Investigation on Lean NOx Trap Regeneration Using Alcohol Fuels
Notice bibliographique
Résumé
The impacts of automotive pollutants on local air quality, human health, and climate change are a major concern worldwide. Therefore, the internal combustion engine (ICE) powered automobiles are expected to be able to meet the increasingly stringent emission and fuel efficiency standards. The reduction in oxides of nitrogen (NOx) in lean burn and diesel-fueled compression ignition (CI) engines is a major challenge. In this research, the use of alcohol fuel such as n-butanol and ethanol is studied in a CI engine. With the application of moderate exhaust gas recirculation (EGR), low engine-out NOx and soot emissions are achieved simultaneously. However, to meet NOx emission regulations, the use of only alternative fuels is not sufficient for a wide range of engine operating conditions. Therefore, lean NOx trap (LNT) after-treatment system is used for further NOx reduction using a reductant. In this study, an investigation on the performance of long breathing LNT is performed using ethanol, n-butanol, and diesel as reductants. The LNT regeneration experiments are conducted on a heated flow bench under simulated engine exhaust like conditions. Ethanol and n-butanol are found to be more effective compared to diesel as a reductant in terms of NOx conversion, ammonia (NH3) slip, nitrogen dioxide (N2O) slip, and hydrogen (H2) formation, during the LNT regeneration period at the tested conditions. The formation of NH3 and N2O during the LNT regeneration is not desired. Albeit, the NH3 generated during the LNT regeneration can be utilized to further reduce NOx using a selective catalytic reduction (SCR) convertor downstream of the LNT catalyst. In this study, the combined LNT-SCR tests are performed to investigate overall NOx reduction using n-butanol as a reductant.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».