Ignition Delay Correlation for Predicting Autoignition of a Toluene Reference Fuel Blend in Spark Ignition Engines
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">An ignition delay correlation was developed for a toluene reference fuel (TRF) blend that is representative of automotive gasoline fuels exhibiting two-stage ignition. Ignition delay times for the autoignition of a TRF 91 blend with an antiknock index of 91 were predicted through extensive chemical kinetic modeling in CHEMKIN for a constant volume reactor. The development of the correlation involved determining nonlinear least squares curve fits for these ignition delay predictions corresponding to different inlet pressures and temperatures, a number of fuel-air equivalence ratios, and a range of exhaust gas recirculation (EGR) rates. In addition to NO</div><div class="htmlview paragraph"> control, EGR is increasingly being utilized for managing combustion phasing in spark ignition (SI) engines to mitigate knock. Therefore, along with other operating parameters, the effects of EGR on autoignition have been incorporated in the correlation to address the need for predicting ignition delay in SI engines operating with EGR. Unlike the ignition delay expressions available in literature for primary reference fuel blends, the correlation developed in the present study can predict ignition delay for a TRF blend, a more realistic gasoline surrogate.</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 | 0,000 | 0,001 |
| 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 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 ».