Dynamic emission analysis of a hydrogen/diesel dual-fuel engine using clustering method
Notice bibliographique
Résumé
Internal combustion engines play a crucial role in transportation and agriculture, yet diesel-powered heavy and medium duty freight vehicles are significant sources of CO 2 and other exhaust emissions. Retrofitting existing diesel engines to dual-fuel systems is a promising solution to reduce these emissions. Among various dual-fuel configurations, the hydrogen/diesel dual-fuel (HDDF) engine with port injection is particularly effective in lowering exhaust emissions with minimal modifications to the engine. A detailed emissions analysis of an HDDF engine controlled by a data-driven predictive controller is presented. This controller tracks a transient load profile and optimizes diesel and hydrogen injections while respecting engine durability constraints. A comparison with 100% diesel engine operation reveals that the HDDF engine reduced carbon dioxide, carbon monoxide, and non-methane hydrocarbon emissions by 57%, 75%, and 37%, and particulate matter (PM) emission of the HDDF is one seventh of the diesel. Despite these benefits, one challenge is elevated nitrogen oxides (NO x ) emissions at high loads due to the hot flame temperature. A k -means clustering method was utilized to categorize key parameters — indicated mean effective pressure (IMEP), NO x , PM , and hydrogen energy share (HES) — into three groups: low, medium, and high. Results indicated that maintaining the same NO x and PM levels for increasing load required engine operation adjustments of: increasing diesel injection timing, reducing HES to adjust NO x level, and increasing both HES and diesel start of pre-injection to adjust PM level. The data-driven predictive controller and its cost function are used to set this balance between hydrogen and diesel injections.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».