Sooting Tendency of a Series of Kerosene Surrogates and Blends Containing Various Additives Considered as Sustainable Alternative Fuels
Notice bibliographique
Résumé
The present work aims at analyzing the sooting tendency of 32 additives considered as potential alternative transportation fuels including 4 C2–C5 alcohols, 4 C7–C10 esters, 16 C4–C7 furans, 6 C10 terpenes, and 2 pyrolysis oils (POs), some of which have seldom (if ever) been studied in the literature. The sooting propensity of each additive, following its mixture with a kerosene surrogate, was characterized using the oxygen extended sooting index (OESI), which is based on the measurement of the smoke point (SP), before being converted into unified index (UI) values for modeling purposes. To that end, a benchmarking analysis of the SP measurement approaches commonly used in the literature was first conducted. The SP of a series of reference fuels from the ASTM D1322 standard were measured using different methods to compare their precision, repeatability, and ease of use. This led to identifying the so-called vision-based algorithm-aided procedure as being the best suited. This method was then selected to test the ability of 8 model fuels to emulate the sooting propensity of a commercial Jet-A. Based on the results obtained, an n-dodecane/isocetane/mesitylene/n-propylbenzene blend was chosen to be mixed with up to 40 vol % of additives. The measured UI showed that each tested fuel, except for one terpene (myrcene), soots less than the kerosene surrogate. Their soot-suppressing effect was found to decrease in the following order: alcohols > esters > furans > terpenes. Measured data, moreover, allowed extending the predictive capability of a group contribution model (GCM) recently developed through the proposal of dedicated submodels integrating 15 sooting propensity factors suitable for predicting the tendency to soot of furans and terpenes. While satisfactorily simulating measured data, the GCM proved to be valuable for identifying the chemical structures influencing soot production. Finally, although POs exhibit low UI, their high water content, among other things, removes them from consideration as attractive additives.
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 | 0,000 |
| 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) | 0,000 | 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 ».