MétaCan
Menu
Retour à la cohorte
Enregistrement W2996452793 · doi:10.1139/tcsme-2019-0166

Detailed study of performance and emission characteristics of diesel engine fuelled with biodiesel and additive

2019· article· en· W2996452793 sur OpenAlexvenueno aff
K. Logesh, M. Nagaraj, G. Mageshwaran, R.B. Durairaj, D. Christopher

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodieselDiesel fuelNOxPulp and paper industryEnvironmental scienceBiofuelSmokeWaste managementDiesel engineThrust specific fuel consumptionOxygenateDiethyl etherChemistryCombustionOrganic chemistryEngineeringCatalysisAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

The use of biofuels, namely alcohols and biodiesel, leads to lower efficiency and higher nitric oxide (NO) emissions compared with the use of diesel. The objective of this study was to reduce the emissions and enhance the performance from neat coconut oil biodiesel. To begin, the diethyl ether (oxygenated additive, OA) was blended with transesterified coconut oil biodiesel (CBD100). The OA was varied in CBD at 5% and 10% on a volume basis. The results revealed that the addition of the OA to CBD resulted in no phase separation in all working conditions. Further, adding 10% OA to CBD resulted in lower carbon monoxide (1.7%), smoke (2.1%), NO (2.7%), and hydrocarbon (1.9%) emissions than neat CBD. In addition, efficiency increased (1.2%) and fuel consumption lowered (1.3%) by blending the OA with CBD at all loads.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
Score d'incertitude au seuil0,344

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 Opus0,006
Tête enseignante GPT0,172
Écart entre enseignants0,166 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetBiodiesel Production and ApplicationsTravaux en français237 207