Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection

Permanent URI for this collectionhttps://hdl.handle.net/11147/7148

Browse

Filters

2003 - 200912020 - 20241

Settings

Subject: search.filters.subject.Soot

Search Results

Now showing 1 - 2 of 2
  • Article
    Yüksek Derecede Kurum Üreten 2b Gazyağı/hava Difüzyon Alevleri Üzerinde Diferansiyel Yayılımın ve Basıncın Etkileri
    (Gazi Üniversitesi, 2024) Korucu, Ayşe; Korucu, Ayşe; Miller, Richard; 03.10. Department of Mechanical Engineering; 03. Faculty of Engineering; 01. Izmir Institute of Technology
    Bu çalısmada, dört farklı ortam basıncında kurum, oluşum ve yıkım süreçlerini incelemek amacıyla, yoğun kurum üreten Gazyağı/Hava alevleri, gerçek gaz (GG) ve ideal gaz (İG) hal denklemleri ve Lewis (Le) sayısının bir olarak kabul edildiği modeller ele alınmıştır. Yarı-genel kurum oluşum ve yıkım modelini içeren indirgenmiş Gazyağı/Hava mekanizması (29-adım, 10 çeşit gaz) 2 boyutlu (2B) Direk Sayısal Simülasyon (DNS) verilerini oluşturmak için MPI FORTRAN ile kodu yazılmış bir program kullanılmıştır. Le sayısının bire eşit kabul edildiği alev tahminlerinin, Le sayısının bire eşit olmadığı (genelleştirilmiş difüzyon) durumların sayısal sonuçlarından elde edilen alev yapısı ve kurum özelliklerinin istatiksel olarak benzerlik sağlayıp sağlamadığı araştırılmıştır. Bu bağlamda yapılan çalışmanın sonucunda, ortam basınçları 1, 5, 10 ve 35 atm olan Le sayısının bir olarak kabul edildiği GGLE ve İGLE modelleri ile üretilmiş 2B DNS alev tahminlerinin kurum özelliklerinin ve alev yapılarının yanlış hesaplanmasına yol açtığı belirlenmiştir.
  • Article
    Citation - WoS: 11
    Citation - Scopus: 13
    Experimental and Artificial Neural Network Modeling Study on Soot Formation in Premixed Hydrocarbon Flames
    (Elsevier Ltd., 2003) İnal, Fikret; Tayfur, Gökmen; Tayfur, Gökmen; İnal, Fikret; 03.03. Department of Civil Engineering; 03.02. Department of Chemical Engineering; 03. Faculty of Engineering; 01. Izmir Institute of Technology
    The formation of soot in premixed flames of methane, ethane, propane, and butane was studied at three different equivalence ratios. Soot particle sizes, number densities, and volume fractions were determined using classical light scattering measurement techniques. The experimental data revealed that the soot properties were sensitive to the fuel type and combustion parameter equivalence ratio. Increase in equivalence ratio increased the amount of soot formed for each fuel. In addition, methane flames showed larger particle diameters at higher distances above the burner surface and propane, ethane, and butane flames came after the methane flames, respectively. Three-layer, feed-forward type artificial neural networks having seven input neurons, one output neuron, and five hidden neurons for soot particle diameter predictions and seven hidden neurons for volume fraction predictions were used to model the soot properties. The network could not be trained and tested with sufficient accuracy to predict the number density due to a large data range and greater uncertainty in determination of this parameter. The number of complete data set used in the model was 156. There was a good agreement between the experimental and predicted values, and neural networks performed better when predicting output parameters (i.e. soot particle diameters and volume fractions) within the limits of the training data.