MétaCan
Menu
Retour à la cohorte
Enregistrement W2094274901 · doi:10.1115/icef2011-60135

An Analysis of the Production of Hydrogen and Hydrocarbon Species by Diesel Post Injection Combustion

2011· article· en· W2094274901 sur OpenAlexaff
Marko Jeftić, Usman Asad, Xiaoye Han, Kelvin Y. Xie, Shui Yu, Meiping Wang, Ming Zheng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésNOxCombustionHydrocarbonDiesel fuelHydrogenCarbon monoxideHydrogen productionDiesel exhaustNitrogen oxideEnvironmental scienceChemistrySmokeWaste managementEnvironmental chemistryPulp and paper industryOrganic chemistryEngineeringCatalysis

Résumé

récupéré en direct d'OpenAlex

The effects of post injection on the combustion efficiency, exhaust emissions, and in-cylinder hydrogen generation were experimentally investigated in a modern heavy duty diesel engine. As the post injection was moved away from top dead center (TDC), the test results generally showed increasing carbon monoxide (CO) and total hydrocarbons (THC), fairly constant nitrogen oxide (NOx) emissions while the smoke emissions were more sensitive to the post injection timing. Hydrogen production was observed to be higher at later post injection timings. In a majority of instances, hydrogen production and carbon monoxide formation were very well correlated. Additional tests explored the effects of the overall air-to-fuel ratio on the in-cylinder hydrogen production and the experimental results indicated that a lower air-to-fuel ratio seemed to promote the in-cylinder generation of hydrogen. However, the increased hydrogen production was offset by less efficient power production from the post injection combustion. A Fourier transform infrared (FTIR) spectroscopy analysis of hydrocarbon emissions was carried out in an attempt to determine the effects of diesel post injection timing on individual light hydrocarbon species.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,271

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,210
Écart entre enseignants0,198 · 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'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

Citations9
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207