MétaCan
Menu
Retour à la cohorte
Enregistrement W3111278306 · doi:10.1115/icef2020-2983

An Investigation Into OME3 on a High Compression Ratio Engine

2020· article· en· W3111278306 sur OpenAlexaff
Simon Leblanc, Navjot Singh Sandhu, Xiao Yu, Xiaoye Han, Meiping Wang, Jimi Tjong, Ming Zheng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCetane numberNOxDiesel fuelCombustionDiesel engineSootCompression ratioExhaust gas recirculationEnvironmental scienceOxygenateWaste managementBiodieselMaterials scienceAutomotive engineeringChemistryEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract For decades, alternative fuels have been studied to further engine efficiency and lower combustion emissions. Of these fuels, biodiesel, alcohols, and ethers have shown advantageous benefits of improved mixing capability or reduced combustion emissions. Ether fuels consist of a range of C-O-C chain lengths that offer various noteworthy fuel properties such as fuel oxygen content and cetane number. In this work, oxymethylene dimethyl ether (OME3) and diesel are used as neat and blended fuels on a single-cylinder high compression ratio engine. Four test fuels are investigated in this work; baseline diesel, two diesel/OME3 blends, and neat OME3 fuel. Engine tests are conducted at an engine load of 6 bar and the intake oxygen concentration is modulated via EGR to realize the resulting engine performance, stability, and exhaust emissions among the test fuels. The results show that blending OME3 fuels with diesel is an effective technique to reduce soot emissions with minimal effect on NOx emissions. Moreover, neat OME3 was capable of emitting low NOx and soot emissions with a lower EGR amount than that of diesel-blends, mitigating negative combustion implication of EGR at high levels.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,262
Écart entre enseignants0,242 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCatalytic Processes in Materials ScienceTravaux en français237 207