MétaCan
Menu
Retour à la cohorte
Enregistrement W2062022827 · doi:10.4271/2013-24-0156

Fuel-Cut Based Rapid Aging of Commercial Three Way Catalysts - Influence of Fuel-Cut Frequency, Duration and Temperature on Catalyst Activity

2013· article· en· W2062022827 sur OpenAlexaff
Anna Fathali, Mats Laurell, Bengt Andersson

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensVolvo (Canada)
Organismes subventionnairesnon disponible
Mots-clésCatalysisDuration (music)Materials scienceProcess engineeringAutomotive engineeringNuclear engineeringComputer scienceChemical engineeringChemistryEngineeringAcousticsPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In order to quantify fuel-cut aging effects on commercial bimetallic Pd/Rh three-way catalysts (TWCs), supported on cerium-zirconium promoted alumina, full-size automotive catalysts were exposed to accelerated fuel-cut aging on an engine test bench, with a variation in temperature, fuel-cut frequency and fuel-cut duration. After aging, samples of the catalysts were tested in a laboratory environment for Light-off temperature (T50), Specific surface area (BET), Dispersion of noble metals and changes in the oxidation state of Pd and Rh. The catalytic tests showed clear deactivation of the aged samples and influence on the TWC's properties. The light off temperature and noble metal dispersion were found to be a clear function of oxygen exposure to the catalysts, i.e. fuel-cut frequency and duration, while the specific surface area was found to be a function of fuel-cut frequency. No changes in oxidation states of Pd and Rh could be detected. The variation in temperature had the lowest influence on the TWC properties among the varied parameters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207