Impact of titanium dioxide (TiO2) nanoparticles addition in Eichhornia Crassipes biodiesel used to fuel compression ignition engine at variable injection pressure
Notice bibliographique
Résumé
Power production through combustion of fuels plays a vital role in the progress of a nation. In liquid fuels, biodiesel has emerged as a potential replacement of fossil fuel. In this regard, the improvement of fuel properties or adjustment of the operating parameters can improve the efficiency and lower the emission for a biodiesel run diesel engine. In this regard, the current study focuses on the use of novel nano blended biodiesel, prepared by blending titanium dioxide nano particles along Eichhornia Crassipes biodiesel. Three different biodiesel blends are prepared having composition of titanium dioxide by 50 ppm, 100 ppm and 150 ppm which is tested in a four stroke, single cylinder, naturally aspirated water cooled diesel engine of 3.5 kW rated power for different loading conditions for performance, emission, and combustion evaluation. Further, at the same engine conditions, the biodiesel blend having 150 ppm of titanium dioxide is tested at fuel injection pressure of 220 bar. The findings suggests that the brake thermal efficiency improves and emissions lowers with the addition of nano particles at high fuel injection pressure. The maximum improvement of brake thermal efficiency of 1.01% in comparison to diesel mode has been found for nano blended biodiesel composition of 150 ppm of titanium dioxide at fuel injection pressure of 220 bar under full loading condition. For the same fuel injection pressure of 220 bar and same nano blended biodiesel composition, the hydrocarbon and carbon monoxide emission were found to minimum at 60% load.
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 | 0,000 | 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) | 0,001 | 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 ».