文丨猿十叁
编辑丨猿十叁
在阅读此文之前，麻烦您点击一下“关注”，既方便您进行讨论和分享，又能给您带来不一样的参与感，感谢您的支持随着交通领域对生物燃料利用的不断提升，乙醇和生物柴油被认为是有望实现生物能源消耗目标的有前途且可行的替代燃料。
通常，乙醇被用于不同的混合比例来替代汽油，而生物柴油被视为柴油燃料的替代品，并且通常与柴油混合在燃油站提供的小量中。基于发动机特性，乙醇无法作为纯组分应用于柴油发动机中。
然而，研究表明，乙醇可以与柴油燃料混合，体积比例最高可达20%，并可用于无需进行发动机改装的柴油发动机中。将乙醇与柴油混合使用可改善一氧化碳和烟雾排放，尽管与柴油相比，未燃烧的碳氢化合物排放通常会增加。
乙醇热解路径
在使用乙醇-柴油混合燃料操作柴油发动机时，氮氧化物排放呈现出不一致的趋势。乙醇的限制因素源于其与柴油燃料的不良相溶性，以及劣质的物理和化学燃料特性，如十六烷值、闪点和热值。
在乙醇的问题特性中，其与柴油燃料的不相容性尤为突出，因其易于发生相分离。为了在室温下保持混合物的稳定性，所以无需使用乳化剂，乙醇与柴油燃料的最大体积比例为20%。生物柴油可以作为表面活性剂，稳定乙醇-柴油混合物。
此外，生物柴油具有较高的粘度、闪点和润滑性，有助于改善乙醇-柴油混合物的劣质特性，而乙醇则可以提升生物柴油的低温性能。
因此，乙醇和生物柴油的协同效应，被认为是发展可行生物燃料以满足日益严格的排放标准的一种前景。
本文主要研究内容及相互关系
蓖麻油由于其出色的润滑性和极高的粘度备受关注。
将柴油与乙醇混合使用能降低粘度并提高润滑性，同时充分利用蓖麻油的羟基化脂肪酸或蓖麻酸（C18:1 OH）可以改善燃烧排放特性。
本研究旨在研究将纯蓖麻油添加到乙醇-柴油混合物中对发动机性能、燃烧特性和排放的影响。
随后，我们会将开发的模型用于预测制动比燃油消耗、制动热效率、氮氧化物、未燃烧碳氢化合物、一氧化碳和烟雾排放等参数，同时使用平均绝对百分比误差（MAPE）值和确定系数（R2）来评估模型的准确性。
表1:试验燃料的规格
柴油燃料、无水乙醇和粗制蓖麻油等基础燃料的基本物理和化学性质见表1。本研究使用的柴油燃料，含有约7%体积的生物柴油，符合能源部能源商务管理部的规定。
根据关于混合稳定性和润滑性的初步研究，我们的燃料混合物配方中包含10%乙醇、10%蓖麻油和80%柴油燃料（D80E10C10），并在发动机中进行了测试。
其中10%蓖麻油的添加改善了柴油-乙醇混合物的劣质燃料特性，如比重、粘度、闪点和十六烷指数，以使它们保持在柴油燃料规范的限制范围内。气相色谱分析结果用于确认蓖麻油中的主要脂肪酸成分，是大于85%质量分数的蓖麻酸。
表2:人工智能建模中使用的因素
广义回归神经网络模型建立分析我们使用一台单缸研究柴油发动机，评估蓖麻油对柴油-乙醇混合物的发动机性能、燃烧特性和排放的影响。同时使用涡流涡轮测功机模拟发动机负载。
发动机以1500转/分的恒定速度运行，引擎扭矩分别为25%、50%和75%，压缩比分别为16、17和18。因此，研究了使用蓖麻油-乙醇-柴油燃料时的发动机工作条件优化。
在每个曲轴角度处，对100个连续循环的气缸压力数据进行平均，然后根据热力学的第一定律和等熵关系计算出热释放速率。在每个发动机负载下我们进行了三次重复测试，相关参数的平均值得出报告。
单杠柴油发动机
数据准备是影响AI模型性能的重要过程之一。在本研究中，与测试燃料和发动机操作相关的因素被用作模型的输入，这些因素的水平显示在表2中。
制动比燃油消耗（BSFC）、热效率、氮氧化物（NOx）、未燃烧碳氢化合物（HC）、一氧化碳（CO）和烟雾指数被用作模型的输出，分别用符号Y1、Y2、Y3、Y4、Y5和Y6表示。
考虑到数据量较小，本研究采用适用于小数据集的广义回归神经网络（GRNNs）之一，来创建预测模型。GRNNs模型的简要描述将在下一部分给出，所有AI建模过程均使用MATLAB编程完成。
乙醇部分计算用参数表
我们采用了流行的回归性能度量标准，即决定系数（R2）和平均绝对百分比误差（MAPE），用于模型评估（有关性能指标的更多细节见其他地方）。
广义回归神经网络（GRNNs）是神经网络模型之一。GRNNs的学习过程是一种属于径向基模型的前馈训练类型，GRNNs模型的设计适用于小数据集。GRNN模型的结构如图1所示。
输入层：输入层是GRNNs模型的第一层，接收用于训练或测试网络的数据集。
图1：广义回归神经元网络（GRNNs）的体系结构
模式层：模式层是GRNNs模型的隐藏层之一。模型在这一层开始学习；测试数据的输入（XT e）根据公式（1）通过径向基函数核进行转换，其中σs称为平滑参数，是该网络的一个超参数。
该层中的神经元数量根据训练集中的数据量而变化。这个网络的超参数是使用响应面方法（RSM）进行优化的，这将在下一节中进行描述。
输出层：GRNNs模型的预测结果是在此层生成的。预测结果可以通过分子神经元和分母神经元的比值（SN /SD）计算得出。
超参数优化是影响AI模型预测性能的过程之一。可以通过几种方法优化超参数；在本研究中，应用于工程领域的广泛应用的响应面方法（RSM）被用于优化GRNNs模型的平滑参数。
RSM是一种解释输入和输出之间数学关系的算法，适用于单目标和多目标优化，需要少量数据。优化的平滑参数（单x）用于多目标（多个y）优化的简要描述如下：
假设有r个响应，y =（y1、y2、...、yr），由输入x确定（yr表示每个输出因子的MAPE，x表示平滑参数）。令y(x) =（y1(x)、y2(x)、...、yr(x)）为估计响应函数的向量。
对于将RSM应用于多目标优化，我们使用适宜性函数将yr转换为在0到1范围内变化的单个适宜性函数dr = yr(x)→[0,1]。构建总体适宜性如下：
其中w是每个响应的权重（Y1 = 1，Y4和Y5 = 2，Y3和Y6 = 3，Y2 = 4），wj表示响应j=1、2、r的相对权重。（注意：权重值根据输出的重要性设置，高值表示高重要性）。目标是找到使D最小化的x。
部分物质的标准生成热表
图2显示了发动机在柴油燃料和蓖麻油-乙醇燃料混合物燃烧的情况下，在所有测试条件下的制动热效率和制动比燃料消耗。
研究发现，发动机负荷和压缩比的增加倾向于提高热效率。这表明，燃料分子中存在的化学能被转化为更多的制动马力。
图2：(a)制动器热效率；(b)制动器比燃油消耗量
在测试燃料中，D80E10C10的燃烧导致了较低的热效率。这主要是由于D80E10C10的低热值和高粘度。
具有较低热值的燃料在相同质量的燃料燃烧时，释放的热能较少，而具有较高粘度的燃料将导致无效的雾化特性。值得注意的是，更好的燃料雾化可以促进燃料和空气的更好混合，加速燃烧过程，从而提高热效率。
图3和图4显示了由缸内压力和热释放速率，构成的测试燃料的燃烧特性。结果显示，发动机负荷的增加，会提高两种测试燃料的缸内压力。
图3：使用不同试验燃料下的缸内压力和热释放速率
这是由于在燃烧室中促进了更多的空燃混合物，导致混合物的温度和压力升高，同时减少了燃烧开始的延迟时间，从而改善了燃烧过程。
此外，压缩比的增加会促进更多的空气和燃料进入，加速燃料蒸发和混合过程，导致燃烧开始更早，点火延迟更短。
与柴油燃料相比，在所有测试的压缩比下，蓖麻油-乙醇-柴油混合物的燃烧有较低的热释放速率峰值。这是由于三元混合物的十六烷值和热值较低，以及粘度较高，这可以用来解释热释放速率峰值的降低。
图4：不同压缩比下的缸内压力和热释放率；(a)柴油燃料；(b) D80E10C10
低十六烷值的燃料，会延长由于无效的空燃混合过程引起的燃烧开始，而低热值的燃料在燃烧过程中释放的热能较少。
然而，高粘度的燃料将促使燃料雾化效果不佳，从而减缓燃料蒸发，导致燃烧开始的延迟和点火延迟增加。
此外，乙醇的高蒸发潜热，趋向于降低缸内温度，可以解释用蓖麻油-乙醇-柴油混合物燃烧产生的较低热释放速率峰值。需要注意的是，注入燃料的数量较多，可能会积累在三元混合物的较长点火延迟上，从而导致由含乙醇的燃料蒸发引起的缸内温度大幅降低。
这种效应在发动机在较高负荷和压缩比下运行时更加明显。
换热器出口温度随乙醇流量的变化
图5显示了在柴油燃料和蓖麻油-乙醇-柴油混合物燃烧过程中，形成的碳氢化合物、一氧化碳、氮氧化物和发动机排放物。我们观察到所有排放物在发动机工作负荷增加时，排放物也会增加。
通常情况下，更多的燃料在较高发动机负荷下需要燃烧，以满足更高的热能，后者会被转化为机械功率输出，因此在燃烧过程中产生更多的排放物。需要注意的是，当考虑与单位功率输出质量流率相关的特定排放时，排放趋势可能会以相反的方式出现。
随着压缩比的增加，碳氢化合物和一氧化碳会减少。这可以通过更多的空气-燃料混合物和更早的燃烧开始来解释，在较高压缩比下运行时，燃烧更加完全。
图5：发动机排放排放：(a)碳氢化合物；(b)一氧化碳；(c)氮氧化物；(d)烟雾指数
较高的缸内温度会促使氮氧化物的生成更多。因此，氮氧化物的氧化物趋向于随着压缩比的增加而增加。在压缩比增加时，烟尘排放没有明显变化。
与柴油燃料相比，蓖麻油-乙醇-柴油混合物的燃烧，导致了较高的碳氢化合物和一氧化碳排放，其原因是具有较高粘度的燃烧物雾化效果不佳、较低的十六烷值导致点火延迟较长以及较低的热值导致较少的热释放。
这些因素似乎克服了蓖麻油和乙醇中氧含量的影响，这可能会加速燃烧并改善燃烧质量。
换热器温度下降随柴油机功率的变化
乙醇的蒸发焓较高，趋向于降低缸内温度，因为需要更多的热能来蒸发燃料颗粒，这可以解释使用蓖麻油-乙醇-柴油混合物燃烧时较低的氮氧化物。
然而，当发动机在较高负荷和压缩比下运行时，此效应减弱，此时缸内温度足够高，可以补偿燃料颗粒蒸发引起的热损失。
烟尘排放在三元混合物的燃烧中减少。先前的报告已经指出，燃料分子中的氧气存在可以增加炭黑排放，这可能直接与烟尘排放减少有关。
图6：用于使用RSM进行超参数调优的MAPE值
此外，属于乙醇分子和蓖麻油中的蓖麻酸分子的羟基，已被证明参与炭黑氧化并防止炭黑形成。这些原因可以用来解释在三元混合物的燃烧下，烟尘排放较柴油燃料更低。
图7显示了GRNNs模型的预测结果与测试阶段的实际值进行比较。在热效率（%）这一最重要的输出情况下，预测结果具有相对较高的预测性能，R2等于0.991。
次要因素，即氮氧化物和烟尘指数，也表现出良好的预测性能，其R2值分别为0.782和0.836。对于较不重要的输出，即碳氢化合物、一氧化碳和比油耗（BSFC），其R2分别为0.708、0.990和0.993。
图7：GRNNs模型、(a) BSFC、(b)热效率、(c) NOx、(d) HC、(e) CO、(f)烟雾指数的预测结果
结论我们使用经过多目标响应曲面法优化的GRNNs模型，来预测发动机在各个燃料方面的性能，从而得出以下结论：
10%的蓖麻油的存在改善了与10%乙醇混合的柴油的不良燃料性质，例如比重、粘度、闪点和十六烷指数，使它们保持在柴油燃料规范的限制范围内。
当发动机工作负荷和压缩比增加时，刹车热效率和刹车比燃油消耗增加。蓖麻油-乙醇-柴油混合物的燃烧导致了较低的热效率，主要原因是较低的热值和较高的粘度。
不同乙醇流量下氢气占分解气的比例随功率的变化
随着发动机工作负荷和压缩比的增加，缸内压力的峰值和燃烧的早期开始得到提高。
由于较低的十六烷指数、较低的热值、较高的粘度和较高的蒸发潜热，蓖麻油-乙醇-柴油混合物的燃烧导致较低的热释放峰值。
均质压燃模型中基元反应释热率
所有测量的排放物在发动机工作负荷增加时增加，而碳氢化合物和一氧化碳倾向于随着压缩比的增加而减少。
使用蓖麻油-乙醇-柴油混合物燃烧的发动机会增加碳氢化合物和一氧化碳排放，烟尘排放与柴油燃料相比没有明显变化。
