DOI: https://doi.org/10.1038/s41598-025-88486-3
PMID: https://pubmed.ncbi.nlm.nih.gov/39920296
تاريخ النشر: 2025-02-07
المؤلف: Farooq Shaik وآخرون
الموضوع الرئيسي: تكنولوجيا محركات الاحتراق المتقدمة
نظرة عامة
تبحث الدراسة في أداء وانبعاثات محرك احتراق شراري (SI) أحادي الأسطوانة رباعي الأشواط باستخدام خلطات من البنزين والإيثانول والميثانول (GEM)، تحديدًا من E10 إلى E50. تم استخدام شبكة عصبية اصطناعية (ANN) للتنبؤ بأداء المحرك، محققة دقة أقل من 5% خطأ مقارنة بالبيانات التجريبية. حددت الدراسة الظروف التشغيلية المثلى من خلال منهجية سطح الاستجابة (RSM)، حيث تم تحديد أن سرعة المحرك 2992.9 دورة في الدقيقة مع خليط GEM يعادل E20 حقق كفاءة حرارية مكابح (B_The) بنسبة 34.63%، واستهلاك وقود محدد مكابح (BSFC) قدره 243.7 جرام/كيلووات-ساعة، وانبعاثات ضئيلة من 1.5% CO، و108.13 جزء في المليون HC، و1211.8 جزء في المليون NOx، مما أسفر عن درجة رغبة إجمالية قدرها 0.820.
تشير النتائج إلى أن B_The زادت مع إضافة الإيثانول والميثانول حتى E30، مع زيادة قصوى قدرها 13.5% مقارنة بالبنزين. ومع ذلك، أدت الزيادات الإضافية في محتوى الكحول (E40 وE50) إلى انخفاض في B_The. على العكس، انخفض BSFC لخليطات E10 وE20 ولكنه زاد للخليطات الأعلى، مع زيادة قصوى قدرها 18.8% لخليط E50. تم تقليل انبعاثات الهيدروكربونات (HC) وأول أكسيد الكربون (CO) بشكل كبير، مع تقليلات قصوى قدرها 48.9% و53.4%، على التوالي، لخليطات E50. انخفضت انبعاثات أكاسيد النيتروجين (NOx) لخليطات E10 وE20 ولكنها زادت لخليطات E30 إلى E50، حيث بلغت ذروتها بزيادة قدرها 26.6% لخليط E50. أظهر نموذج ANN قدرات تنبؤية قوية مع قيم انحدار (R) بين 0.997 و0.998، وتم التحقق من النتائج المحسنة مع البيانات التجريبية التي أظهرت انحرافًا أقل من 4% عن توقعات RSM.
طرق
في هذه الدراسة، يبحث المؤلفون في تأثيرات خلط الإيثانول والميثانول مع البنزين على أداء المحرك وانبعاثاته في محرك احتراق شراري (SI). تظهر النتائج التجريبية، الملخصة في الجدول 3، أن خلطات البنزين-الإيثانول-الميثانول (GEM) تظهر خصائص أداء قابلة للمقارنة مع خلطات البنزين-الإيثانول التقليدية، والتي تعزى إلى نسب الهواء-الوقود وقيم التسخين المماثلة. تقيم الدراسة خلطات ثنائية مختلفة (E10، E20، E30، E40، وE50) وخلطاتها الثلاثية المعادلة، مع التركيز على مقاييس مثل الكفاءة الحرارية المكابح ($B_{th}$)، واستهلاك الوقود المحدد المكابح (BSFC)، والكفاءة الحجمية ($Vol_{Eff}$)، وانبعاثات أول أكسيد الكربون (CO)، والهيدروكربونات (HC)، وأكاسيد النيتروجين (NOx). من الجدير بالذكر أن خلطات GEM، وخاصة E30، تظهر تقليلًا في انبعاثات CO بسبب تحسين كفاءة الاحتراق الناتجة عن زيادة محتوى الأكسجين في الميثانول.
يستخدم المؤلفون الشبكات العصبية الاصطناعية (ANN) ومنهجية سطح الاستجابة (RSM) لنمذجة وتحسين أداء المحرك وانبعاثاته، مع التحقق من نماذجهم ضد البيانات التجريبية بهامش خطأ أقل من 4%. تشير النتائج إلى أن خلطات GEM يمكن أن تكون بدائل قابلة للتطبيق للبنزين التقليدي، مما يوفر فوائد محتملة من حيث كفاءة المحرك وانخفاض الانبعاثات. ومع ذلك، لا تتضمن الدراسة تحليل الاحتراق، مثل ديناميات ضغط الأسطوانة، والتي يمكن أن توفر فهمًا أكثر شمولاً لسلوك الوقود في محركات SI. بشكل عام، تضع هذه البحث الأساس للدراسات المستقبلية حول خصائص احتراق خلطات GEM، مع التأكيد على تطبيقاتها العملية في تقنيات الوقود المستدامة.
نتائج
في هذه الدراسة، تم تقييم أداء وانبعاثات خلطات ثنائية مختلفة (E10، E20، E30، E40، وE50) وخلطاتها المعادلة GEM تحت ظروف محرك مضبوطة، تحديدًا عند سرعات تتراوح من 1700 إلى 3300 دورة في الدقيقة مع حمل ثابت قدره 5 كجم. أشارت النتائج إلى أن خلطات GEM تم مقارنتها مع البنزين النقي، واستخدمت الدراسة الشبكات العصبية الاصطناعية (ANN) ومنهجية سطح الاستجابة (RSM) للتنبؤ وتحسين مقاييس أداء المحرك والانبعاثات.
كان الهدف من التحسين متعدد الأهداف هو زيادة الكفاءة الحرارية المكابح ($B_{The}$) والكفاءة الحجمية ($Vol_{Eff}$) مع تقليل استهلاك الوقود المحدد المكابح (BSFC) وانبعاثات أول أكسيد الكربون (CO)، والهيدروكربونات (HC)، وأكاسيد النيتروجين (NOx). تم تحديد الظروف المثلى عند سرعة محرك تبلغ حوالي 2992.9 دورة في الدقيقة باستخدام خليط GEM بنسبة 7.5%، مما أسفر عن $B_{The} = 34.63\%$، و$BSFC = 243.7 \text{ جرام/كيلووات-ساعة}$، و$Vol_{Eff} = 70.39\%$، وانبعاثات CO بنسبة 1.5%، وHC عند 108.13 جزء في المليون، وNOx عند 1211.8 جزء في المليون. وُجدت قيمة الرغبة المركبة للتحسين لتكون 0.8206، مما يشير إلى نتيجة إيجابية. يُقترح إجراء تجارب تحقق لتأكيد هذه النتائج المحسنة، كما هو مفصل في الجداول المرفقة التي تقارن القيم التجريبية والمتوقعة لمقاييس الأداء المختلفة.
مناقشة
تتناول قسم المناقشة في ورقة البحث التحقيق التجريبي لخلطات البنزين-الإيثانول-الميثانول (GEM) المتوازنة، مع التركيز على آثارها على أداء المحرك والانبعاثات. استخدمت الدراسة محرك هوندا GX 200 أحادي الأسطوانة، واختبرت خلطات مختلفة (E10 إلى E50) تحت ظروف مضبوطة. تم صياغة خلطات GEM للحفاظ على نسب الهواء-الوقود المتطابقة وقيم التسخين المنخفضة مقارنة بخليطات البنزين-الإيثانول التقليدية. تشير النتائج الرئيسية إلى أن الكفاءة الحرارية المكابح (B_The) بلغت ذروتها عند خلطات E30، محققة زيادة قدرها 13.5% مقارنة بالبنزين، بينما أدت الزيادات الإضافية في محتوى الإيثانول والميثانول إلى انخفاض الكفاءة. انخفض استهلاك الوقود المحدد المكابح (BSFC) لخليطات E10 وE20 ولكنه زاد بشكل كبير لخليطات E30 إلى E50، مع أعلى زيادة قدرها 18.8% لوحظت لخليط E50.
كما استخدمت الدراسة نمذجة الشبكات العصبية الاصطناعية (ANN) للتنبؤ بأداء المحرك والانبعاثات، محققة معاملات ارتباط عالية (R) بين القيم المتوقعة والتجريبية (0.997 إلى 0.998). تم استخدام منهجية سطح الاستجابة (RSM) للتحسين متعدد الأهداف، مما أدى بنجاح إلى زيادة B_The والكفاءة الحجمية مع تقليل الانبعاثات. تم تسجيل الأداء الأمثل عند سرعة محرك 2992.9 دورة في الدقيقة مع خلطات E20_Eq GEM، مما أسفر عن تقليل الانبعاثات وقياسات الكفاءة بشكل إيجابي. بشكل عام، تُظهر الدراسة إمكانية خلطات GEM في تعزيز أداء المحرك مع معالجة الانبعاثات، مما يبرز أهمية صياغة الخلطات بعناية والتحسين في تطبيقات الوقود البديل.
DOI: https://doi.org/10.1038/s41598-025-88486-3
PMID: https://pubmed.ncbi.nlm.nih.gov/39920296
Publication Date: 2025-02-07
Author(s): Farooq Shaik et al.
Primary Topic: Advanced Combustion Engine Technologies
Overview
The research investigates the performance and emissions of a single-cylinder four-stroke spark ignition (SI) engine using Gasoline, Ethanol, and Methanol (GEM) blends, specifically E10 to E50. An Artificial Neural Network (ANN) was employed to predict engine performance, achieving an accuracy of less than 5% error compared to experimental data. The study identified optimal operating conditions through Response Surface Methodology (RSM), determining that an engine speed of 2992.9 rpm with an E20-equivalent GEM blend yielded a brake thermal efficiency (B_The) of 34.63%, a brake specific fuel consumption (BSFC) of 243.7 g/kW-hr, and minimal emissions of 1.5% CO, 108.13 ppm HC, and 1211.8 ppm NOx, resulting in an overall desirability score of 0.820.
The findings indicate that B_The increased with the addition of ethanol and methanol up to E30, with a maximum increase of 13.5% compared to gasoline. However, further increases in alcohol content (E40 and E50) led to a decline in B_The. Conversely, BSFC decreased for E10 and E20 blends but increased for higher blends, with a maximum increase of 18.8% for E50. Emissions of hydrocarbons (HC) and carbon monoxide (CO) were significantly reduced, with maximum reductions of 48.9% and 53.4%, respectively, for E50 blends. Nitrogen oxides (NOx) emissions decreased for E10 and E20 but increased for E30 to E50 blends, peaking at a 26.6% increase for E50. The ANN model demonstrated strong predictive capabilities with regression values (R) between 0.997 and 0.998, and the optimized results were validated with experimental data showing less than 4% deviation from RSM predictions.
Methods
In this study, the authors investigate the effects of blending ethanol and methanol with gasoline on engine performance and emissions in a spark-ignition (SI) engine. The experimental results, summarized in Table 3, demonstrate that the gasoline-ethanol-methanol (GEM) blends exhibit performance characteristics comparable to conventional gasoline-ethanol blends, attributed to similar air-fuel ratios and heating values. The study evaluates various binary blends (E10, E20, E30, E40, and E50) and their equivalent ternary blends, focusing on metrics such as Brake Thermal Efficiency ($B_{th}$), Brake Specific Fuel Consumption (BSFC), volumetric efficiency ($Vol_{Eff}$), and emissions of carbon monoxide (CO), hydrocarbons (HC), and nitrogen oxides (NOx). Notably, the GEM blends, particularly E30, show reduced CO emissions due to enhanced combustion efficiency from the higher oxygen content of methanol.
The authors employ Artificial Neural Networks (ANN) and Response Surface Methodology (RSM) to model and optimize engine performance and emissions, validating their models against experimental data with an error margin of less than 4%. The findings indicate that GEM blends can serve as viable alternatives to conventional gasoline, offering potential benefits in terms of engine efficiency and lower emissions. However, the study does not include combustion analysis, such as cylinder pressure dynamics, which could provide a more comprehensive understanding of the fuel behavior in SI engines. Overall, this research lays the groundwork for future studies on the combustion characteristics of GEM blends, emphasizing their practical applications in sustainable fuel technologies.
Results
In this study, the performance and emissions of various binary blends (E10, E20, E30, E40, and E50) and their equivalent GEM blends were evaluated under controlled engine conditions, specifically at speeds ranging from 1700 to 3300 RPM with a constant load of 5 kg. The results indicated that the GEM blends were compared against pure gasoline, and the study employed Artificial Neural Networks (ANN) and Response Surface Methodology (RSM) to predict and optimize engine performance metrics and emissions.
The multi-objective optimization aimed to maximize brake thermal efficiency ($B_{The}$) and volumetric efficiency ($Vol_{Eff}$) while minimizing brake specific fuel consumption (BSFC) and emissions of carbon monoxide (CO), hydrocarbons (HC), and nitrogen oxides (NOx). The optimal conditions were identified at an engine speed of approximately 2992.9 RPM using a 7.5% GEM blend, yielding $B_{The} = 34.63\%$, $BSFC = 243.7 \text{ g/kW-hr}$, $Vol_{Eff} = 70.39\%$, CO emissions at 1.5%, HC at 108.13 ppm, and NOx at 1211.8 ppm. The composite desirability value for the optimization was found to be 0.8206, indicating a favorable outcome. Validation experiments are suggested to confirm these optimized results, as detailed in the accompanying tables comparing experimental and predicted values for various performance metrics.
Discussion
The discussion section of the research paper outlines the experimental investigation of iso-stoichiometric Gasoline-Ethanol-Methanol (GEM) blends, focusing on their effects on engine performance and emissions. The study utilized a Honda GX 200 single-cylinder engine, testing various blends (E10 to E50) under controlled conditions. The GEM blends were formulated to maintain identical air-fuel ratios and lower heating values compared to conventional gasoline-ethanol blends. Key findings indicate that Brake Thermal Efficiency (B_The) peaked at E30 blends, achieving a 13.5% increase over gasoline, while further increases in ethanol and methanol content led to diminished efficiency. Brake Specific Fuel Consumption (BSFC) decreased for E10 and E20 blends but increased significantly for E30 to E50 blends, with the highest increase of 18.8% observed for E50.
The study also employed Artificial Neural Network (ANN) modeling to predict engine performance and emissions, achieving high correlation coefficients (R) between predicted and experimental values (0.997 to 0.998). Response Surface Methodology (RSM) was utilized for multi-objective optimization, successfully maximizing B_The and volumetric efficiency while minimizing emissions. The optimal performance was recorded at an engine speed of 2992.9 rpm with E20_Eq GEM blends, yielding favorable emission reductions and efficiency metrics. Overall, the research demonstrates the potential of GEM blends to enhance engine performance while addressing emissions, highlighting the importance of careful blend formulation and optimization in alternative fuel applications.