Multi-Dimensional Modeling and Validation of Combustion in a High-Efficiency Dual-Fuel Light-Duty Engine
Notice bibliographique
Résumé
Using gasoline and diesel simultaneously in a dual-fuel combustion system has shown effective benefits in terms of both brake thermal efficiency and exhaust emissions. In this study, the dual-fuel approach is applied to a light-duty spark ignition (SI) gasoline direct injection (GDI) engine. Three combustion modes are proposed based on the engine load, diesel micro-pilot (DMP) combustion at high load, SI combustion at low load, and diesel assisted spark-ignition (DASI) combustion in the transition zone. Major focus is put on the DMP mode, where the diesel fuel acts as an enhancer for ignition and combustion of the mixture of gasoline, air, and recirculated exhaust gas. Computational fluid dynamics (CFD) is used to simulate the dual-fuel combustion with the final goal of supporting the comprehensive optimization of the main engine parameters. In the proposed automated procedure, the 1-D code GT-Power is used to provide the initial and boundary conditions for detailed 3-D simulations, carried out by the multi-dimensional CFD code CONVERGE. A dual-fuel chemical kinetic mechanism consisting of 43 species and 78 reactions is initially used in 0-D combustion simulations and the results are validated against experimental data of ignition delay. The dual-fuel mechanism is then implemented in the 3-D combustion model and results from numerical simulations of the entire engine cycle were validated against experimental data (pressure and rate of heat release traces) on a large variety of operating conditions consisting of 6 DMP modes and 1 SI mode. Results show accurate prediction of combustion in all the examined cases. Two-stage heat release was observed in the DMP mode due to a gradient in fuel reactivity. Combustion is sensitive to several parameters, such as injection pressure and timing for gasoline and diesel, intake temperature, EGR rate, etc. The effect of such parameters on the dual-fuel combustion process is therefore evaluated.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».