MétaCan
Menu
Retour à la cohorte
Enregistrement W2134634375 · doi:10.1115/1.4029880

Real-Time Control of Maximum Heat Release Rate and Its Influence on Emission Dispersions in Diesel Engines

2015· article· en· W2134634375 sur OpenAlexfundno aff
Seungsuk Oh, Myoungho Sunwoo

Notice bibliographique

RevueJournal of Engineering for Gas Turbines and Power · 2015
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésCombustionMean effective pressureDiesel fuelAutomotive engineeringDiesel engineDispersion (optics)Environmental scienceMaterials scienceExhaust gas recirculationInternal combustion engineChemistryEngineeringCompression ratioPhysics

Résumé

récupéré en direct d'OpenAlex

Unexpected combustions dispersion due to variations in fuel quality, production tolerance, and aging of components results in the deterioration of engine performance and increases harmful emissions. Many researchers have studied real-time combustion monitoring and control to maintain performance even under undesirable or abnormal conditions. They have reported that the reduction of combustion dispersion is promising for the decrease of emissions dispersion. In this study, we control the maximum heat release (HR) to compensate for combustion dispersion and compared the relationship between before and after control. The maximum rate of heat release (ROHRmax) is an important parameter and is highly related to engine performance and emission level. The control experiments were carried out using a diesel engine at 1500 rpm and brake mean effective pressure (BMEP) of 400 kPa, while the engine parameters were varied. The varied parameters were fuel rail pressure, swirl valve, pilot injection timing, and duration. The experimental results showed that control of the ROHRmax has the potential for the reduction of the dispersions of particulate matter (PM) emission and combustion noise even in unexpected combustion environments.

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)0,001
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 enseignants0,186
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,232
Écart entre enseignants0,223 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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