Investigation of Fuel Injection Strategies for Direct Injection of Neat n-Butanol in a Compression Ignition Engine
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">In this study, impacts of neat n-butanol fuel injection parameters on direct injection (DI) compression ignition (CI) engine performance were investigated to gain knowledge for understanding the fuel injection strategies for n-butanol. The engine tests were conducted on a four-stroke single-cylinder DI CI engine with a compression ratio of 18.2:1. The effects of fuel injection pressure (40, 60 and 90 MPa) and injection timing in a single injection strategy were investigated. The results showed that an increase in injection pressure significantly reduced nitrogen oxides (NOx) emissions which is the opposite trend seen in conventional diesel combustion. The parallel use of a higher injection pressure and retarded injection timing was a proposed method to reduce NOx and cylinder pressure rise rate simultaneously. NOx was further reduced by using exhaust gas recirculation (EGR) while keeping near zero soot emissions. However, the high load limit was around 6.5 bar indicated mean effective pressure (IMEP) due to high cylinder pressure rise rate. Next, the effect of a split injection, in which the fuel delivery is divided into two injections (first and second injection ratio: 50:50) near top dead center, on the engine performance was investigated to reduce the cylinder pressure rise rate. The split injection could significantly reduce the cylinder pressure rise rate without compromising the indicated thermal efficiency, NOx and soot emissions. It was also demonstrated that the high load limit could be extended to 11.5 bar IMEP by modifying the split injection ratio while maintaining high thermal efficiency and clean emissions.</div></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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».