Cycle-to-Cycle Combustion Stability Evaluation of HCNG Blends in Multi-Cylinder Engines via Coefficient of Variation Analysis
Notice bibliographique
Résumé
This study investigates the effect of hydrogen enrichment on combustion stability in a CNG-fueled multi-cylinder spark-ignition engine.Hydrogen was blended into CNG at 0%, 18%, 25%, and 30% by volume, and the blends were tested under constant-speed, fullload conditions.Combustion stability was assessed using the coefficient of variation (CoV) of peak cylinder pressure (Pmax), mass burn fraction at 50% (MBF50), and heat release rate (HRR).A correlation matrix analysis was employed to examine interrelationships between these stability parameters.Results indicated that the 18% HCNG blend provided the best overall improvement, achieving the lowest CoV values for MBF50 and HRR, and significantly reducing CoV_Pmax compared to pure CNG.Increasing hydrogen content to 25% maintained stability but introduced minor irregularities, while 30% hydrogen further improved Pmax consistency yet adversely impacted MBF50 and HRR stability.Correlation analysis highlighted a strong positive relationship between MBF50 and HRR stability, emphasizing the critical role of combustion phasing control.The study concludes that hydrogen enrichment in the range of 18-25% optimally enhances combustion stability without inducing combustion irregularities.These findings offer valuable insights for optimizing HCNG blends to achieve cleaner and more efficient future engine designs.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| 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 | 0,001 |
| 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 ».