MétaCan
Menu
Retour à la cohorte
Enregistrement W4205368349 · doi:10.1115/1.4053437

Electrical and Optical Characterization Methodologies for Advanced Spark Ignition

2022· article· en· W4205368349 sur OpenAlexaff
Linyan Wang, Guangyun Chen, Jimi Tjong, Ming Zheng

Notice bibliographique

RevueJournal of Energy Resources Technology · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésIgnition systemShadowgraphSPARK (programming language)Field-programmable gate arrayComputer scienceCombustionWaveformTransient (computer programming)Automotive engineeringVoltageNuclear engineeringElectrical engineeringEngineeringAerospace engineeringEmbedded systemPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Due to the high transiency and high voltage characteristics of spark ignition (SI), precise measurements are in demand for efficient ignition in future clean combustion engines. The practical challenges of SI systems arise as the gaseous substances vary extensively in density, flow, and temperature. In this paper, a typical transistor coil ignition system with a current management module maintains the transient discharge condition for more credible measurements. Suitable apparatus with field-programmable gate array (FPGA) multi-task control systems are established to effectively control and stabilize the discharge current level and duration. The electrical waveforms and spark plasma patterns are correlated, via concurrent electric probing and shadowgraph imaging, under quiescent and flow conditions. The multi-task FPGA provides synchronization of ignition control and data acquisition. The empirical setup and analyzing methods of this work provide essential guidance for facilitating broader innovations in spark ignition, and for advancing the clean and efficient combustion in automotive and aviation engines.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,017
Tête enseignante GPT0,262
Écart entre enseignants0,245 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207