MétaCan
Menu
Retour à la cohorte
Enregistrement W2985131733 · doi:10.1115/gt2019-91742

Evaluation of Spray Performance of Pyrolysis Oil

2019· article· en· W2985131733 sur OpenAlexaff
Sean Yun, Minji Choi, Ashwani Kumar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésPyrolysisPyrolysis oilCombustionFossil fuelNozzleProcess engineeringEnvironmental scienceWaste managementWork (physics)Materials sciencePetroleum engineeringMechanical engineeringEngineeringChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Pyrolysis oil has become an important subject of research as it is considered to be a potential environmentally friendly and cheap alternative to conventional fossil fuels. Unfortunately, due to the significant differences of the chemical and physical properties of pyrolysis oil than that of fossil fuels, the deployment of pyrolysis oil in existing power systems such as gas turbines and internal combustion engines has been highly restricted. Thus, major research on pyrolysis oil has been conducted to overcome these challenges related to the unfavorable physical and chemical properties of pyrolysis oil. This paper reports experimental work on the effects of physical properties of the pyrolysis oil on spray performance of nozzles. Effort to evaluate the spray performance by using different types of atomizers has been made as well. Laser based diagnostics was applied to obtain qualitative comparisons spray characteristics of various pyrolysis oils. Experimental data such as the distribution of fuel droplet sizes and overall spray shapes was analyzed, which could provide valuable guidelines to design fuel nozzles. Lastly, the paper will also present NRC’s plans to accelerate the deployment of such pyrolysis oils in industrial gas turbines.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCombustion and flame dynamicsTravaux en français237 207