In-Cylinder Cold-Flow Analysis - ‘A Comparison of Crank-Slider Engine and Crank-Rocker Engine’
Notice bibliographique
Résumé
Researchers and engineers are continuously working to improve the overall efficiency of internal combustion engines by modifying the engine designs and configurations. As new engine designs are introduced, the in-cylinder flow behaviour becomes more and more complex. The maximum output and efficiency that can be achieved from a single cylinder engine depends upon the amount of air entrapped in the combustion chamber during intake stroke. A novel crank-rocker (C-R) engine was designed and fabricated in Universiti Teknologi PETRONAS (UTP), Malaysia and is currently under optimization phase. This paper narrates the in-cylinder cold-flow analysis of the C-R engine considering widely used industrial automotive software, Converge CFD. The turbulent behaviour of the C-R engine was compared with that of the conventional crank-slider engine. The initial and boundary conditions for the C-R engine simulations were set according to the benchmarked crank-slider engine. RNG k-ε turbulence model was used to generate the data plots for tumble & swirl ratios, cylinder pressure, TKE, turbulent dynamic viscosity and vorticity at cold-flow conditions. It was observed that the C-R engine has better air scavenging properties and can achieve better air-fuel mixing that can lead to emission-free combustion. This study will help in understanding the turbulent airflow behaviour within the curved cylinder under the influence of rocking piston motion, and its advantageous flow properties compared to those in crank-slider 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».