Multi-Variable Sensitivity Analysis and Ranking of Control Factors Impact in a Stoichiometric Micro-Pilot Natural Gas Engine at Medium Loads
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">A diesel piloted natural gas engine's performance varies depending on operating conditions and has performed best under medium to high loads. It can often equal or better the fuel conversion efficiency of a diesel-only engine in this operating range. This paper presents a study performed on a multi-cylinder Cummins ISB 6.7L diesel engine converted to run stoichiometric natural gas/diesel micro-pilot combustion with a maximum diesel contribution of 10%. This study systematically quantifies and ranks the sensitivity of control factors on combustion and performance while operating at medium loads. The effects of combustion control parameters, including the pilot start of injection, pilot injection pressure, pilot injection quantity, exhaust gas recirculation, and global equivalence ratio, were tested using a design of experiments orthogonal matrix approach. Specific outcomes from this research lead to fundamental and essential new knowledge in identifying the dominant factors for optimizing engine performance (i.e., thermal efficiency, combustion stability, combustion duration). The results provide a path forward for developing a high-efficiency engine and an optimized fuel and air handling system by ranking different controlling parameters for each performance metric studied. It was observed that exhaust gas recirculation and diesel pilot start of injection are the most influential parameters controlling medium load performance. In contrast, intake air temperature and pilot injection pressure have the least impact on the condition studied.</div></div>
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».