MétaCan
Menu
Retour à la cohorte
Enregistrement W4409381882 · doi:10.11159/jffhmt.2025.013

Conversion of Waste Energy from CI Engines to Electrical Power with TEG

2025· article· en· W4409381882 sur OpenAlexvenueno aff
Jaafar Ali.Mahdi, Hasanain J. A. Juaifer, Hayder Jabbar Kurji, Murtdha S. Imran

Notice bibliographique

RevueJournal of Fluid Flow Heat and Mass Transfer · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceWaste managementPower (physics)Waste-to-energyElectric potential energyElectric powerEnergy transformationAutomotive engineeringEngineeringMunicipal solid wastePhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

All internal combustion engines exhibit significant energy loss during operation; the cooling and exhaust systems dissipate the bulk of the energy produced during combustion.The use of this energy enhances engine efficiency.One use of this capability is to enhance the efficiency of the engine's air intake, achieved using a turbocharger.Utilise thermoelectric generators (TEGs) to transform thermal energy into electrical energy.This investigation used a TEG model ( 27145) installed externally at the exhaust port.A system of four thermoelectric generators was established and interconnected in both series and parallel configurations.Measurements of current, voltage, power, and temperature fluctuations between the two sides of the thermoelectric generator were conducted using measuring devices.The practical component of the research was conducted at an ambient air temperature of 37C, engine speed of 2340 rpm, specific fuel consumption of 0.173 kg/hr, and brake power of 2.34 kW.The empirical findings indicate that the maximum voltage and power achievable by connecting four thermoelectric generators in series are 13.33 volts and 11.25watts, respectively.Furthermore, when the thermoelectric generator was configured in parallel, the maximum current output was 3.14 amperes.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,425
Score d'incertitude au seuil0,346

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,207
Écart entre enseignants0,203 · 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.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid Flow Heat and Mass TransferMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207