MétaCan
Menu
Retour à la cohorte
Enregistrement W2789042547

Effects of various additives on regulated emissions of modern diesel engines

2017· dissertation· en· W2789042547 sur OpenAlexfundno aff
Jorge Calder

Notice bibliographique

RevueKnowledge Commons (Lakehead University) · 2017
Typedissertation
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesLakehead University
Mots-clésDiesel fuelEnvironmental scienceEngineeringWaste management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Increasingly strict emissions regulations along with man-made global warming has peaked interest in clean burning diesel engines. Renewable biofuels such as biodiesel are being investigated to reduce carbon monoxide (CO), unburned hydrocarbon (HC), and smoke opacity, while slightly increasing nitrogen oxides (NOx). Two modern diesel engines, a light-duty engine and heavy-duty engine, were investigated with various biodiesel blends. The heavy-duty engine was a Cummins 4-cylinder direct injection (DI) diesel engine, which was run at three idling conditions: low, medium and high idling states operated at 800 revolutions per minute (rpm), 1000 rpm, and 1200 rpm respectively. The engine was fueled with biodiesel-diesel blends with two additives. Two additives, ethanol and diethyl ether (DEE) at 5% and 15% were mixed with biodiesel-diesel blends B20, B50 and B100. B100 was produced from canola oil. The engine was tested from cold start to warm up in real world conditions. The light-duty engine was a HATZ 2-cylinder diesel engine, which was fueled with biodiesel blends with dissolved expanded polystyrene (EPS) and fuel stabilizer additive acetone. The light-duty engine was tested at three speed conditions 1000 rpm, 2100 rpm, and 3000 rpm. Each speed condition had 4 load conditions: 0%, 20%, 50%, and 80% load. EPS was dissolved at 50g/l of biodiesel and the acetone additive was tested at 100ml/l of biodiesel and 250ml/l of biodiesel. Emissions analysis was conducted for carbon monoxide (CO), carbon dioxide (CO2), nitric oxide (NO), nitrogen dioxide (NO2), oxides of nitrogen (NOx), smoke opacity and unburned hydrocarbons (HC). Investigation results demonstrate that for the heavy-duty engine at idle conditions, diesel-biodiesel blends with additives produce lower CO emissions than neat diesel. Ethanol and DEE additives can also reduce NOx emissions in diesel-biodiesel blends, and increasing biodiesel content reduced HC emissions. For the light-duty engine at all loading conditions biodiesel-diesel blends produced lower CO emissions, higher NOx emissions and higher smoke opacity. EPS content overall decreased CO and NOx emissions, but increased smoke opacity. At 100ml/l of biodiesel acetone decreased CO emissions, acetone at 250 ml/l of biodiesel increased CO emissions. Acetone increased NOx emissions and decreased smoke opacity.

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 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 enseignants0,557
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 GPT0,225
Écart entre enseignants0,214 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge Commons (Lakehead University)Même sujetVehicle emissions and performanceTravaux en français237 207