《International Journal of Hydrogen Energy》：Experimental investigation of hydrogen and methane induction on second and third generation biofuels in a CI engine using ANN-based analysis
编辑推荐：
本研究介绍了柴油、蓖麻油甲酯（castor oil methyl ester，COME）及斜生栅藻甲酯（Scenedesmus obliquus methyl ester，SOME）在氢气（H?）与甲烷（CH?）引气双燃料工况下的实验研究与人工神经网络（Art
本研究介绍了柴油、蓖麻油甲酯（castor oil methyl ester，COME）及斜生栅藻甲酯（Scenedesmus obliquus methyl ester，SOME）在氢气（H?）与甲烷（CH?）引气双燃料工况下的实验研究与人工神经网络（Artificial Neural Network，ANN）建模分析。甲烷富化使柴油、COME和SOME的制动热效率（Brake Thermal Efficiency，BTE）分别从32.84％提升至34.79％、25.80％提升至28.17％和29.75％提升至32.62％。氢气引气进一步提高了BTE，柴油从32.84％升至36.35％，COME从25.80％升至31.68％，SOME从29.75％升至33.83％。排放分析表明，氢气双燃料模式下一氧化碳（Carbon Monoxide，CO）、未燃碳氢化合物（Unburned Hydrocarbons，HC）及烟度（Smoke opacity）显著降低；氮氧化物（Nitrogen Oxides，NO?）排放随气体燃料添加而增加，尤以氢气引气时明显。柴油、COME和SOME双燃料模式的R2残差分别为0.98、0.94和0.97。评估证实了ANN预测的稳健性，凸显了该模型捕捉非线性双燃料发动机行为的可靠性。
本文解读发表于《International Journal of Hydrogen Energy》的论文《Experimental investigation of hydrogen and methane induction on second and third generation biofuels in a CI engine using ANN-based analysis》，由V. Rajasekar、T. Prakash、C. Prabhu及S. Gowtham完成。
研究背景与意义
交通运输业对石化燃料的持续依赖导致温室气体与大气污染加剧，促使研究者寻找可再生清洁替代燃料。生物柴油因可再生、可生物降解且与现有压燃式（Compression Ignition，CI）发动机兼容成为柴油替代品，其中第二代非食用油（如蓖麻油）存在黏度大、雾化差等问题，第三代微藻基生物柴油（如斜生栅藻 Scenedesmus obliquus）因产脂量高且不占耕地受关注。但生物柴油普遍存在挥发性低、滞燃期长及NO?升高等缺陷。双燃料策略引入低碳或无碳气体燃料（氢气具火焰传播快、可燃界限宽；甲烷燃烧稳定）可改善燃烧、降低碳基排放。目前蓖麻油甲酯（COME）多研究其与柴油掺混+氢气引气，且缺乏COME与微藻甲酯（SOME）在同条件下的对比，亦少见不经掺混单独使用生物柴油并辅以CH?/H?引气及ANN建模的研究。因此研究人员开展本实验，直接以纯COME与纯SOME为基准燃料，在单缸CI发动机上实施H?与CH?进气引气双燃料运行，并结合ANN建模预测非线性响应，以明确其性能与排放特性。
主要关键技术方法
研究人员选用Kirloskar TV1单缸四冲程水冷恒速CI发动机（5.2 kW，1500 rpm），喷油提前角23° CA bTDC，喷油压力220 bar。分别以纯柴油、纯COME（碱催化甲醇醇解制得）及纯SOME（微藻脂类转酯化制得）为液体燃料，通过进气歧管分别引入不同能量份额的CH?与H?实现双燃料运行，于各负荷尤其是满负荷测定制动热效率（BTE）、制动比油耗（BSFC）、排气温度及CO、HC、NO?、烟度等。实验中采集满负荷下不同气体燃料能量份额的性能数据，采用MATLAB 2021a建立三层前馈人工神经网络（ANN），以气体燃料能量份额及燃料类型为输入，以BTE、排放等为输出进行训练与验证（R2分别达0.98、0.94、0.97）。
研究结果
Brake thermal efficiency（制动热效率，BTE）
在满负荷下，CH?引气使柴油、COME和SOME的BTE峰值分别达34.79％（CH?能量份额29.67％）、28.17％（17.71％）和32.62％（46.24％）；H?引气使BTE进一步提升至36.35％（H?能量份额11.58％）、31.68％（约对应最佳份额）和33.83％（对应最佳份额），表明气体燃料特别是氢气可显著改善燃烧、提升热效率，且SOME在CH?引气下有较高增益。
Emission characteristics（排放特性）
H?双燃料模式下CO、未燃HC及烟度较纯生物柴油或柴油单独运行显著下降，源于H?燃烧速度快、混合均匀促进完全氧化；NO?排放随气体燃料（尤H?）添加上升，因H?宽可燃限与高火焰速度致缸内温度升高、局部高温区增多引发热力型NO?增加。
Artificial neural network modeling for dual-fuel engine performance（双燃料发动机性能的人工神经网络建模）
研究人员构建的ANN模型能较好拟合实验数据，双燃料模式下柴油、COME、SOME对应决定系数R2分别为0.98、0.94、0.97，残差小，证明ANN可有效捕捉双燃料CI发动机中燃料种类、气体引气份额与性能—排放间复杂非线性关系，为后续优化提供可靠预测工具。
讨论与结论翻译
研究人员由实验与ANN建模得出以下结论：所有燃料在气体燃料富化时BTE均提高。CH?引气最大BTE为柴油34.79％（CH?能量份额29.67％）、COME 28.17％（17.71％）、SOME 32.62％（46.24％）。H?引气BTE进一步提高至柴油36.35％（H?能量份额11.58％）、COME 31.68％、SOME 33.83％。H?双燃料显著降低CO、HC与烟度，NO?升高。ANN模型R2残差分别为0.98（柴油）、0.94（COME）、0.97（SOME），证实模型稳健可靠，可用于描述双燃料非线性行为。未来应优化气体燃料替代率与喷油参数以平衡效率与NO?，拓展至多缸机与瞬态工况，并探索可再生H?与生物CH?与COME/SOME联用以构建全可持续动力方案。
