Experiments and Comparison of Detonation Cell Size Models for Multi-Fuel Mixtures

Abstract

The growing interest in hydrogen and alternative fuel blends for aerospace applications and the decomposition of electric vehicle batteries, comprised primarily of hydrogen, methane and carbon monoxide, necessitates a safety analysis of their detonability. Detonation cell size, a key parameter for physical dimensions influenced by pressure, composition, and temperature, lacks a simple predictive method.

This experimental thesis explores the suitability of existing cell size models against a new set of mixture data comprised of different ratios of hydrogen, methane, and carbon monoxide. The purpose is to determine the extent to which these models can accurately be used to gain a first-order prediction for physical applications of new mixtures. The problem is analyzed by first determining the existing cell size data for multi-fuel blends. Experiments were conducted in a 52 mm diameter cylindrical channel at pressures of 20, 50, 100, and 200 kPa, systematically testing a comprehensive range of multi-fuel mixtures to identify cell size from a sooted foil and compare predictive models. The cell size models of Shchelkin and Troshin (1964, Gasdynamics of Combustion), Gavrikov et al. (2000, Combustion and Flame), Ng (2005, PhD McGill), Bakalis et al. (2023, Fuel Communications), and Monnier et al. (2023 Combustion and Flame), which consider chemical parameters like activation energy, induction length, Mach number, and heat release, are tested against the new dataset. Supplementary experiments are conducted in a newly designed rectangular detonation channel at the Royal Military College of Canada.

The experimental data demonstrate that cell size measurements from a given soot foil exhibit considerable variability, and it is therefore more appropriate to use a distribution-based approach to compare the full range of observed values. While one model is not able to accurately predict the detonation cell size for all tested mixtures and pressures, the study finds that Bakalis et al.'s (2023, Fuel Communications) artificial neural network model has the least mean error at 43% and may be accurate enough for first-order estimations of untested mixtures. The study also finds that error increases at higher pressures due to limited data availability for the calibration of parameters.

L'intérêt croissant pour l'hydrogène et les mélanges de carburants alternatifs pour les applications aérospatiales et la décomposition des batteries de véhicules électriques, composées principalement d'hydrogène, de méthane et de monoxyde de carbone, nécessitent une analyse de la sécurité de leur détonabilité. La taille de la cellule de détonation; un paramètre clé pour les dimensions physiques influencées par la pression, la composition et la température, n'a pas de méthode prédictive simple.

Cette thèse expérimentale explore l’adéquation des modèles existants de taille de cellule face à un nouvel ensemble de données de mélanges contenant différentes proportions d’hydrogène, de méthane et de monoxyde de carbone. L’objectif est de déterminer dans quelle mesure ces modèles, non calibrés avec ces mélanges, peuvent fournir une première estimation applicable en physique. Le problème est analysé en identifiant d’abord les données existantes sur la taille des cellules pour les mélanges multi-composantes. Des expériences sont menées dans une conduite cylindrique de 52 mm de diamètre à des pressions de 20, 50, 100 et 200 kPa, testant systématiquement une gamme complète de mélanges afin de mesurer la taille des cellules sur une feuille de suie et de comparer les modèles. Les modèles de taille de cellule de Shchelkin et Troshin (1964, Gasdynamics of Combustion), Gavrikov et al. (2000, Combustion and Flame), Ng (2005, PhD McGill), Bakalis et al. (2023, Fuel Communications), et Monnier et al. (2023 Combustion and Flame), qui tiennent en compte des paramètres chimiques tels que l'énergie d'activation, la longueur d'induction, le nombre de Mach et le dégagement de chaleur, sont testés avec le nouvel ensemble de données. Des expériences complémentaires sont réalisées dans une conduite de détonation rectangulaire conçu au Collège militaire royal du Canada.

Les données expérimentales montrent que les mesures de la taille des cellules à partir d'une feuille de suie donnée présentent une variabilité considérable, et qu'il est donc plus approprié d'utiliser une approche basée sur la distribution pour comparer la gamme complète des valeurs observées. Bien qu'un modèle ne soit pas en mesure de prédire avec précision la taille de la cellule de détonation pour tous les mélanges et pressions testés, l'étude révèle que le modèle de réseau neuronal artificiel de Bakalis et al. (2023, Fuel Communications) présente l'erreur moyenne la plus faible à 43% et peut être suffisamment précis pour des estimations de premier ordre de mélanges non testés. Elle met également en évidence une augmentation de l’erreur aux pressions élevées en raison du manque de données disponibles pour la calibration des paramètres.