MétaCan
Menu
Retour à la cohorte
Enregistrement W2294443540 · doi:10.3390/su8030267

Analysis of an Internal Combustion Engine Using Porous Foams for Thermal Energy Recovery

2016· article· en· W2294443540 sur OpenAlexaff
M.A. Ehyaei, Mehdi Tanehkar, Marc A. Rosen

Notice bibliographique

RevueSustainability · 2016
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésRegenerative heat exchangerThermal efficiencyCombustionInternal combustion engineHomogeneous charge compression ignitionExternal combustion engineMaterials scienceExhaust gas recirculationCompression ratioStirling engineExhaust gasThermalWaste managementCombustion chamberAutomotive engineeringHeat exchangerThermodynamicsMechanical engineeringChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Homogeneous and complete combustion in internal combustion engines is advantageous. The use of a porous foam in the exhaust gas in an engine cylinder for heat recovery is examined here with the aim of reducing engine emissions. The internal combustion engine with a porous core regenerator is modeled using SOPHT software, which solved the differential equations for the thermal circuit in the engine. The engine thermal efficiency is observed to increase from 43% to 53% when the porous core regenerator is applied. Further, raising the compression ratio causes the peak pressure and thermal efficiency to increase, e.g., increasing the compression ratio from 13 to 15 causes the thermal efficiency and output work to increase from 53% to 55% and from 4.86 to 4.93 kJ, respectively. The regenerator can also be used as a catalytic converter for fine particles and some other emissions. The regenerator oxidizes unburned hydrocarbons. Meanwhile, heat recovered from the exhaust gases can reduce fuel consumption, further reducing pollutant emissions from the internal combustion engine.

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: aucune
Score de désaccord entre enseignants0,505
Score d'incertitude au seuil0,524

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,010
Tête enseignante GPT0,265
Écart entre enseignants0,255 · 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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207