MétaCan
Menu
Retour à la cohorte
Enregistrement W2952270536 · doi:10.1177/1468087419852841

Studies of anaerobic internal combustion engine using direct injection of liquid monopropellant

2019· article· en· W2952270536 sur OpenAlexaff
Gabriel Vézina, Martin Brouillette

Notice bibliographique

RevueInternational Journal of Engine Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueRocket and propulsion systems research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMonopropellantPiston (optics)CombustionInternal combustion engineMaterials scienceEngine powerMean effective pressureIsopropyl alcoholAutomotive engineeringRotary engineChemistryNuclear engineeringPower (physics)ThermodynamicsCompression ratioEngineeringPhysicsComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This article describes the design and experimentation of a new anaerobic internal combustion engine using direct injection of liquid monopropellant. Specifically, the use of monopropellant post-injection allows the control of the profile P - V of the cycle, which significantly increases the mean effective pressure (indicated mean effective pressure) and the power density of the engine. The monopropellant used was isopropyl nitrate, which is the first known demonstration of a piston engine using this monopropellant for anaerobic operation. The engine power has been modulated with post-injection strategy to modify the P - V cycle profile to obtain a constant-pressure combustion in anaerobic mode. Experiments were performed using an engine with a single piston with a effective swept volume of 45 cm 3 , at an operating frequency of 2 Hz. The prototype engine has achieved an indicated mean effective pressure of up to 4.4 MPa and an indicated power up to 400 W. The indicated thermodynamic efficiency of the engine is found to be about 13% based on the isopropyl nitrate heat of explosion. The indicated specific fuel consumption of the engine is 2.5 mg/J, which represents a conversion efficiency of 49% based on the isopropyl nitrate specific energy.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,202
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,101
Tête enseignante GPT0,405
Écart entre enseignants0,305 · 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.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Engine ResearchMême sujetRocket and propulsion systems researchTravaux en français237 207