Development of a Spark Discharge PM Sensor for Measurement of Engine-Out Soot Emissions
Notice bibliographique
Résumé
Filter paper methods are well recognized as an effective means of measuring soot emissions from diesel engines. However, these methods provide an average soot value over a relatively long time period, rather than a real-time signal. Real-time measurements of engine-out soot emissions that could track changes in soot levels during transient operating conditions would be useful for the optimization of engine control strategies such as exhaust gas recirculation. This paper presents experimental results obtained using a real-time PM sensor based upon a spark discharge measuring principle. Like traditional filter paper devices, it is sensitive to the carbon or soot component of the particulate matter emitted by diesel engines. The sensor was tested on a turbocharged diesel engine, and compared with reference measurements of Filter Smoke Number (FSN) from an AVL 415s smokemeter. Improvements to the sensor made it possible to measure soot levels at FSN values over 3.5, while retaining good sensitivity below FSN values of 0.1. The sensor signal showed a high correlation with the reference FSN measurements. This correlation was used to develop a signal processing technique so the sensor provided a real-time signal for predicted FSN. Conversion of the FSN values to mass concentration values (using published techniques for the reference instrument) indicated that the output of the spark discharge soot sensor was nearly linear with mass concentration over a substantial portion of the measuring range. The sensor showed a response time of under 2 seconds to step changes in FSN 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 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 ».