随着全球能源需求的持续增长，传统的化石燃料如汽油和柴油正在逐渐枯竭，同时环境污染问题也日益严重。特别是在交通运输领域，由于柴油具有高能量密度和相对较低的成本，被广泛用于汽车、卡车和重型机械中。然而，柴油发动机的燃烧过程并不完全高效，导致了一氧化碳、氮氧化物和颗粒物等有毒气体的排放，这些污染物严重恶化了空气质量并对公共健康构成威胁。
作为可再生能源，生物柴油在替代传统柴油方面展现出巨大潜力。它不仅减少了対化石燃料的依赖，还有效降低了污染物排放。然而，其低温流动性能差、粘度高等限制因素阻碍了其广泛应用[1]。为了提升生物柴油的性能，研究人员提出了多种改进策略，包括优化混合比例、添加改性剂、引入纳米添加剂以及与其他替代燃料的结合[2]、[3]。其中，基于酒精的添加剂已被广泛研究和应用以提升生物柴油的性能。
酒精燃料含有羟基官能团（-OH），这增加了燃料混合物中的氧含量，从而促进了更完全的燃烧并减少了烟尘的形成[4]。此外，羟基的存在增强了燃料的极性，改善了表面张力和润湿性，并优化了雾化特性，所有这些都有助于提高燃烧效率[5]。生物柴油主要由长链脂肪酸甲酯组成，具有较高的十六烷值，支持稳定的燃烧并缩短了点火延迟。因此，经过良好优化的酒精与生物柴油的混合比例可以显著提升燃烧性能并改善排放特性[6]。
常用的酒精添加剂包括甲醇、乙醇和丁醇。由于成本低且燃烧特性良好，甲醇和乙醇得到了广泛应用。然而，它们与生物柴油的兼容性较差，热值低，点火延迟较长[7]、[8]、[9]。
异丁醇是丁醇的一种异构体，具有相同的分子量但化学结构不同[10]、[11]，被认为是一种有前景的酒精添加剂。其高能量密度和优异的溶解性使其在提升生物柴油性能方面具有明显优势[12]。尽管关于异丁醇在生物柴油混合物中应用的研究仍有限，但现有研究表明它可以显著提高燃料的能量密度和燃烧特性[13]。其低挥发性确保了在高温下的热稳定性，从而减少了蒸发损失并提高了燃料安全性。此外，其高辛烷值改善了抗爆性能，支持发动机更平稳的运行和更大的负荷能力[14]。根据Ahmed H. Ahmed的研究[15]，在B40生物柴油-柴油混合物中添加5%的异丁醇可以显著增加制动功率输出。将异丁醇的比例增加到10%后，进一步改善了BSFC和BTE。Helin Xiao等人的研究[16]表明，异丁醇改善了雾化和蒸发特性，减少了颗粒物排放，但同时也延长了点火延迟，加剧了HC排放，并在中高负荷下显著增加了NOx排放。Wenbin Zhao等人[17]研究了异丁醇/生物柴油混合物的双燃料智能压缩点火燃烧。通过优化喷射策略和采用废气再循环，在高负荷条件下实现了稳定且清洁的燃烧，峰值热效率达到49.9%，NO排放量低于100 ppm。总体而言，异丁醇不仅提高了燃烧效率，还有助于减少排放和改善发动机性能。此外，其与柴油的良好混溶性消除了混合过程中需要添加共溶剂的需求，简化了燃料制备过程。另外，异丁醇还可以从木质纤维素或蛋白质基原料中生物合成[18]。
为了进一步提升柴油-生物柴油混合物的性能，也探索了使用纳米添加剂作为有效方法。常见的纳米添加剂包括Al2O3、Fe2O3和CeO2等金属纳米颗粒，以及CNTs等非金属纳米颗粒[19]、[20]、[21]。由于纳米颗粒具有较大的比表面积，它们在燃烧过程中促进了反应性表面相互作用，从而实现了更完全的燃料氧化并减少了有害排放[22]。在本研究中，选择了ZnO纳米颗粒作为添加剂。ZnO因其优异的催化和热性能而被选中，特别是在改善生物柴油-柴油混合物的燃烧特性方面表现突出。与其他纳米颗粒类似，ZnO具有复杂的刚性结构和高表面可用性，这提高了其在燃料混合物中的分散性，并促进了更高效的氧化反应[23]。此外，ZnO还有助于改善燃料雾化和燃烧效率，减少了氮氧化物和颗粒物的排放。它还具有经济优势、低毒性和易于制备的特点[24]。此外，多项研究表明，ZnO纳米颗粒可以通过多种生物途径合成，例如使用Nigella sativa提取物进行绿色催化合成，利用草本植物种子黏液作为纳米结构的生物模板，以及利用Taraxacum officinale提取物进行具有抗菌活性的生物启发合成[25]、[26]、[27]。
然而，在使用纳米添加剂时仍存在一些挑战。由于分散性和稳定性较差，纳米颗粒容易在燃料混合物中聚集，从而降低了其有效性。异丁醇由于其表面活性剂特性，可以作为有效的分散剂来克服这一问题，从而提高纳米颗粒的应用效率。
迄今为止，很少有研究系统地探讨了异丁醇和纳米颗粒在柴油-生物柴油混合物中的联合应用。不同浓度的异丁醇和纳米颗粒添加剂的协同机制及其对性能的影响尚未得到充分理解。特别是，它们之间的相互作用如何影响燃烧效率和排放特性仍有待进一步探索。此外，现有研究大多依赖于基于直接比较的传统实验方法，统计建模和优化的应用有限。
近年来，响应面方法（RSM）等统计优化方法在燃料性能研究中的应用日益增多。传统的研究方法需要大量的实验，消耗大量时间和资源。相比之下，RSM通过适当的实验设计可以用较少的实验建立回归模型，从而预测在不同因素组合下的发动机性能和排放结果[28]、[29]、[30]。
然而，燃料优化是一个典型的多目标决策问题，需要同时考虑相互冲突的目标，例如提高性能（如燃烧热效率）和减少排放（如NOx、CO、HC）。传统的RSM优化通常依赖于复合满意度函数，这使得难以全面和公平地权衡多个相互矛盾的性能指标[31]。
为了克服这些限制，本研究采用了一个全面的多目标优化框架，具有明确但相互关联的目标：（i）提高发动机性能（更高的BTE和更低的BSFC），（ii）减少排气排放（更低的HC、CO和NOx），以及（iii）通过严格的多目标优化确定最佳燃料混合物。总体目标是系统地评估异丁醇（作为含氧剂和分散剂）和ZnO纳米颗粒对柴油-生物柴油发动机行为的协同效应。
首先，开发了RSM模型以准确预测五个目标。这些模型作为基于参考点的非支配排序遗传算法III（NSGA-III）的替代函数，该算法在处理高维目标空间（此处为五个目标）时表现出色，同时保持了帕累托前沿上的收敛性和多样性——这优于传统的单一目标或加权求和方法，后者往往产生有偏或不完整的折中解决方案[32]、[33]、[34]。
然后使用先进的多标准决策制定（MCDM）技术对得到的帕累托最优集进行了排序。为了处理不确定性和权重偏差，通过结合目标熵权重方法（EWM）和主观模糊层次分析过程（FAHP）得出了综合权重。此外，为了考虑RSM模型的预测不确定性和实验本身的变异性，还应用了模糊TOPSIS（基于与理想解决方案相似性的排序技术）和模糊VIKOR（多标准优化和排序）对帕累托解决方案进行了稳健排序[35]、[36]。与忽视不确定性和主观偏好的传统MCDM或单一响应方法不同，这种模糊混合方法在复杂的、不确定的发动机优化场景中提供了更可靠和现实的折中解决方案。
这一综合框架——结合了RSM、NSGA-III、FAHP-EWM权重和模糊TOPSIS/VIKOR——不仅能够全面评估异丁醇和ZnO纳米颗粒的协同效应，还提供了在实际可行的燃料混合物，这些混合物同时提升了性能并减少了排放。
