MétaCan
Menu
Retour à la cohorte
Enregistrement W2074332724 · doi:10.1115/1.4025789

Development of a Real-Time NOx Prediction Model Based on Heat Release Analysis in a Direct-Injection Diesel Engine

2013· article· en· W2074332724 sur OpenAlexaff
Dong Wang, Chao Zhang

Notice bibliographique

RevueJournal of Engineering for Gas Turbines and Power · 2013
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésNOxDiesel engineAutomotive engineeringDiesel fuelCommon railCombustionExhaust gas recirculationWork (physics)Cold start (automotive)Environmental scienceCylinderAccelerationMechanicsInternal combustion engineMechanical engineeringEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

A prediction model, which describes linear relationship between the nitrogen oxides (NOx) emissions and the in-cylinder heat release rate in a direct-injection diesel engine, was developed through numerical simulations. A modified KIVA-3 V code was used to calculate NOx formations and to conduct heat release analyses in a direct-injection diesel engine under different operating conditions. The numerical simulation results indicated that the NOx formation amount was related to both the magnitude and the timing of the peak heat release rate in each engine cycle. Based on the above observations, a control-oriented dynamic NOx model was constructed and then implemented into a feedback emission control system on a small diesel engine. A new parameter—combustion acceleration—was proposed in this research to describe the intensity of the premixed combustion. Experimental work was also conducted to measure the real-time in-cylinder pressure at each crank-angle when the engine was running and the heat release rate was calculated instantaneously to control an exhaust gas recirculation (EGR) valve. The experimental results showed that the proposed NOx prediction model was effective in controlling NOx emissions under high rpm conditions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,325
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,210
Écart entre enseignants0,204 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering for Gas Turbines and PowerMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207