MétaCan
Menu
Retour à la cohorte
Enregistrement W1510199364 · doi:10.4271/2000-01-2883

Low Temperature Operability Limits of Late Model Heavy Duty Diesel Trucks and the Effect Operability Additives and Changes to the Fuel Delivery System Have on Low Temperature Performance

2000· article· en· W1510199364 sur OpenAlexaboutno aff
John E. Chandler, Jennifer A. Zechman

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOperabilityTruckDiesel fuelHeavy dutyAutomotive engineeringEnvironmental scienceWaste managementNuclear engineeringEngineeringReliability engineering

Résumé

récupéré en direct d'OpenAlex

Engine manufacturers have raised concerns at recent industry meetings regarding the effect that 2 mm porosity filters will have on low temperature operability. An All Weather Chassis Dynamometer (AWCD) program was carried out to address this concern and to extend our general knowledge of low temperature additive performance in 1998/9 model year Heavy Duty Trucks. Known laboratory tests were also evaluated as to their ability to predict vehicle performance. Four trucks equipped with Cummins M11, Detroit Diesel Series 60, Caterpillar C12 (Southern), and Caterpillar C12 (Northern) engines were leased and fitted appropriately to measure their performance under low temperature conditions using Imperial Oil's AWCD in Sarnia, Ontario, Canada. Commercial Low Sulfur No. 2 and Low Sulfur No. 1 diesel fuels were purchased, and a series of blends were prepared representing fuels that would typically be sold during the winter. Two Low Temperature Operability Additives were used to generate response curves using standard European and North American laboratory tests. The primary laboratory tests used were cloud point, Cold Filter Plugging Point (CFPP) and Low Temperature Flow Test (LTFT). Treat rates were chosen to provide approximately 10°C of response below untreated base fuel cloud point. The treated and untreated fuels represented a range of performance from -17°C to -38°C. The fuels were then tested in the AWCD to determine the lowest operating temperatures for each fuel in each vehicle for comparison to the lab test results. Additionally, where appropriate, recommended fuel filters were replaced with a 2 mm porosity fuel filter to determine the impact of these filters on low temperature limits. In other cases, fuel heaters or Electronic Control Modules (ECM) were bypassed to determine their effect on vehicle low temperature performance. The results from this study indicate that vehicle low temperature severity is increasing compared to past studies. Bypassing the ECM had no impact on performance, but bypassing the fuel heater, as one would expect, had a negative effect on operation. The 2 mm filter had significant negative effect on low temperature performance depending on engine type and filter location in the fuel delivery system. Additives significantly lowered the operability temperature limits, but the increasing severity of engine and fuel system design suggests low temperature additive development must continue to focus on meeting the current and future engine and fuel delivery system design requirements. The LTFT, which was designed for heavy-duty truck application, provided the best prediction of low temperature performance when additives are used.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetVehicle emissions and performanceTravaux en français237 207