《ACS Omega》：Integrating RSM and NSGA-III for Multiobjective Optimization of a Diesel/Methanol Dual-Fuel Engine Performance and Emissions
编辑推荐：
为应对柴油/甲醇双燃料发动机在低负荷下燃烧效率低、运行不稳定、排放高等挑战，本研究通过集成响应面方法（RSM）与非支配排序遗传算法III（NSGA-III），系统地优化了甲醇替代率（MSR）、废气再循环（EGR）、主喷定时（MIT）和燃油喷射压力（FIP）等关键参数。研究成功在25%低负荷下实现了制动热效率（BTE）超过33%的提升，同时将NOx和颗粒物数量（PN）排放分别维持在250 ppm和2.5 × 107#/cm3以下。这项工作展示了人工智能驱动优化在提升非道路双燃料发动机性能与排放特性方面的有效性，为相关控制策略开发提供了重要理论与工程参考。
在追求交通运输领域碳中和目标的道路上，各国都在积极探索化石燃料的替代方案。作为一种绿色可再生燃料，甲醇因其技术成熟度和应用成本优势，被视为重型车辆、船舶和工程机械向零碳燃料过渡的中短期解决方案。然而，如何将甲醇高效、清洁地应用于传统柴油发动机，却是一个充满挑战的课题。甲醇具有高辛烷值、低十六烷值的特性，这使其难以在实用的压缩比下实现压燃。为解决这一问题，柴油/甲醇双燃料（DMDF）燃烧模式应运而生，即通过进气道喷射甲醇，并由缸内直喷的柴油引燃。这种模式能够实现反应活性控制压燃（RCCI），通过策略性地调整低反应活性燃料与高反应活性燃料的比例，在燃烧室内形成反应活性分层，从而有望在提高热效率的同时，改善氮氧化物（NOx）与碳烟（soot）之间的“此消彼长”关系。
理想虽然丰满，但现实却颇为骨感。尤其是在低负荷工况下，柴油/甲醇双燃料发动机面临着燃烧效率低下、运行不稳定、以及未燃碳氢化合物（HC）和一氧化碳（CO）排放过高等一系列棘手问题。这些挑战严重制约了其实际应用范围。虽然已有大量研究探讨了甲醇替代率（MSR）、喷油策略、废气再循环（EGR）等单个或少数几个参数的影响，但在严苛的低负荷条件下，如何协调优化多个控制参数，以同时解决制动热效率（BTE）、NOx和颗粒物数量（PN）之间的多维权衡矛盾，仍然是一个尚未被充分探索的领域。传统的实验方法难以高效探索这种复杂的多参数空间并捕捉其非线性相互作用。因此，迫切需要一种系统、智能的优化方法来破解这一困局。
为此，一项发表在《ACS Omega》上的研究，为我们展示了人工智能驱动优化的强大力量。该研究在1800转/分钟、25%低负荷（这是双燃料发动机面临突出稳定性和排放挑战的典型工况）条件下，对一台改装的四缸柴油/甲醇双燃料RCCI发动机进行了系统实验。研究人员深入探究了四个关键控制参数——甲醇替代率（MSR: 5–20%）、废气再循环（EGR: 0–30%）、主喷定时（MIT: -3° CA 到 5° CA ATDC）和燃油喷射压力（FIP: 80–100 MPa）——对发动机性能（BTE、等效制动燃油消耗率ESFC）和排放（NOx、PN、HC、CO）的耦合影响。
为了从海量实验数据中提炼规律、寻找最优解，研究团队采用了“响应面方法（RSM）+ 非支配排序遗传算法III（NSGA-III）”的组合拳。首先，他们利用RSM建立了高精度的回归模型，量化了输入参数与输出指标之间的非线性关系。这个模型表现出极高的预测精度，决定系数（R2）超过96%，BTE、NOx和PN的预测值与实验值误差分别仅为1.102%、1.046%和5.465%。随后，他们以最大化BTE、最小化NOx、PN和ESFC为目标，运用NSGA-III算法进行多目标优化，最终得到了一组能够平衡性能与排放的帕累托最优参数组合。
关键研究技术与方法
本研究的核心技术体系围绕一台经改装的四缸、涡轮增压、中冷、高压共轨柴油/甲醇双燃料RCCI发动机测试台架展开。关键方法包括：1. 参数化耦合实验设计：采用四因素（MSR, EGR, MIT, FIP）耦合实验（详见表5），系统探究参数交互作用对燃烧与排放的影响。2. 高精度测量与数据采集：使用AVL电力测功机控制工况，AMA i60气体分析仪测量NOx、HC、CO，AVL SPC 489粒子计数器（符合ISO 20814标准）测量PN，PUMA OPEN系统自动同步记录所有数据。3. 基于响应面方法（RSM）的建模：采用Box-Behnken设计（BBD）构建了输入参数与BTE、ESFC、NOx、PN响应的二阶回归模型，并通过方差分析（ANOVA）验证了模型的高显著性（F值>28.73, p<0.0001）和低失拟度。4. 多目标进化算法优化：集成NSGA-III算法，以最大化BTE、最小化NOx、PN、ESFC为目标，在RSM模型定义的参数空间内进行全局寻优，获得帕累托最优解集。
主要研究结果
氮氧化物形成机制及双燃料燃烧中的控制途径
研究指出，压燃式发动机的主要NOx排放是热力型NOx，受扩展的Zeldovich机制支配，其生成对局部温度和氧浓度呈指数依赖。在柴油/甲醇双燃料系统中，NOx排放趋势主要通过三个相互交织的途径调节：甲醇高汽化潜热带来的充量冷却效应、EGR引入的热稀释效应，以及由柴油喷射策略（正时和压力）控制的燃烧相位和均质性。
喷射正时与燃烧相位的关联
主喷定时（MIT）直接控制燃烧相位（通常以CA50表示，即50%放热时的曲轴转角）。提前MIT使燃烧更接近上止点，提高缸内峰值温度和压力，这改善了定容燃烧和热效率，但也促进了热力型NOx的形成。
MSR与喷射策略耦合对发动机性能和排放的影响
- •
与MIT耦合：如图2所示，在5%和20% MSR下，将MIT从5° CA ATDC提前到-3° CA ATDC，使NOx排放增加了27.2%和27.9%，而PN、HC和CO排放降低。提高MSR（从5%到20%）则降低了NOx和PN，但急剧增加了HC和CO排放。如图3所示，提前MIT提高了BTE、降低了ESFC，而提高MSR则降低了BTE、增加了ESFC。
- •
与FIP耦合：如图4所示，在5%和20% MSR下，将FIP从80 MPa增加到100 MPa，使NOx排放增加，PN和HC降低，CO微增。提高MSR同样降低了NOx和PN，但大幅增加了HC和CO。如图5所示，提高FIP改善了BTE、降低了ESFC，而提高MSR则恶化了这两项指标。
EGR与喷射策略耦合对发动机性能和排放的影响
- •
与MIT耦合：如图6所示，在0%和30% EGR下，提前MIT增加了NOx，降低了PN、HC和CO。提高EGR率显著降低了NOx，但大幅增加了PN，HC微降，CO增加。如图7所示，提前MIT和适度增加EGR都能改善BTE、降低ESFC，但EGR率过高（20%）会导致燃烧恶化，ESFC升高。
- •
与FIP耦合：如图8所示，提高FIP增加了NOx，降低了PN、HC和CO。提高EGR率显著降低了NOx，但大幅增加了PN，HC微降，CO增加。如图9所示，提高FIP和EGR都能单独带来一定的效率收益，但存在交互影响，需平衡优化。
优化结果
通过RSM-NSGA-III多目标优化（流程见图10），研究得到了帕累托最优前沿。最终选定并经过台架验证的一组优化参数（平均值：MSR = 5.23%， EGR = 4.06%， MIT = -1.98° CA ATDC， FIP = 90.49 MPa）能够实现排放最小化和BTE超过33%（比纯柴油模式高1.47%）的目标。在此优化条件下，NOx和PN排放分别维持在250 ppm和2.5 × 107#/cm3以下，与纯柴油模式下的原机相比，NOx平均降低5.11 ppm，PN平均降低0.14 × 107#/cm3。
研究结论与意义
本研究通过对柴油/甲醇双燃料发动机在低负荷工况下的多参数协同优化，成功破解了性能与排放之间的多重权衡困局。研究证实，MSR与EGR的交互作用对发动机性能和排放有显著影响。适度的甲醇替代结合精细控制的EGR、以及优化的喷油正时与压力，是实现高效清洁燃烧的关键。所建立的高精度RSM模型为理解复杂参数交互提供了可靠工具，而RSM与NSGA-III的集成优化框架，则展现出人工智能方法在解决发动机多目标、非线性优化问题上的巨大优势和潜力。
这项工作不仅为甲醇/柴油双燃料发动机在低负荷工况下的性能提升和排放控制提供了具体的优化参数组合和理论依据，更重要的是，它展示了一种数据驱动与智能算法相结合的现代发动机研发范式。随着动力装备向智能化发展，控制参数和优化目标日益增多，运行工况和环境复杂多变，此类AI驱动的优化方法将为实现内燃机的高效、低碳、清洁运行提供至关重要的技术支撑，加速交通运输领域的脱碳进程。
