0D/1D combustion modeling for the combustion systems optimization of spark ignition engines - Modelisation Systemes Langages Accéder directement au contenu
Thèse Année : 2015

0D/1D combustion modeling for the combustion systems optimization of spark ignition engines

Modélisation 0D/1D de la combustion pour l’optimisation des systèmes de combustion des moteurs à allumage commandé

Résumé

Nowadays, the design of Spark Ignition internal combustion engines is focused on the reduction of fuel consumption and low pollutant emissions, while conserving an adequate output power. The high cost of experimental testing comes in favor of the use of numerical simulations for the assessment of engine technologies. Phenomenological Zero-Dimensional combustion models allow evaluating various technical concepts since they take into account various aspects of spark ignition combustion such as chamber geometry, laminar flame characteristics (thickness and speed) and the impact of turbulence. Such models also calculate species concentration of the exhaust gases. In order to create a zero-dimensional combustion model, which can be able to describe correctly the physics of combustion, the key aspects of laminar and turbulent premixed combustion are identified. Three versions of typical combustion models are compared in terms of physical description of the combustion process. The result of this comparison indicated the most physically pertinent mod-el (the Flame Surface Density model). This model is retained and is enhanced with physical modeling of the several phenomena, which affect the heat release rate. Those phenomena are the wall-flame interaction, post-flame reactions and flame stretch. Finally, the proposed model is validated for several engine configurations. Each configuration has an impact on a specific engine parameter. This analysis shows which are the confidence intervals and the limitations of the proposed model.
De nos jours, la conception de moteurs à combustion interne à allumage commandé exige une consommation de carburant réduite et des émissions polluantes faibles, tout en conservant une performance adéquate. Le coût élevé des essais expérimentaux vient en faveur de l'utilisation de la simulation numérique pour l'évaluation de nouvelles définitions techniques. La modélisation phénoménologique zéro-dimensionnelle de combustion permet d'évaluer les différentes définitions techniques en tenant compte de différents aspects de de la combustion à allumage commandé comme la géométrie, la flamme laminaire et l'impact de la turbulence. Ces modèles calculent également la concentration des espèces de gaz d'échappement. Afin de créer un modèle de combustion, qui pourra décrire la physique de la combustion, les aspects principaux de la combustion pré-mélangée laminaire et turbulent sont identifiés. Trois versions de modèles de combustion typiques sont comparées en termes de description physique du processus de combustion. Le résultat de cette comparaison a indiqué le modèle le plus pertinent (le modèle de densité de surface de flamme). Ce modèle est retenu et il est complété avec la modélisation physique des plusieurs phénomènes qui affectent le taux de dégagement de chaleur. Ces phénomènes sont l’interaction flamme-paroi, les réactions post flamme et l’étirement de flamme. Enfin, le modèle proposé est validé pour plusieurs configurations techniques. Chaque configuration a un impact sur un paramètre spécifique de moteur. Cette analyse montre quels sont les intervalles de confiance et les limitations du modèle proposé.
Fichier principal
Vignette du fichier
sokratis_demesoukas_3886.pdf (12.82 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02902187 , version 1 (18-07-2020)

Identifiants

  • HAL Id : tel-02902187 , version 1

Citer

Sokratis Demesoukas. 0D/1D combustion modeling for the combustion systems optimization of spark ignition engines. Other. Université d'Orléans, 2015. English. ⟨NNT : 2015ORLE2024⟩. ⟨tel-02902187⟩
218 Consultations
1214 Téléchargements

Partager

Gmail Facebook X LinkedIn More