Prediction and optimization of engine characteristics of a DI diesel engine fueled with cyclohexanol/diesel blends
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study uses cyclohexanol – a high-carbon, cyclic bio-alcohol which is a derivative of lignocellulosic biomass – in blended form with diesel to power a direct-injection single-cylinder diesel engine that is widely used in Indian agricultural sector. Experiments were conducted at the engine’s rated load using the blend composition of cyclohexanol in diesel (10%, 20% and 30% by vol.), EGR (10%, 15%, and 20%) and injection timing (19°, 21° and 23°CA bTDC) as controllable factors. The optimization criterion is to minimize smoke, NOx emissions, and BSFC. Response surface methodology coupled with desirability approach was used to predict and optimize NOx, smoke opacity and BSFC measured from the experiments. The top solutions predicted by desirability approach were validated by confirmatory experiments and were found to describe the experimental data to a reasonable accuracy of within 4%. With reference to diesel operation, it was found that 10% by vol. of cyclohexanol/diesel blend injected at 21°CA bTDC and 10% EGR reduced NOx (43.1%▼) and smoke opacity (32.4%▼) with an increase in BSFC (4%▲). Cyclohexanol/diesel blend at optimum conditions delivered better smoke reduction but with higher NOx and slight increase in BSFC Cyclohexanol/diesel blends can be recommended as a full-time fuel to substitute diesel subject to long-term durability tests in diesel engines.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle