XiaoMi-AI文件搜索系统
World File Search System燃油
根据电动汽车设计燃油经济标准
1参见https://www.epa.gov/ghgemissions/sources-greenhouse-gas-ymissions。 2个车辆燃油经济性可以直接转换为二氧化碳排放率，因此燃油经济性标准和温室气体标准非常紧密相关，本文通常将“标准”提到，除非它们差。 3“电动汽车”一词偶尔用于指的是只有电力源和插电式混合动力电动汽车（PHEV）的专用电动汽车，这些电动汽车（PHEV）可以同时使用汽油和电力。 本文使用“电动汽车”一词来指代专用的电动汽车，因为汽车制造商似乎在这类电动汽车方向强烈移动，这是因为拥有汽油和电动供应链的额外成本。 “ 100个新型号”的来源是：https：//www.nytimes.com/2021/04/04/22/business/electric-suvs-ford-volks-volkswagen-volvo.html？ action =单击＆模块= in％20 hother％20news＆pgtype = homepage。1参见https://www.epa.gov/ghgemissions/sources-greenhouse-gas-ymissions。2个车辆燃油经济性可以直接转换为二氧化碳排放率，因此燃油经济性标准和温室气体标准非常紧密相关，本文通常将“标准”提到，除非它们差。3“电动汽车”一词偶尔用于指的是只有电力源和插电式混合动力电动汽车（PHEV）的专用电动汽车，这些电动汽车（PHEV）可以同时使用汽油和电力。本文使用“电动汽车”一词来指代专用的电动汽车，因为汽车制造商似乎在这类电动汽车方向强烈移动，这是因为拥有汽油和电动供应链的额外成本。“ 100个新型号”的来源是：https：//www.nytimes.com/2021/04/04/22/business/electric-suvs-ford-volks-volkswagen-volvo.html？action =单击＆模块= in％20 hother％20news＆pgtype = homepage。
飞机燃油箱内的有毒和微生物环境...
在某些环境条件、温度和蒸汽浓度下会着火。易燃液体蒸汽“着火”的温度称为闪点。当燃料蒸汽达到称为下燃极限 (LFL) 或下爆炸极限 (LEL) 的水平时，蒸汽浓度就会达到危险水平。这些限制通常以体积百分比表示。低于 LFL / LEL（下燃极限 / 下爆炸极限）的燃料被认为太弱而无法燃烧。如果燃料蒸汽浓度超过上燃极限或上爆炸极限，则燃料被认为太浓而无法燃烧。这两个极限之间的燃料蒸汽浓度被认为处于其可燃范围内，它会在与点火源接触时点燃并燃烧。控制不必要的火灾和爆炸的最佳方法之一是将燃料蒸汽浓度保持在 LFL / LEL（可燃性下限 / 爆炸性下限）以下，从而防止其达到可燃性范围 [6], [7]。
燃油周期后端的策略和考虑因素
可以在第一种方法中减少燃油周期选项，以根据物理学和通过燃油周期处理材料的三种选择：开循环，单回收和多回收。开循环在轻水反应堆中使用低浓缩的铀，并将在深层地质储存库中处置耗尽的核燃料。单回生物一次重新处理二手核燃料一次，以生产混合的氧化物燃料（MOX）（枯萎的铀和plut液），并再次在轻水反应堆中使用了富集的后加工铀燃料（ERU）。从重新处理中的高级废物，而用过的ERU和MOX燃料将被处置在深层地质储存库中。多重生将引入快速频谱反应堆，以使用多个后处理周期的燃料。只要周期活跃，只有重新处理的高级废物才会在深层地质储存库中处置。可以通过少量actepinides的变异来增强多重生，以减少需要处置的长寿命放射性核素。
Uber 和 Lyft 对美国城市汽车保有量、燃油经济性和交通的影响
摘要我们使用一组差异倾向得分加权回归模型来估计交通网络公司 (TNC) Uber 和 Lyft 对美国城市地区的车辆拥有量、车队平均燃油经济性和公共交通使用量的影响，这些模型利用了 2011 年至 2017 年美国各地的交错市场进入情况。我们发现证据表明，TNC 进入城市地区会导致车辆登记量平均增加 0.7%，并且这些影响在不同城市地区存在显著差异：TNC 进入会导致初始拥有量较高的城市地区（依赖汽车的城市）和人口增长较低的城市地区（TNC 诱导的车辆采用速度超过人口增长）的车辆拥有量大幅增加。我们还发现，跨国公司进入对燃油经济性或公共交通使用的平均影响没有统计学上显著的差异，但发现这些影响在不同城市地区存在差异，包括在收入较高和无子女家庭较多的地区，跨国公司进入后公共交通客流量减少幅度更大。
博世燃油喷射系统 - W124 性能
如果将一定量的空气（或任何其他气体）封闭在密闭容器中，然后加热，容器内的压力就会上升。如果容器的其中一面壁是可移动的，内部压力就会以一定的力量将该壁向外推，具体力量取决于被困气体中注入的热量。简而言之，这就是所有内燃机的工作原理：每个气缸都是一个密闭容器，每个活塞代表该容器的可移动壁；热量由燃料（通常是汽油）的燃烧提供，被困气体是燃烧后剩下的任何气态化合物的混合物。同时，发动机的其他运动部件只起到两种支持作用中的一种。“底端”将活塞的运动转化为旋转运动，并通过将它们返回到冲程的顶部，将密闭容器恢复到其原始大小；气门装置和“顶端”的其他所有装置都只是为了排出废气，并用新鲜的可燃混合物重新填充气缸。
2021 年燃油经济性指南
E10 是 10% 乙醇和 90% 汽油的混合物，可合法用于任何汽油驱动的车辆。美国销售的大多数汽油含有高达 10% 的乙醇，以提高辛烷值、满足空气质量要求或满足联邦可再生燃料标准。自 2011 年起，EPA 开始允许在 2001 年款及更新的汽油车辆中使用 E15。乙醇所含的能量比汽油少约三分之一。因此，与使用 100% 汽油相比，车辆使用 E10 时每加仑行驶的英里数通常会少 3%-4%，使用 E15 时每加仑行驶的英里数通常会少 4%-5%。虽然 E10 随处可见，但目前美国约有 2,000 个加油站提供 E15。
Prime™高级燃油功能包装
Westinghouse的Prime™高级燃料功能有助于提高燃油性能，提高燃料可靠性，使得更好的燃油周期经济学并在上升条件下提供额外的利润和更高的燃烧。功能的包装包括基于经过验证的西屋燃料可靠性和在核燃料设计和制造中的世界一流领导者的优化。主要的燃料功能可用于17x17强大的燃油组件2（RFA-2），17x17优化的燃油组件（OFA）和15x15升级西宁房屋燃料设计。
消费者重视燃油经济性和性能多少？
* Benjamin Leard（Leard@r€。org）是田纳西大学的助理教授。Joshua Linn（Linn@r效应）是马里兰大学的副教授，也是资源的高级研究员。 Christy Zhou（yichen2@clemson.edu）是克莱姆森大学的助理教授。 我们感谢吉姆·萨利（Jim Sallee），阿什利·维辛（Ashley Vissing），亨德里克·沃尔Q. （华盛顿），TRB（华盛顿）和AEA/ASSA（费城）发表了宝贵的评论。 我们感谢凯文·罗斯（Kevin Roth）共享车辆刮擦数据。 我们感谢斯隆基金会支持这项研究。 1Joshua Linn（Linn@r效应）是马里兰大学的副教授，也是资源的高级研究员。Christy Zhou（yichen2@clemson.edu）是克莱姆森大学的助理教授。我们感谢吉姆·萨利（Jim Sallee），阿什利·维辛（Ashley Vissing），亨德里克·沃尔Q. （华盛顿），TRB（华盛顿）和AEA/ASSA（费城）发表了宝贵的评论。我们感谢凯文·罗斯（Kevin Roth）共享车辆刮擦数据。我们感谢斯隆基金会支持这项研究。1
飞机燃油规划和安全风险评估...
在本报告中，我们展示了荷兰皇家航空航天中心 (NLR) 航空运输安全研究所进行的研究成果。该研究项目是作者的硕士论文，旨在攻读代尔夫特理工大学 (航空运输与运营) 的航空航天工程硕士学位。该项目的主题是航空安全和定量风险评估领域。具体来说，该研究涉及航空公司运营 (商业航空运输) 中的燃料规划和燃料管理的安全问题。随着空中交通的快速增长，保持当前的安全水平并进一步提高它们是一项挑战，以实现欧盟的愿景安全目标，即到 2050 年每 1000 万次航班的事故少于一次。在各种事故和事件类别中，该项目研究与燃料有关的事故和事件。具体来说，我们调查了两起与燃料有关的事件；飞机着陆时燃油量低于最低规定燃油量（称为 FRF - 最终储备燃油）的概率以及燃油耗尽的概率。为了分析和评估安全风险，我们遵循了 TOPAZ 方法的步骤。根据之前对该主题的研究，创建了一份详尽的危险清单，并开发了一个基于代理的风险模型，并将其实施为随机动态着色 Petri 网 (SDCPN) 模型。风险模型以 JAVA 编程语言算法实现，方向是进行蒙特卡洛模拟。第一个事件（FRF）概率是通过常规（直接）蒙特卡洛模拟估计的，而对于第二个事件（燃油耗尽），常规蒙特卡洛被证明是不够的。事实上，燃油耗尽是一种罕见事件，因此需要实施加速方法。选择的加速方法是相互作用粒子系统 (IPS)。最后，通过模拟，我们估计了几种运行场景中这些罕见事件的概率。对燃料相关风险的可接受性进行了评估，最终证明对于所有场景，风险都是可以容忍或可接受的，同时还识别和分析了最突出的安全瓶颈。
提高 V2I 辅助自动驾驶的燃油经济性：强化学习方法
摘要 — 提出了一种新颖的框架，借助车对基础设施 (V2I) 通信网络提高自动驾驶汽车 (AV) 的驾驶安全性和燃油经济性。驾驶轨迹设计问题旨在最小化总燃料消耗，同时提高驾驶安全性（通过遵守交通规则和避开障碍物）。为了解决这个相关问题，提出了一种深度强化学习 (DRL) 方法来做出无碰撞决策。首先，提出了一种深度 Q 网络 (DQN) 辅助算法，通过从基站 (BS) 接收实时交通信息来确定 AV 的轨迹和速度。更具体地说，AV 充当代理，通过与环境交互来执行最佳动作，例如变道和变速。其次，为了克服 Q 学习模型对动作值的过高估计，提出了一种双深度 Q 网络 (DDQN) 算法，将最大 Q 值操作分解为动作选择和动作评估。此外，还提出了三种实用的驾驶策略作为基准。数值结果证明，所提出的轨迹设计算法能够提高 AV 的驾驶安全性和燃油经济性。我们证明了所提出的基于 DDQN 的算法优于基于 DQN 的算法。此外，还证明了从 DRL 算法衍生而来的基于燃油经济性 (FE) 的驾驶策略能够比基准节省超过 24% 的燃油。