High frequency reciprocating rig lubricity of diesel fuel with cetane improver additive
Notice bibliographique
Résumé
Diesel fuel lubricates the fuel injection system in compression ignition engines. ASTM Test Method D6079 is a standardized bench test that uses the high-frequency reciprocating rig (HFRR) to evaluate the boundary lubricating properties of diesel fuel. The addition of 2-ethylhexyl nitrate (2-EHN) cetane improver additive (CIA) has been shown to increase the HFRR wear scar diameter (WSD) of some diesel fuels. However, this result was shown to be incongruent with pump rig tests conducted with the same diesel fuels. The objective of this research is to investigate the impact of CIAs on the HFRR WSD. HFRR lubricity tests were performed with No. 1-D or No. 2-D ultra-low sulfur diesel (ULSD) fuels with ester- or monoacid-type lubricity improver additives (LIAs) and nitrate-type CIA. Different strategies for modifying the diesel fuel or the test procedure to minimize the 2-EHN effect on HFRR WSD were evaluated. When 2-EHN CIA was added to the No. 2 diesel fuel with an appropriate treat rate of ester- or monoacid-type LIA, the HFRR WSD increased by up to 200 µm. However, the addition of 2-EHN to the No. 1-D ULSD fuel did not increase the HFRR WSD. The results show that doubling the LIA treat rate or a 2% blend of biodiesel are two workarounds that reduce the HFRR WSD back to acceptable levels. A slight modification to the Test Method that involves ramping up the reciprocating frequency over a period of time shows potential for minimizing the thermal decomposition of 2-EHN during a lubricity determination.
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) | 0,001 | 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 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 ».