MétaCan
Menu
Retour à la cohorte
Enregistrement W4409018221 · doi:10.4271/2025-01-8418

Combustion Characterization and Heat Release Rate Modeling of a Heavy-Duty Hydrogen-Diesel Dual-Fuel Engine

2025· article· en· W4409018221 sur OpenAlexaff
Reza Farzam, Mang Guan, Raine Gmoser, Patrick Steiche, Patrick Kirchen, Gordon McTaggart-Cowan

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2025
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDual (grammatical number)Automotive engineeringDiesel fuelCombustionHeavy dutyHydrogenEnvironmental scienceDiesel engineCharacterization (materials science)Internal combustion engineHomogeneous charge compression ignitionWaste managementNuclear engineeringMaterials scienceChemistryEngineeringCombustion chamberNanotechnology

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">Introducing hydrogen (H<sub>2</sub>) into the intake air of diesel engines provides a near-term approach to reducing tailpipe CO<sub>2</sub> emissions from heavy-duty commercial vehicles. The premixed hydrogen results in a complex H<sub>2</sub>-Diesel dual fuel (H<sub>2</sub>DF) combustion process, where H<sub>2</sub> can both participate in the non-premixed diesel combustion and result in a propagating H<sub>2</sub>/air combustion. These interactions influence engine combustion characteristics, including in-cylinder pressure and heat release rate (HRR), as well as emissions. The nature and extent of the impact depends on the amount of H<sub>2</sub> introduced as a function of the total fuel energy (H<sub>2</sub> energy share ratio - HES), the trapped air mass, and engine operating conditions. To optimize the HES ratio under different conditions, it is crucial to understand how H<sub>2</sub>DF combustion differs from diesel combustion and how this limits engine operation and impacts emissions. To investigate these effects, a heavy-duty class 8 truck fitted with an H<sub>2</sub>DF system developed by Hydra Energy Corp. was tested on a chassis dynamometer. The engine was fitted with a suite of instrumentation, including in-cylinder pressure, air system pressure and temperature, exhaust flow rate, and emissions measurement equipment. Tests were conducted over three loads and speeds at fixed HES ratios, and detailed HES ratio studies were conducted at low- and mid-load cases at 1200 RPM. The results show that H<sub>2</sub> introduction significantly impacts combustion characteristics and emissions, primarily influenced by the H<sub>2</sub> equivalence ratio, with the engine control unit’s adjustments to boost pressure and diesel injection timing playing a critical role in combustion characteristics and engine-out emissions. At higher H<sub>2</sub> equivalence ratios than 0.1, an H<sub>2</sub>/air premixed flame forms, advancing combustion phasing, which increases the maximum rate of pressure rise and reduces PM while raising NOx emissions. The Pcyl and HRR data are used to develop a semi-predictive combustion model imposing the net HRR profile using a multi-Wiebe function. A four-curve Wiebe function model can accurately capture the HRR and combustion characteristics across engine operating points, providing a reliable predictive tool at a given speed/load for various HES ratios. The developed understanding and combustion model provides valuable insight and techniques for future studies to further improve H<sub>2</sub> utilization strategies tailored for the retrofit of heavy-duty H<sub>2</sub>DF truck applications.</div></div>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,234
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207