MétaCan
Menu
Retour à la cohorte
Enregistrement W2901333871 · doi:10.1080/15567036.2018.1549159

Air nanobubble-enhanced combustion study using mustard biodiesel in a common rail direct injection engine

2018· article· en· W2901333871 sur OpenAlexfundno aff
S. Gobinath, G. Senthilkumar, Beemkumar Nagappan

Notice bibliographique

RevueEnergy Sources Part A Recovery Utilization and Environmental Effects · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésNOxBiodieselCetane numberCommon railDiesel fuelCombustionDiesel engineEnvironmental scienceAutomotive engineeringWaste managementBrake specific fuel consumptionEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Though the biodiesel is environmental friendly than the conventional petroleum diesel in the aspects of better combustion quality due to higher cetane number (up to 65), reduced emission, and reduced air pollution, running the common rail direct injection (CRDI) engine with 100% biodiesel is not viable due to NOx and CO emissions. The present experimental investigation revealed that the above difficulty can be controlled by running CRDI engine with air nanobubble (ANBs)-enabled biodiesel. The results indicated that there was a reduction of 25% in brake-specific fuel consumption, 33% in NOx, and 16% in CO due to the addition of ANBs with mustard oil biodiesel.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations29
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Sources Part A Recovery Utilization and Environmental EffectsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207