Impact of titanium dioxide (TiO2) nanoparticles addition in Eichhornia Crassipes biodiesel used to fuel compression ignition engine at variable injection pressure
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
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.
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 | 0,000 | 0,001 |
| 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 découle