MétaCan
Menu
Retour à la cohorte
Enregistrement W2242089284 · doi:10.4271/2003-01-3103

Modeling of Air-Fuel Mixing in a Two-Stroke Direct Injection Engine

2003· article· en· W2242089284 sur OpenAlexaff
Yangbing Zeng, Sebastian Strauss

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2003
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensBombardier Recreational Products (Canada)
Organismes subventionnairesnon disponible
Mots-clésMixing (physics)Two-stroke engineAutomotive engineeringFour-stroke engineFuel injectionComputer scienceEnvironmental scienceInternal combustion enginePhysicsEngineeringChemistryCombustionCombustion chamber

Résumé

récupéré en direct d'OpenAlex

<div class="htmlview paragraph">This paper presents a numerical study on air-fuel mixing in a two-stroke direct injection spark ignition engine under homogeneous operation. The simulated engine is loop scavenged and uses an outwardly opening swirl injector. A generic mesh-snapping algorithm is developed to enable the moving piston to snap through transfer ports with complicated geometry. A spray model based on Linear Instability Sheet Atomization is used to describe the primary breakup of fuel sprays, and the initial rotational velocity of the conical sheet is determined from a CFD simulation of the nozzle internal flow. A wall film model accounting for the effect of contacting area is also developed to avoid the severe grid-dependence of the original film model in KIVA. Comparisons between simulations and experiments were made for sprays in quiescent ambient conditions, and a good agreement of the spray characteristics was obtained. The simulations were performed for four different injection timings. The model was shown to be capable to predict engine-out unburned hydrocarbon emission. It was also found that the mixture preparation around the spark plug is directly related to the engine-out emission, and leaner mixture tends to yield higher engine-out emission.</div>

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,011
Tête enseignante GPT0,246
Écart entre enseignants0,235 · 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.

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

Citations5
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207