MétaCan
Menu
Retour à la cohorte
Enregistrement W1975274753 · doi:10.14203/j.mev.2012.v3.49-56

The Effect of Ethanol-Diesel Blends on The Performance of A Direct Injection Diesel Engine

2012· article· en· W1975274753 sur OpenAlexaff
Nur Arifin, Yanuandri Putrasari, Iman K. Reksowardojo

Notice bibliographique

RevueMechatronics Electrical Power and Vehicular Technology · 2012
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésDiesel fuelDiesel engineThrust specific fuel consumptionDynamometerAutomotive engineeringFuel efficiencyEnvironmental scienceDiesel exhaustBrake specific fuel consumptionDiesel cycleCombustionMaterials scienceExhaust gasInternal combustion engineWaste managementPetrol engineEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

The experiment was conducted on a conventional direct injection diesel engine. Performance test was carried out to evaluate the performance and emission characteristics of a conventional diesel engine that operates on ethanol-diesel blends. The test procedure was performed by coupling the diesel engine on the eddy current dynamometer. Fuel consumption was measured using the AVL Fuel Balance, and a hotwire anemometer was used to measure the air consumption. Some of the emission test devices were mounted on the exhaust pipe. The test of fuel variations started from 100% diesel fuel (D100) to 2.5% (DE2.5), 5% (DE5), 7.5% (DE7.5), and 10% (DE10) ethanol additions. Performance test was conducted at 1500 rpm with load variations from 0 to 60 Nm by increasing the load on each level by 10 Nm. The addition of 5% ethanol to diesel (DE5) increased the average pressure of combustion chamber indication to 48% as well as reduced the specific fuel consumption to 9.5%. There were better exhaust emission characteristics at this mixture ratio than diesel engine which used pure diesel fuel (D100), the reduction of CO to 37%, HC to 44% and opacity to 15.9%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

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

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 Opus0,004
Tête enseignante GPT0,214
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechatronics Electrical Power and Vehicular TechnologyMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207