Thermofluids analysis of combustion, emissions, and energy in a biodiesel (C11H22O2) / natural gas heavy-duty engine with RCCI mode (Part I: Single/ two -stage injection)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
One of the novel methodologies used to increase energy efficiency and reduction of environmental pollutants in internal combustion engines is the idea of low-temperature combustion (LTC) especially reactivity controlled compression ignition (RCCI). Given that the ultimate goal of RCCI combustion is combustion controllability through in-cylinder reactivity stratification by using two different fuels, there are many modifiable factors, which can be improved or adjusted. The aim of this research is to use the concept of RCCI combustion in a biodiesel (C 11 H 22 O 2 ) / natural gas heavy-duty engine and the performance and amount of pollutants of engine output is evaluated and compared by modifying the input parameters (different fuel injection strategy). Accordingly, numerical simulations have been carried out to study combustion in the geometry of the Caterpillar 3401E engine with CONVERGE computational fluid dynamic software and the SAGE combustion model. Results show that: By changing the biodiesel injection time (from -40° to -60°), although, the rate of heat released decreases, output work and Indicated mean effective pressure (IMEP) increase. By increasing the lag of time between the first and second injections (in Cases 1–3), the IMEP will increase from 6.9 to 8.2 bar and the work from 1686 to 1997 J. In Cases (7–9), the mass of HC and CO pollutants has drastically decreased with the onset of injection earlier, whereas the mass of NOx pollutants has increased.
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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle