基于蚁群算法-飞策略的氢强化椰枣花粉生物柴油发动机多尺度燃烧性能优化研究

《Scientific Reports》：Droplet-scale combustion memory analysis of hydrogen-enriched date palm pollen biodiesel using a novel ant colony optimization algorithm with Lévy flight

　　**摘要**生物柴油在柴油发动机中的应用受到高粘度、低热值、雾化性能差、燃烧不充分和燃油消耗增加等因素的限制。氢气强化可以通过改善火焰传播、预混燃烧强度和燃烧稳定性来克服这些局限性；然而，氢气供给量和喷射正时同时变化会产生非线性点火延迟、放热、升压和排放交互效应，难以通过传统方法进行优化。本研究创新性地研究了氢气强化柴油发动机运行条件下的椰枣花粉生物柴油，将液滴尺度燃烧记忆与发动机层面的性能、燃烧、排放和声学分析相结合。采用发动机负荷、喷射正时和氢气流量作为输入因子，设计了64组全因子实验方案。利用皮尔逊相关系数建立各结果之间的燃烧记忆关系，通过熵权优先级赋权确定各项指标的重要性权重：热效率（BTE）最高（22%），其次为燃油消耗率（BSFC）（18%）和氮氧化物（NOx）（18%），再次为峰值压力（12%）、一氧化碳（CO）（10%）、放热率（HRR）（10%）、振动（6%）和声压级（4%）。传统蚁群算法在20次迭代内收敛，12.8秒后稳定在适应度值0.80附近。引入Lévy飞行策略后，全局探索能力增强，避免了局部信息素停滞，在9次迭代、6.3秒内实现了更高的适应度值0.94，且仅有两次拐点。最优条件为数据集59/路径1，对应100%负荷、4 LPM氢气流量和上止点前23°喷射正时，其热效率为38.7%，燃油消耗率为0.21 kg/kWh，峰值压力为98 bar，放热率为82 J/deg，振动为3.6 mm/s，声压为93 dB。研究结果证实了椰枣花粉生物柴油作为氢气辅助生物柴油的可行性，并表明蚁群算法–Lévy优化方法能够有效解决氢气–喷射正时耦合燃烧复杂性问题。