Téléchargez le livre : Simulative Untersuchung zur Effizienzsteigerung des Nutzfahrzeugantriebs mittels eines auf Rankine-Prozess basierenden Restwärmenutzungssystems

Simulative Untersuchung zur Effizienzsteigerung des Nutzfahrzeugantriebs mittels eines auf Rankine-Prozess basierenden Restwärmenutzungssystems



de

Éditeur :

Springer Vieweg


Paru le : 2023-12-15



eBook Téléchargement , DRM LCP 🛈 DRM Adobe 🛈
69,01 €
Téléchargement immédiat
Dès validation de votre commande
Ajouter à ma liste d'envies
Image Louise Reader présentation

Louise Reader

Lisez ce titre sur l'application Louise Reader.

badge apple Application Louise Reader
badge Android Application Louise Reader
Description

Kangyi Yang untersucht detailliert die Wechselwirkungen der einzelnen Subsysteme bei der Integration eines auf Rankine-Prozess basierenden Abgaswärmenutzungssystems mit dem Dieselmotor eines Nutzfahrzeugs mit Hilfe von 0D/1D-Simulation. Dabei werden die Modellierungsansätze und -methoden der einzelnen Subsysteme sowie des Integrationssystems vorgestellt. Mit einer modellbasierten Optimierung werden die Stellgrößenkennfelder der Motorsteuerung für das Integrationssystem angepasst. Durch Einsatz des optimierten Integrationssystems ist es möglich, der Kraftstoffverbrauch und die Emissionen gleichzeitig zu reduzieren.
Pages
230 pages
Collection
n.c
Parution
2023-12-15
Marque
Springer Vieweg
EAN papier
9783658436544
EAN PDF
9783658436551
Informations sur l'ebook
Nombre pages copiables
2
Nombre pages imprimables
23
Taille du fichier
15729 Ko
Ce livre est accessible aux handicaps Voir les informations sur l'accessibilité
Prix
69,01 €

Kangyi Yang ist derzeit als Abteilungsleiter für Entwicklung und Management bei einem chinesischen Unternehmen der Glasindustrie tätig. Er ist aktuell für die Erweiterung des Geschäftsbereichs vom industriellen Sektor des Konzerns zuständig. Er hat am Institut für Fahrzeugtechnik Stuttgart (IFS) der Universität Stuttgart im Bereich Fahrzeugantriebe promoviert und war dort wissenschaftlicher Mitarbeiter.

Suggestions personnalisées