Performance Combustion and Emission Characteristics of 3-Cylinder SI Engine Fuelled Conventional Gasoline, Ethanol Blends, and Micro-emulsion Used as an Alternative Fuel
Notice bibliographique
Résumé
In this contribution 15% ethanol blend with 85% gasoline, and micro-emulsion fuel (90% gasoline, 8% ethanol, & 2% H2O) was compared with 100% conventional gasoline fuel on 3-cylinder Spark Ignition engine to check its performance and emission characteristics. The AVL Boost software was used for predicting the performance and emission characteristics of 3-cylinder SI engine. It was found that although power increases for conventional 100% gasoline as the fuel, as compared to 15% ethanol blends and micro-emulsion fuel, but emissions were reduced more for micro-emulsion used as an alternative fuel in SI engine, and it meets the standards of present emission norms Euro 6. Micro-emulsion fuel was prepared in the lab by blending gasoline, ethanol and H2O was used as an additive in the fuel for improving its physical & thermal properties. The H2O molecule present in the fuel helped in reducing the emissions from 3-cylinder SI engine. As H2O addition increases the oxygen concentration in the micro-emulsion fuel which helps in enhancing the combustion of fuel, and in build oxygen atom inside the ethanol fuel also helps in better combustion which ultimately gives less CO, HC, & NOx emissions. The vibe-2 zone model was used for the combustion analysis of the engine which involves both burnt and unburnt gases in the combustion chamber. The results showed that micro-emulsion fuel not only improves the performance but also reduces the emissions. All the emissions CO, HC, and NOx showed decrease for ethanol blended fuel and micro-emulsion as compared to 100% gasoline fuel.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».