MétaCan
Menu
Retour à la cohorte
Enregistrement W2795657326 · doi:10.4271/2018-01-0781

Prediction of Charge Air Cooler Performance in a Racing Drive Cycle by 1D-3D Coupling

2018· article· en· W2795657326 sur OpenAlexaff
Zhongzhou Yang, Edward Tate, Edward Day

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensBentley (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoupling (piping)Charge (physics)Driving cycleEnvironmental scienceAutomotive engineeringPhysicsEngineeringMechanical engineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">Charge air temperature needs to be kept low for optimum engine operation. If charge air temperature is too high, engine performance reduction strategies are invoked to protect engines by limiting torque available to drivers. A 1D-3D coupling simulation methodology is developed to accurately predict internal air temperature after charge air cooler (CAC) during a racing drive cycle. The 3D flow simulation is used to characterize external air flow before CAC in steady-state cases. Then, interpolated 3D simulation results between steady operating points are used as transient external air boundary conditions in front of CAC in a 1D system model. 3D flow simulation is also used to predict internal flow rate ratio between CAC tubes. Finally, an 1D system model is used to predict time-trace of charge air temperature at CAC internal outlet during the racing drive cycle. The simulation results show that prediction errors are within 5 degrees for charge air temperature at internal outlets. This methodology helps inform styling, component sizing & package decisions during the vehicle concept phase and avoiding costly hardware changes post tooling kick off. The approach leads to optimized CAC temperatures during all driving conditions yielding full engine torque and increased engine durability.</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 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 enseignants0,979
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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 GPT0,215
Écart entre enseignants0,206 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207