基于ANN预测的盐生杜氏藻生物柴油与TiO2纳米添加剂在CI发动机中的性能与排放优化研究

为解决化石燃料短缺及环境污染问题，研究人员通过实验与人工神经网络(ANN)相结合的方法，系统研究了盐生杜氏藻(Dunaliella salina)生物柴油与TiO2纳米添加剂在不同压缩比(CR)下对压燃式(CI)发动机性能及排放特性的影响。研究通过优化转酯化工艺获得91.2%产率的生物柴油，并发现D80DuBD20TiO2100@CR18组合可显著提升制动热效率(BTE)至46.6%，同时降低碳氢化合物(UBHC)排放。该研究为第三代生物燃料的工程化应用提供了数据支撑和预测模型。

　　

随着全球城市化进程加速，能源需求激增与化石燃料枯竭的矛盾日益突出。传统第二代生物燃料面临与粮食作物争地的伦理困境，而第三代微藻生物燃料因其高油产量、适应极端环境等优势成为研究热点。盐生杜氏藻(Dunaliella salina)作为一种嗜盐绿色微藻，在生物柴油领域展现出独特潜力，但其在压燃式(CI)发动机中的应用效果及优化策略尚未明确。

印度HITS帕杜尔校区清洁能源与纳米融合中心(CENCON)的研究团队通过实验与人工神经网络(ANN)建模相结合的方法，系统探究了盐生杜氏藻生物柴油与TiO₂纳米添加剂在不同压缩比下的协同效应。研究首先采用f/2培养基在氮缺陷条件下培养微藻，通过索氏提取法获得藻油，经单步转酯化反应制备生物柴油。利用傅里叶变换红外光谱(FTIR)和气相色谱-质谱联用(GC-MS)表征燃料组分，并通过动态光散射技术分析纳米颗粒分散性。基于响应面法(RSM)设计27组实验数据，建立ANN预测模型评估发动机性能参数与排放特性。

材料与方法
研究采用Kirloskar 240 PE单缸水冷CI发动机，通过倾斜块机构实现压缩比(CR)在17-18间调节。测试燃料包括纯柴油、D80DuBD20生物柴油混合燃料及含50-150 ppm TiO₂的纳米燃料。通过AVL444N五气分析仪和AVL437C烟度计监测排放，结合Levenberg-Marquardt算法构建ANN模型，输入层包含燃料性质、CR和负载等参数，输出层预测BTE、BSFC及多种排放物浓度。

2.1 转酯化工艺优化
通过ANN辅助优化获得最佳反应条件：甲醇/油摩尔比1:8，NaOH催化剂浓度0.75 wt%，85℃反应温度下酯化效率达91.2%。GC-MS分析显示生物柴油主要含亚麻酸(37.46%)和花生酸(14.57%)等脂肪酸甲酯(FAME)。

3.1 制动热效率(BTE)
D80DuBD20TiO₂100@CR18在满负荷时BTE达46.6%，较基础柴油提高30.2%。ANN预测误差仅0.32%，归因于TiO_{2>的微爆效应促进燃烧充分性。}

4.4 氮氧化物(NO_x)排放
CR18工况下NO_x排放达2254 ppm，较CR17.5增长27.9%，符合Zeldovich高温反应机制。通过选择性催化还原(SCR)等后处理技术可缓解此问题。

7.3 技术经济分析
单级转酯化工艺的净现值(NPV)达472,414美元，投资回报率(ROI)27.12%，每升生物柴油生产成本可控制在0.72-3.12美元区间。

该研究证实盐生杜氏藻生物柴油与TiO₂纳米添加剂的协同优化可显著提升CI发动机性能，ANN模型的高预测精度(R>0.99)为燃料开发提供了数字化工具。尽管NO_x排放增加仍需解决，但研究从培养、转化到应用的全链条分析为微藻生物燃料产业化奠定了技术基础。未来通过燃烧室结构优化与后处理系统集成，有望实现环境效益与经济效益的双赢。论文发表于《Results in Engineering》，为可再生能源在动力机械领域的应用提供了重要参考。