Analysis of a diesel engine fueled with ternary fuel blends and alumina nano-additives at various combustion chamber geometries
Notice bibliographique
Résumé
The present study investigates the impact of various combustion chamber geometries in a direct injection engine fueled with diesel–biodiesel–ethanol blends mixed with alumina nano-additives, named as high-performance fuel (HPF). The HPF was subjected to various combustion bowl geometries including standard hemispherical chamber geometry (SG), shallow depth reentrant bowl geometry (CG1), toroidal reentrant chamber geometry (CG2), and toroidal chamber geometry (CG3). Performance results reveal that in comparison with the SG-HPF arrangement, brake thermal efficiency increased by 11.51% and brake-specific energy consumption decreased by 10.37% when using the CG2-HPF arrangement. For emmisions, CG2-HPF reduced carbon monoxide, hydrocarbon, and smoke emissions by 33.53%, 18.35%, and 14.37%, respectively, in comparison with SG-HPF. Regarding combustion, CG2-HPF resulted in a high heat release rate owing to the reentrant chamber profile of CG2 which improves the air–fuel mixture rate, atomization, and evaporation rate, resulting in more efficient combustion, increased cylinder pressure, and increased heat release rate. Thanks to the geometry of the reentrant profile, the turbulent kinetic energy of the fuel mixture is maintained and returned to the combustion zone. Thus, the stagnation of rich mixtures within the combustion zone tend to decrease. Overall, the CG2 geometry was found to be the optimum geometry profile for HPF, based on improved performance and combustion characteristics, as well as reduced exhaust emissions.
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 | 0,001 |
| 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 ».