Simulation of Split Engine Cooling System
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Cooling system is one of the important systems of an engine to maintain the optimum coolant temperature across engine and its components. Analysis of cooling system at initial phase of product development will help in optimum design of the system and there by achieving better performance of engine. For this purpose the traditional method followed is to run several bench tests and to analyze the engine performance and repeat the bench tests for validating any design changes. This results in increased lead time of engine development and overall cost. To reduce the lead time as well as reduce the overall cost, 1D (one dimension) simulation tools place a major role. Simulation of engine cooling system with special kind of engine coolant water jacket is challenging. It is difficult to achieve the simulation results close to bench test due to complexity of the system. This paper aims at predicting the pressure drop and flow rates across different components and locations of engine cooling system with split engine coolant jacket and validating the same with engine test data. This work helps in developing an approach to model cooling system with split engine coolant jacket in 1D modelling tool. As engine coolant jacket is the major contributor of pressure drop in cooling system, its modelling strategy will have high influence on results predictions across the system. This work is bench marking to simulate engine cooling system with special kind of water jacket using 1D simulation. The approach formulated to model cooling system with split engine coolant jacket had achieved good correlation of flows with 10 % error through split cooling system against bench test data.</div></div>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».