Empirical Investigation of Reactivity-Controlled Compression Ignition Engine Fuelled by Ethanol and DME at Low Engine Load
Notice bibliographique
Résumé
Abstract Low-carbon fuels can reduce the carbon footprint within the transportation sector significantly. Upcoming emission regulations challenge diesel-fueled combustion engines, especially concerning NOx and smoke. Combustion strategies that enable low-temperature combustion can realize low NOx and soot emissions, simultaneously. Reactivity-charged compression ignition (RCCI) mode enables a range of applicable fuels and can perform with a wider load range. However, challenges persist with poor combustion efficiency at low-load RCCI. This work studies the dual-fuel combustion of high-pressure direct injection DME with port-fueled ethanol. The injection timing of DME was advanced until the RCCI combustion mode was apparent. The influence of premixed energy share (PES) of ethanol was compared under a similar load. Combustion and emissions were characterized by in-cylinder pressure measurement and exhaust emissions speciation. In a conventional dual-fuel combustion mode, the major proponent of exhaust hydrocarbon emissions was unburned ethanol. The advance of the injection timing lowered the proportion of unburned ethanol in the exhaust similarly among premixed energy shares. As a result, an 11% absolute increase in combustion efficiency was realized with an advanced injection timing from 355°CA to 300°CA. The NOx emissions were reduced. By employing a split injection strategy, RCCI pressure rise rates and NOx emissions could be further minimized. The results show that optimized fuel scheduling of DME-ethanol RCCI may establish low NOx and ultra-low smoke emissions with high combustion efficiency.
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 | 0,001 |
| 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 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 ».