MétaCan
Menu
Retour à la cohorte
Enregistrement W2023212713 · doi:10.4271/2012-01-0907

Parameterized Diesel Engine Combustion Modeling for Torque Based Combustion Property Estimation

2012· article· en· W2023212713 sur OpenAlexfundno aff
Mikael Thor, Bo Egardt, Tomas McKelvey, Ingemar Andersson

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2012
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensnon disponible
Organismes subventionnairesChalmers Tekniska HögskolaCanada Excellence Research Chairs, Government of Canada
Mots-clésParameterized complexityDiesel engineCombustionAutomotive engineeringTorqueProperty (philosophy)Homogeneous charge compression ignitionDiesel fuelComputer scienceEngineeringCombustion chamberChemistryPhysicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Combustion model structures based on Vibe functions are outlined and investigated in this work. The focus of the study is the use of such model structures for estimation of diesel combustion properties by reconstructing in-cylinder pressure from measurements of crankshaft torque. Investigated combustion properties include the start and phasing of the combustion as well as maximum values of the in-cylinder pressure and its derivative. The accuracy associated with the proposed estimation method is evaluated using ideal torque data, i.e. torque calculated from in-cylinder pressure, that is generated using both simulations and experiments. The results indicate that the uncertainty associated with the estimation of a selected combustion property tends to increase if that property is located close to TDC, where the signal-to-noise ratio is low for a torque signal. The results also show that the ideal torque based estimation of combustion phasing and maximum in-cylinder pressure generally is very accurate while the estimation of start of combustion and the maximum in-cylinder pressure derivative suffers more from disturbances and model imperfections.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,706
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,025
Tête enseignante GPT0,264
Écart entre enseignants0,239 · 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.

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

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207