Particulate Emissions From Karanja Biodiesel Fuelled Turbocharged CRDI SUV Engine
Notice bibliographique
Résumé
The use of biodiesel substantially reduces particulate matter (PM), hydrocarbon (HC) and carbon monoxide (CO) emissions, slightly reduces power output; increases fuel consumption and marginally increases oxides of nitrogen (NOx) emission in an unmodified common rail direct injection (CRDI) diesel engine. Lower blends of biodiesel demonstrated lower emissions, while easing pressure on scarce petroleum resources, without significantly sacrificing engine power output and fuel economy. However due to adverse health effects of smaller size particulate matter (PM) emitted by internal combustion (IC) engines, most recent emission legislations restrict the PM mass emissions in addition to total particle numbers emitted. It is an overwhelming argument that usage of biodiesel leads to reduction in PM mass emissions. In this paper, experimental results of PM emissions using Karanja biodiesel blends (KB20 and KB40) in a modern CRDI transportation engine (maximum fuel injection pressure of 1600 bar) have been reported. This study also explores comparative effect of varying engine speed and load on PM emissions for biodiesel blends vis-à-vis baseline mineral diesel. Particulate size-number distribution, particle size-surface area distribution and total particulate number concentrations were experimentally determined under varying engine operating conditions and compared with baseline mineral diesel. KB20 showed highest particulate number concentration upto 80% rated engine loads, however at rated load, KB40 emitted highest number of particulates.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».