MétaCan
Menu
Retour à la cohorte
Enregistrement W2995703137 · doi:10.1115/icef2019-7232

Investigation of the Electrical-to-Thermal Energy Transfer Efficiency of Different Discharge Strategies Through Electrical and Calorimetry Measurement

2019· article· en· W2995703137 sur OpenAlexaff
Hua Zhu, Xiao Yu, Zhenyi Yang, Liang Li, Ming Zheng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and Detonation Processes
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceElectric sparkSpark gapIgnition systemThermal energyElectric potential energyHeat transferCalorimeter (particle physics)Electrical breakdownCapacitorNuclear engineeringElectrical engineeringOptoelectronicsVoltageEnergy (signal processing)MechanicsThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, the electrical-to-thermal energy transfer efficiency of the transistor coil ignition system for spark-ignition engines is investigated using both electrical and calorimetry measurements. The gap voltage and discharge current are measured to determine the electrical energy supplied to the spark gap. A pressure-rise calorimeter is used to estimate the thermal energy transferred from the plasma channel to the gas. Firstly, this paper studies the influences of spark gap size, electrode geometry and background pressure on the energy transfer efficiency. To further investigate the effectiveness of increasing breakdown energy on the energy transfer process, a direct-capacitor is paralleled to the spark gap to redistribute the spark energy in both breakdown and glow phases. The varying of the capacitance enables the investigation of the energy transfer efficiency under different breakdown energy level. Results show that the electrical-to-thermal energy transfer efficiency is strongly dependent on gap size, electrode geometry and background pressure. Increasing the breakdown discharge energy is beneficial for the electrical to thermal energy transfer process.

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)0,000
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 enseignants0,116
Score d'incertitude au seuil0,243

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,201
Écart entre enseignants0,187 · 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 sujetCombustion and Detonation ProcessesTravaux en français237 207