移除敏感性系数小的基元反应,从而形成简化机理。接着,调校敏感度最大的3~5个基元反应动力学参数值,使其更好的吻合实验数据。
本发明实施例提供的碳氢燃料机理简化方法,步骤S5中,敏感性分析方法,直观有效的评估了每一个基元反应的敏感度或重要性,从而去除影响较小的反应及组分,在机理简化后期,起到了显著的简化效果。
本发明实施例提供的碳氢燃料机理简化方法,将上述4种机理简化方法进行有效的排列组合使用,在机理不同简化阶段,运用不同的机理简化方法,发挥该方法的特色及优势,能够起到最佳的机理简化效果,达到机理简化的极限尺寸,同时维持高精度的机理预测能力,满足用户的使用需求。
本发明实施例提供的碳氢燃料机理简化方法,其实施方式还可以为,对汽油多组分详细反应机理进行简化的结果如下:汽油详细机理包含1395个组分,5935个反应,第一步,运用基于误差传播的直接关系图法,简化后为509组分和2625个反应;第二步,运用主组分分析法,简化后为489组分和1971个反应;第三步,运用线性同分异构体集总法,简化后为427组分和1613反应;第四步,再次运用基于误差传播的直接关系图法,简化后为355组分和1179反应;第五步,运用敏感性分析法,简化后为139组分和404反应。最终的简化机理中,组分和反应简化程度均达到了90%以上,同时能保证良好的机理预测能力,满足初始设定的误差精度要求。本发明实施例提出的机理简化策略,即包含4种方法和5个简化步骤的机理简化方法,是经过大量简化实例验证的,每一种方法的使用顺序,充分结合了机理简化过程的特点,考虑了每一个简化阶段的机理特征,故得出了上述简化顺序,基于误差传播的直接关系图法,主组分分析法、线性同分异构化集总、再次基于误差传播的直接关系图法,敏感性分析法,从而发挥了每一种简化方法的优势,达到了机理简化的极限尺寸。
本发明实施例提供的碳氢燃料机理简化方法,从步骤S1到步骤S5,由于上述每一种方法,都是从某一个方面或角度来简化机理,具有一定的工况局限性和机理依赖性,因此,为了达到简化机理的极限,本发明专利提出了多级系统化机理简化策略,将不同特点和类型的简化方法,有机的结合起来,分阶段顺序简化详细机理,每一个简化阶段尽可能发挥某种方法的顶端优势,方法之间兼容性也较好,最终生成适用于CFD耦合计算的简化机理模型。
以上对本发明实施例所提供的一种碳氢燃料机理简化方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (9)

1.在一种碳氢燃料机理简化方法,包括以下步骤:
步骤S1、采用基于误差传播的直接关系图法,从组分耦合的角度,将原始详细机理简化为第一步中间简化机理;所述基于误差传播的直接关系图法为设定一个目标组分和阈值,通过搜索算法计算出所述原始详细机理里面的组分与所述目标组分之间的相互耦合关系值和总体耦合关系值,所述总体耦合关系值大于所述阈值的组分为所述第一步中间简化机理里面的组分;
步骤S2、主组分分析方法,从基元反应的角度,将所述第一步中间简化机理简化为第二步中间简化机理;所述主组分分析方法为构造一个速率敏感性系数矩阵,并求解矩阵特征值和特征向量,一个所述矩阵特征值对应多个所述特征向量,通过所述主组分分析方法筛选出一个矩阵特征值所对应的反应组中特征向量最大的值,所述特征向量最大的值对应的反应为所述第二步中间简化机理里面的基元反应;
步骤S3、线性同分异构体集总法,从组分同分异构体的角度,将所述第二步中间简化机理简化为第三步中间简化机理;所述线性同分异构体集总法为将具有相同的摩尔质量、相同热力学特性和输运参数的组分,合并为一个代表性组分;并且将所述第二步中间简化机理中互为同分异构体的组分所参与的基元反应合并为一条主干反应路径;
步骤S4、采用步骤S1中的基于误差传播的直接关系图法,将所述第三步中间简化机理简化为第四步中间简化机理;
步骤S5、采用敏感性分析法,并且调校动力学参数值;从摄动因子的角度,将所述第四步中间简化机理简化为最终简化机理;通过所述敏感性分析法去除所述第四步中间简化机理中敏感性系数低的反应;然后根据实验数据的变化趋势,调校3-5个敏感性系数最高的反应的动力学参数值,得到最终简化机理。
2.根据权利要求1所述的机理简化方法,其特征在于,所述步骤S1中,所述原始详细机理里面的组分B与所述目标组分A之间的相互耦合关系值满足以下关系式:
其中,为第个基元反应的净反应速率,为组分A在第个基元反应中
的化学计量系数,为总的基元反应数目,当第个基元反应包含组分B,则,否则为0。
3.根据权利要求2所述的机理简化方法,其特征在于,所述步骤S1中设定有路径依赖性系数,所述路径依赖性系数和所述总体耦合关系值分别满足以下关系式:
其中,
4.根据权利要求3所述的机理简化方法,其特征在于,所述步骤S1中,所述阈值是组分之间耦合系数的控制值。
5.根据权利要求4所述的机理简化方法,其特征在于,所述步骤S1中,所述阈值的初值为1×10-5
6.根据权利要求1所述的机理简化方法,其特征在于,所述步骤S2中,所述速率敏感性矩阵的元素满足以下公式:
其中,代表组分的净生成速率,为反应的动力学参数值,为第个基元反应的净反应速率,为组分在第个基元反应中的化学计量系数。
7.根据权利要求6所述的机理简化方法,其特征在于,所述步骤S2中,设置有特征值和特征向量的2个阈值,所述阈值的初值为1×10-3
8.根据权利要求1所述的机理简化方法,其特征在于,所述步骤S3中采用线性同分异构体集总法,按照同分异构体簇的统计平均质量分布,计算出所述第二步中间简化机理里的组分所占所述同分异构体簇的比例系数,通过所述比例系数修正集总后的总反应动力学参数值
其中,所述比例系数满足以下关系式:
式中,为组分的浓度,为组分所在同分异构体簇的浓度;
其中,集总后的总反应动力学参数值满足以下关系式:
式中,为反应的动力学参数值,为反应中组分的正反应化学计量系数。
9.根据权利要求1所述的机理简化方法,其特征在于,所述步骤S5中,所述敏感性系数满足以下关系式:
其中,为所述原始详细机理的着火滞燃期,为原始详细机理中每一个基元反应动力学参数值翻十倍后的着火滞燃期。
CN201710478694.3A 2017-06-22 2017-06-22 一种碳氢燃料机理简化方法 Withdrawn CN107273693A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710478694.3A CN107273693A (zh) 2017-06-22 2017-06-22 一种碳氢燃料机理简化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710478694.3A CN107273693A (zh) 2017-06-22 2017-06-22 一种碳氢燃料机理简化方法

Publications (1)

Publication Number Publication Date
CN107273693A true CN107273693A (zh) 2017-10-20

Family

ID=60068199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710478694.3A Withdrawn CN107273693A (zh) 2017-06-22 2017-06-22 一种碳氢燃料机理简化方法

Country Status (1)

Country Link
CN (1) CN107273693A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944207A (zh) * 2017-10-31 2018-04-20 南京航空航天大学 Rp‑3航空煤油替代燃料简化反应模型计算方法
CN109767815A (zh) * 2018-12-25 2019-05-17 哈尔滨工业大学 基于速率不确定性下的燃烧反应机理简化的方法
CN110069856A (zh) * 2019-04-22 2019-07-30 上海交通大学 基于自适应反应机理的cfd系统及实现方法
CN111276192A (zh) * 2020-01-15 2020-06-12 江苏科技大学 一种详细化学反应机理的简化方法
CN111849567A (zh) * 2020-07-16 2020-10-30 江苏大学 一种构建汽油替代燃料模型及机理简化的方法
CN112489734A (zh) * 2020-11-30 2021-03-12 江苏科技大学 一种内燃机替代燃料二甲醚燃烧反应机理模型的简化方法
CN114171128A (zh) * 2021-12-14 2022-03-11 西安交通大学 一种碳氢燃料深度裂解模型简化方法
CN115798617A (zh) * 2022-10-26 2023-03-14 北京理工大学 一种宽域石油馏分通用表征燃料模型构建及机理简化方法
CN116798531A (zh) * 2023-06-29 2023-09-22 西南科技大学 一种基于融合算法的超声速燃烧室碳氢燃料机理简化方法
WO2024192875A1 (zh) * 2023-03-17 2024-09-26 江苏科技大学 一种甲醇/生物柴油混合燃料详细机理的构建与简化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104461688A (zh) * 2014-11-27 2015-03-25 中国矿业大学 一种详细燃烧化学反应机理骨架简化的方法
CN104850756A (zh) * 2015-06-03 2015-08-19 重庆大学 一种结合多代路径通量分析与敏感性分析的机理简化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104461688A (zh) * 2014-11-27 2015-03-25 中国矿业大学 一种详细燃烧化学反应机理骨架简化的方法
CN104850756A (zh) * 2015-06-03 2015-08-19 重庆大学 一种结合多代路径通量分析与敏感性分析的机理简化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
P. PEPIOT-DESJARDINS等: "An automatic chemical lumping method for the reduction of large chemical kinetic mechanisms", 《COMBUSTION THEORY AND MODELLING》 *
肖干: "多组分石油基表征燃料反应机理模型及其应用研究", 《万方学位论文数据库》 *
肖干等: "DRGEP联合PCA方法的详细机理自动简化", 《内燃机工程》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944207A (zh) * 2017-10-31 2018-04-20 南京航空航天大学 Rp‑3航空煤油替代燃料简化反应模型计算方法
CN109767815A (zh) * 2018-12-25 2019-05-17 哈尔滨工业大学 基于速率不确定性下的燃烧反应机理简化的方法
CN109767815B (zh) * 2018-12-25 2023-01-24 哈尔滨工业大学 基于速率不确定性下的燃烧反应机理简化的方法
CN110069856A (zh) * 2019-04-22 2019-07-30 上海交通大学 基于自适应反应机理的cfd系统及实现方法
CN111276192A (zh) * 2020-01-15 2020-06-12 江苏科技大学 一种详细化学反应机理的简化方法
CN111849567A (zh) * 2020-07-16 2020-10-30 江苏大学 一种构建汽油替代燃料模型及机理简化的方法
CN112489734B (zh) * 2020-11-30 2024-03-15 江苏科技大学 一种内燃机替代燃料二甲醚燃烧反应机理模型的简化方法
CN112489734A (zh) * 2020-11-30 2021-03-12 江苏科技大学 一种内燃机替代燃料二甲醚燃烧反应机理模型的简化方法
CN114171128A (zh) * 2021-12-14 2022-03-11 西安交通大学 一种碳氢燃料深度裂解模型简化方法
CN114171128B (zh) * 2021-12-14 2024-02-02 西安交通大学 一种碳氢燃料深度裂解模型简化方法
CN115798617A (zh) * 2022-10-26 2023-03-14 北京理工大学 一种宽域石油馏分通用表征燃料模型构建及机理简化方法
CN115798617B (zh) * 2022-10-26 2024-05-03 北京理工大学 一种宽域石油馏分通用表征燃料模型构建及机理简化方法
WO2024192875A1 (zh) * 2023-03-17 2024-09-26 江苏科技大学 一种甲醇/生物柴油混合燃料详细机理的构建与简化方法
CN116798531A (zh) * 2023-06-29 2023-09-22 西南科技大学 一种基于融合算法的超声速燃烧室碳氢燃料机理简化方法
CN116798531B (zh) * 2023-06-29 2024-03-22 西南科技大学 一种基于融合算法的超声速燃烧室碳氢燃料机理简化方法

Similar Documents

Publication Publication Date Title
CN107273693A (zh) 一种碳氢燃料机理简化方法
WO2020119318A1 (zh) 一种自适应卷积层硬件加速器设计方法
CN109871977A (zh) 基于离散小波变换和优化最小支持向量机的负荷预测方法
CN109948847B (zh) 一种基于多目标进化算法的水库群调度方法
CN110533183A (zh) 一种流水线分布式深度学习中异构网络感知的模型划分与任务放置方法
WO2022206265A1 (zh) 一种基于深度强化学习的水文预报模型参数率定方法
CN108710970B (zh) 一种巨型梯级水电系统的多目标调度并行降维方法
CN105573123B (zh) 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法
CN111143983A (zh) 基于改进水循环算法的稀布天线阵列低副瓣综合优化方法
CN111985845A (zh) 一种异构Spark集群的节点优先级调优方法
CN111914382B (zh) 一种基于代理模型的常减压装置的约束进化优化方法
Bessho et al. Fixation and effective size in a haploid–diploid population with asexual reproduction
CN113554216A (zh) 一种Kfold-LSTM混合变异寻优高分子混合制造多目标优化方法
CN106647242A (zh) 一种多变量pid控制器参数整定方法
CN109543263B (zh) 一种集成化常压精馏过程代理模型的建立方法
CN109472320B (zh) 不确定条件下作物生育期模型品种参数自动校正方法
CN104537224B (zh) 基于自适应学习算法的多状态系统可靠性分析方法及系统
CN109117545B (zh) 基于神经网络的天线快速设计方法
CN110442027A (zh) 一种gap多模型加权函数参数自整定方法
WO2023097661A1 (zh) 基于生成对抗网络的大数据系统资源配置参数调优方法
CN113394807B (zh) 清洁能源互补基地装机配比的优化方法和装置
CN115206448A (zh) 一种基于ann模型的化学反应动力学计算方法
CN109388062B (zh) 一种基于系统分解指标的全局协调分布式预测控制算法
CN114722490A (zh) 一种基于混合增点与区间缩减的代理模型全局优化方法
Osodo et al. Optimum Air Velocity, Air Temperature and Maize Layer Thickness for Highest Moisture Removal Rate and Drying Efficiency in a Forced Convection Grain Dryer

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20171020

WW01 Invention patent application withdrawn after publication