A Fuel Sensitive Ignition Delay Model for Direct Injection Diesel Engine Operating under EGR Diluted Conditions
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">This empirical work investigates the impacts of thermodynamic parameters, such as pressure and temperature, and fuel properties, such as fuel Cetane number and aromatic contents on ignition delay in diesel engines. Systematic tests are conducted on a single-cylinder research engine to evaluate the ignition delay changes due to the fuel property differences at low, medium and high engine loads under different EGR dilution ratios. The test fuels offer a range of Cetane numbers from 28 to 54.2 and aromatic contents volume ratios from 19.4% to 46.6%. The experimental results of ignition delays are used to derive an ignition delay model modified from Arrhenius’ expression. Following the same format of Arrhenius’ equation, the model incorporates the pressure and temperature effects, and further includes the impacts of intake oxygen concentration, fuel Cetane number and aromatic contents volume ratio on the ignition delay. The model is verified by results obtained under different engine loads and with different fuels. It is shown from the results that the inclusion of oxygen concentration improves the accuracy in predicting the ignition delays in the EGR diluted conditions. The inclusion of Cetane number and aromatic contents in the ignition delay model improves the adaptivity of the model, so that it can be used to predict the ignition delay of different fuels with improved accuracy.</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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».