MétaCan
Menu
Retour à la cohorte
Enregistrement W4394617904 · doi:10.4271/2024-01-2132

Oxygenated Fuels as Reductants for Lean NOx Trap Regeneration

2024· article· en· W4394617904 sur OpenAlexaff
Navjot Singh Sandhu, Xiao Yu, David S.‐K. Ting, Ming Zheng

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésNOxTrap (plumbing)Regeneration (biology)Waste managementEnvironmental scienceChemistryProcess engineeringEnvironmental engineeringCombustionEngineering

Résumé

récupéré en direct d'OpenAlex

The push for environmental protection and sustainability has led to strict emission regulations for automotive manufacturers as evident in EURO VII and 2026 EPA requirements. The challenge lies in maintaining fuel efficiency and simultaneously reducing the carbon footprint while meeting future emission regulations. Alcohol (primarily methanol, ethanol, and butanol) and ether (dimethyl ether) fuels, owing to their comparable energy density to existing fuels, the comparative ease of handling, renewable production, and suitable emission characteristics may present an attractive drop-in replacement, fully or in part as an additive, to the gasoline/diesel fuels, without extensive modifications to the engine geometry. Additionally, lean and diluted combustion are well-researched pathways for efficiency improvement and reduction of engine-out emissions of modern engines. Modern internal combustion engines typically employ various in-cylinder emission reduction techniques along with a multi-stage exhaust after-treatment system to comply with emission standards. Lean NOx trap (LNT) is one such aftertreatment system that can reduce the tailpipe NOx under lean conditions at a cost of fuel efficiency penalty due to regeneration. This penalty can be partially mitigated by using in-cylinder NOx reduction methodologies. In the present study, the impact of oxygenated fuels (ethanol and dimethyl Ether) on the regeneration of LNT catalyst under various lean burn exhaust conditions is investigated. The regeneration characteristics of the oxygenated fuels are compared to those of conventional gasoline fuels. Relevant engine-out exhaust conditions from SI and CI engines, including flow, temperature, and exhaust species, operating at different dilution conditions were replicated on a heated aftertreatment flow bench. A comprehensive analysis of species before and after the catalyst sections was performed using Fourier-transformed infrared (FTIR) and mass spectrometers to study and quantify the conversion and formation of species, including ammonia, methane, and hydrogen, under different catalyst conditions. The conversion selectivity of different species is also investigated. The results show that gasoline, ethanol and DME can act as effective reductants for LNT regeneration. LNT catalyst achieves the maximum storage efficiency at 350°C regardless of the reductant used. The NOx conversion efficiency of LNT increases unidirectionally with temperature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,286
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207