An assessment of various nanoadditives and tribocorrosion with waste cooking biodiesel fueled in a diesel engine
Notice bibliographique
Résumé
The steady-state coefficient of friction rate of waste cooking biodiesel fuel blends is higher for B90 (18.2%), B60 (7.2%), B20 (16.72%), B10 (30.8%), and diesel (38.77%) than for the B40 fuel blend, and the wear scar diameter of the B40 to B100 fuel blends has a minimal range of 0.5 mm. The flash temperature parameter was the highest for the B40 to B100 fuel blends, and the corrosion rate was the lowest for the B40 and B50 fuel blends. Subsequently, the B40 (40% waste cooking oil + 60% diesel fuel) fuel blend was chosen, along with cerium (25 ppm), zinc (25 ppm), and titanium nanoparticles (25 ppm) as fuel additives. The B40 + D60 + titanium (25 ppm) fuel blend resulted in an improved thermal break efficiency and 3.83% lower brake thermal energy consumption than diesel fuel. The B40 + D80 + titanium (25 ppm) fuel blend resulted in a 2.08% reduction in HC, 36.36% reduction in CO, and 16.25% reduction in smoke emissions, along with marginally higher (8.5%) NO x emissions than diesel fuel. In addition, for the B40 + D80 + titanium (25 ppm) fuel blend, the combustion characteristics of cylinder pressure (58.82 bar) and HRR (66.65 J/deg CA) were the same as those of diesel fuel at peak load.
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 ».