MétaCan
Menu
Retour à la cohorte
Enregistrement W4309797160 · doi:10.1115/icef2022-88393

Impact of Discharge Current Profiling on Ignition Characteristics of Hydrogen/Methane Blends

2022· article· en· W4309797160 sur OpenAlexaff
Long Jin, Simon Leblanc, Xiaoxi Zhang, Alex Bastable, Jimi Tjong, Ming Zheng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésIgnition systemMaterials scienceIgnition timingMethaneHydrogenHomogeneous charge compression ignitionAutomotive engineeringNuclear engineeringCombustionCombustion chamberEngineeringChemistryAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Abstract For future SI engines, the ignition processes of an air-fuel mixture are often subjected to a fuel-lean mixture of considerably higher density, high intake boost, and high compression ratio to further improve engine efficiency. The ignition systems for future gasoline engines should effectively ignite the mixture and secure the flame kernel until it develops into self-sustainable propagation. In this paper, the impact of discharge current profile on flame kernel formation and development processes of methane-hydrogen/air mixtures under engine-like conditions are experimentally investigated in a rapid compression machine. The discharge current during the glow phase is modulated to change the energy discharge profiles. A Field-programmable gate array based multi-task control system is established to effectively control and stabilize the discharge current amplitude and duration for different ignition strategies. The ignition and combustion process are characterized via simultaneous high-speed direct imaging and in-cylinder pressure measurement. The ignition delay is analyzed with respect to the in-cylinder pressure under various boundary conditions such as fuel blending ratio and spark discharge parameters, with a focus on the efficacy of ignition strategies under various hydrogen/methane blending ratios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,289
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207