Active Injection Control for Enabling Clean Combustion in Ethanol-Diesel Dual-Fuel Mode
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="section abstract"><div class="htmlview paragraph">In this work, an active injection control strategy is developed for enabling clean and efficient combustion on an ethanol-diesel dual-fuel engine. The essence of this active injection control is the minimization of the diffusion burning and resultant emissions associated with the diesel injection while maintaining controllability over the ignition and combustion processes. A stand-alone injection bench is employed to characterize the rate of injection for the diesel injection events, and a regression model is established to describe the injection timings and injector delays. A new combustion control parameter is proposed to characterize the extent of diffusion burning on a cycle-to-cycle basis by comparing the modelled rate of diesel injection with the rate of heat release in real time. The test results show that the proposed parameter, compared with the traditional ignition delay, better correlates to the enabling of low NOx and low smoke combustion. Particularly in the ethanol-diesel dual-fuel combustion, this new parameter can be controlled by actively adjusting the fuel ratio for each engine cycle. An active injection control strategy is therefore implemented to simultaneously control the engine load, combustion phasing, and the extent of diffusion burning via cycle-to-cycle adjustments on the fuelling rates, fuel ratio, and the diesel injection timing respectively. The control is validated by engine tests, and efficient combustion is achieved up to 19.5 bar IMEP with low NOx and low smoke emissions.</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.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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