Predictive combustion and knock modeling for SI engines fueled by e-gasoline

Le benzine sintetiche rinnovabili (e-gasoline) rappresentano una soluzione promettente per ridurre l’impatto ambientale dei motori a combustione interna. Questa tesi presenta una metodologia di modellazione di benzine sintetiche, integrandola in un modello CFD 1D rappresentativo di un motore singolo-cilindro di ricerca. L'approccio è validato comparando curve di pressione e indici di detonazione predetti con valori derivati sperimentalmente per due benzine sintetiche. Per la modellazione dei combustibili, è stato sviluppato un algoritmo per la definizione di miscele surrogate che riproducano caratteristiche target del combustibile. Successivamente, dalle composizioni surrogate, si sono ricavate velocità laminari di fiamma (LFS) e ritardi di accensione (IDT) speifici di ciascun combustibile mediante simulazioni di cinetica chimica, usando appropriati meccanismi cinetici di reazione. Per integrare le LFS nel modello di combustione si sono utilizzate due reti neurali, precedemente allenate sulla base dei risultati della cinetica chimica, aventi lo scopo di stimare le LFS durante la simulazione. Allo stesso tempo, gli IDT sono interpolati con un codice Python integrato nel modello. L'integrale di Livengood-Wu, basato sugli IDT interpolati, è impiegato per determinare se il punto motore simulato è vicino a detonazione. Il modello di combustione, precedentemente calibrato per benzina fossile, non è stato modificato nei parametri di velocità turbolenta di fiamma e la tipologia di carburante è considerata dal modello soltanto attraverso le LFS e IDT. I risultati dimostrano che le curve di pressione predette applicando la metodologia proposta rispecchiano quelle sperimentali e che i più importanti indici di combustione sono replicati accuratamente. Allo stesso modo, il valore simulato dell'integrale di Livengood-Wu ha permesso, nella maggior parte dei casi, di determinare correttamente se un punto motore fosse vicino a detonazione.