Engine Performance and Emission Characteristics of a Direct Injection Diesel Engine Fuelled with 1- Hexanol as a Fuel Additive in Mahua Seed Oil Biodiesel Blends
Notice bibliographique
Résumé
The increasing industrialization and motorization of the world has led to a steep rise for the demand of petroleum products. Petroleum based fuels are obtained from limited reserves. In the wake of this situation, there is an urgent need to promote use of alternative fuel which must be technically feasible, economically competitive, environmentally acceptable and readily available. In the present study, Mahua seed oil methyl esters (MSOME) were prepared through transesterification and evaluation of important physico-chemical properties was carried and the properties were found within acceptable limits. A compression ignition engine was fuelled with three blends of MSOME with diesel (10, 20 and 30% on volume basis) and various performance and emission characteristics were evaluated and results compared with baseline data of diesel. The results suggest the BTE was higher for MSOME blends and BSFC, HC and smoke opacity were lower as compared to diesel fuel. This may be attributed to improved combustion for MSOME are oxygenated fuels and have higher cetane number. The values of NOx were found almost nearer for all blends as compared to diesel. Addition of 1-hexanol (Ignition improver) 0.5%, 1% volume ratios to the optimum blend (MSOME30) for evaluating the engine performance and emissions parameters and the main purpose of ignition improver is to improve combustion process and reduction in engine emissions. Finally results shows that performance and emissions have been to justify the potentiality of the mahua seed oil methyl esters as alternative fuel for compression ignition engines without any modifications
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 ».