Investigating the Effect of Spray Targeting and Impingement on Diesel Engine Cold Start
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="htmlview paragraph">Analysis of the cold-starting performance of diesel engines requires the development of advanced models to describe the multicomponent nature of the fuel as well as the spray impingement and wall film behavior. A new approach to modeling the multicomponent nature of commercial fuels was implemented. This model is based on a continuous distribution using a probability density function, rather than the use of discrete components, to capture more accurately the entire range of composition in commercial fuels. The model was applied to single droplet calculations to validate the predictions against experimental results. Previous discrete component wall-film modeling has been extended to include the continuous multicomponent fuel representation. A significant factor that has received little attention in analyzing the cold-start performance of diesel engines is the spray impingement angle and location. This has been investigated using the modified KIVA code. The predictions show the importance of including both the multicomponent nature of the fuel, as well as a detailed model of the wall-film and spray-wall interaction. The multicomponent fuel modeling is critical to capturing the correct vaporization trends, and the spray-film interaction modeling is crucial to capturing the spray impingement and subsequent secondary atomization that produces smaller drops. The spray targeting, by way of enhanced secondary atomization (splashing), was found to be a powerful way of enhancing cold start. However, optimal spray targeting for cold-start performance may lead to deteriorated performance at other operating conditions.</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.
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 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle