Emissions from Compression Ignition Engines with Animal-Fat-Derived Biodiesel Fuels
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Biodiesel and other renewable fuels are of interest due to their impact on energy supplies as well as their potential for carbon emissions reductions. Waste animal fats from meat processing facilities, which would otherwise be sent to landfill, have been proposed as a feedstock for biodiesel production. Emissions from biodiesel fuels derived from vegetable oils have undergone intense study, but there remains a lack of data describing the emissions implications of using animal fats as a biodiesel feedstock. In this study, emissions of NO<sub>x</sub>, unburned hydrocarbons and particulate matter from a compression ignition engine were examined. The particulate matter emissions were characterized using gravimetric analysis, elemental carbon analysis and transmission electron microscopy. The emissions from an animal fat derived B20 blend were compared to those from petroleum diesel and a soy derived B20 blend. No statistically significant differences were observed between the fuels in the gaseous emissions. Notable differences in engine-out particulate matter emissions characteristics were observed between the B20 blends and the petroleum diesel, but few differences were observed between the B20 blends using animal fat based biodiesel and those using soy based biodiesel. Given very similar engine-out particulate matter and gaseous emissions compositions for animal fat and soy B20 blends, it is suggested that diesel exhaust aftertreatment systems designed to operate with soy biodiesel blends are likely also compatible with animal fat derived biodiesel fuel blends.</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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».