Nano Additives in Cashew Nut Shell Liquid Biodiesel and Environment Emissions of Diesel Engine
Notice bibliographique
Résumé
The developing countries are using non-edible oils for the production of biofuels, additives, or alternate fuels. The research article focused on the behavior study and analysis of cashew nut shell liquid (CNSL) biodiesel obtained by processing the cashew nut shell liquid. The work is carried out to derive the thermal-cracked (TC) -CNSL oil from Cardonal in the temperature range l50℃ to 400℃. The chemical functional groups are studied using Fourier-transform infrared spectroscopy (FTIR) and gas chromatography-mass spectrometry (GCMS) techniques. The TC-CNSL blended fuel performance is compared with diesel and neat biodiesel (B-100). The physicochemical properties of diesel, CNSL, and TC-CNSL biodiesel are estimated based on American Society for Testing and Materials (ASTM) standards. The 50 parts per million (ppm) Cerium Oxide Nanoparticles are added with TC-CNSL-B25, TC-CNSL-B50, TC-CNSL-75, and TC-CNSL-BJOO and processed in a single stroke diesel engine working at constant speed 1500-rpm. The blended fuel is analyzed based on environmental emission parameters in the diesel engines. The carbon monoxide (CO), carbon dioxide (CO2) hydrocarbon (HC) emissions of B-100 are reduced by 40.5%, 60.9%, and 30.7% respectively in comparison to diesel, at full load. The nitrogen oxide (NOx) emissions are increased by 13.26 % in B-100 in comparison to diesel, at full load. The smoke density is also observed decreasing in B-100 in comparison to diesel.
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) | 0,001 | 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 ».