基于机器学习的柴油发动机排放和性能预测方法，该方法使用添加了纳米添加剂的汉麻生物柴油

《Scientific Reports》：Machine learning based prediction of diesel engine emissions and performance using hemp biodiesel enriched with nano additives

　　

摘要

本研究采用实验和机器学习方法，评估了添加了纳米添加剂（Al₂O₃、TiO₂和MWCNT）的大麻生物柴油混合物在不同负载下的柴油发动机参数表现。通过FTIR和GC-MS分析对大麻生物柴油进行了表征。利用SEM和XRD分析了纳米添加剂，以确定其形态结构和晶相。实验结果表明，HMBD20?+?MWCN100燃料的燃油热效率（BTE）较高（5.60%），燃油消耗率（BSFC）较低（18.58%）。在峰值负载下，HMBD20?+?TINP100燃料的CO和HC污染物排放量分别减少了22.24%和16.12%，但NOx排放量增加了13.7%。在预测建模中，使用了决策树（DT）、支持向量机（SVM）和人工神经网络（ANN），以发动机负载和燃料类型作为输入特征。决策树模型在预测BTE和BSFC数据时的准确率较高，R²分别为0.9899和0.998，均方根误差（RMSE）分别为1.085和0.0264。对于CO、HC和烟雾排放量，决策树模型的准确率更高，R²分别为0.9865、0.9899和0.9975；而NOx排放量的预测则由人工神经网络模型完成，准确率为0.9997。最佳运行条件为HMBD20?+?100 ppm MWCNT燃料，在75%负载下，其燃油热效率为32.56%，燃油消耗率为0.30 kg/kWhr，CO排放量为0.12%，HC排放量为42 ppm，NOx排放量为980 ppm，烟雾不透明度为35.2 HSU，CO₂排放量为7.48%，这证实了添加纳米添加剂的大麻生物柴油在提高柴油发动机效率及清洁性能方面的巨大潜力。