Trapped Unburned Fuel Estimation and Robustness Analysis for a Turbocharged Diesel Engine With Negative Valve Overlap Strategy
Notice bibliographique
Résumé
Turbocharger and negative valve overlap (NVO) strategy are widely used among advanced combustion modes for internal combustion engines. In order to achieve well emission performance, the NVO can be as large as 100 crank angle (CA) degrees, such that the residual gas fraction can be up to 40%. With such amount of residual gas in the cylinder, the trapped unburned fuel is not trivial. It has a significant impact on the combustion process. However, the trapped unburned fuel mass is hard to be measured directly. In this paper, a novel method based on the signals of oxygen fraction is proposed to estimate it. By analyzing the combustion process, dynamic equations for the intake/exhaust manifolds and in-cylinder oxygen fractions, as well as actual fuel mass in the cylinder are constructed. A smooth variable structure filter (SVSF) was designed to estimate oxygen fractions and further the trapped unburned fuel. As a comparison, Kalman filter (KF) and linear matrix inequality (LMI) based linear parameter-varying (LPV) filter were also applied. Robustness properties of the three observers are analyzed based on the theory of input-to-state (ISS) stability. The proposed models and methods and theoretical analysis are validated and compared through a set of simulations in high-fidelity GT-Power environment. The simulation results match well with theoretical analysis that the SVSF has good properties of strong robustness (with a root mean square error (RMSE) of 0.24, comparing with 0.4 of LPV filter and 0.49 of KF, for the unburned fuel estimation).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».