Effect of renewable fuel components on combustion and emission performance of an HCCI engine
Notice bibliographique
Résumé
Renewable fuels usually consist of paraffinic hydrocarbons and are free of sulfur and aromatics. Although most renewable fuels meet the conventional fuel requirements for internal combustion engine applications, differences in fuel properties between renewable fuels and petroleum-based fuels still exist. The effect of renewable fuels on conventional diesel engines has been investigated by many researchers. However, few studies have been conducted on the effect of renewable fuels on combustion and emission performance of homogeneous charge compression ignition(HCCI)engines. In this paper, the combustion and emission characteristics of an HCCI engine are experimentally investigated when four neat renewable fuel components and their blends with a petroleum-based diesel were used. The ratios of renewable fuel components in the blends were changed from zero to 100%. The experiments were conducted over a wide range of operational conditions. Energy efficiency and regulated emissions data were collected and analyzed. The results suggest that compared to the petroleum-based diesel fuel, all four investigated renewable fuel components increase the fraction of heat release during low temperature stage and reduce the ignition temperature when applied to an HCCI engine. As a result, the investigated renewable fuel components advance combustion phasing of an HCCI engine. While three of the four investigated renewable fuel components improve the energy efficiency when blended with the petroleum-based diesel, one renewable fuel component deteriorates energy efficiency. The effects of renewable fuel components on emissions vary, with some reducing emissions while others not having a clear trend affecting emissions.
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 | 0,000 |
| 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 ».