基于机器学习的废弃大豆油合成生物柴油的优化、表征与CI发动机性能评估

《Scientific Reports》：Machine learning-based optimization, characterization and CI engine assessment of biodiesel synthesised from waste soybean cooking oil

　　

摘要

废弃食用油作为生物柴油生产的原料是一种可持续的选择，能够解决与其处置相关的环境问题。本文聚焦于利用乙醇和氢氧化钾（KOH）作为催化剂，通过酯交换反应从废大豆油中生产生物柴油。为估算生物柴油的收率，采用中心复合设计（CCD）技术对反应温度、催化剂浓度、醇油比和反应时间进行了调整。所创建的响应面模型进一步通过受机器学习启发的元启发式算法进行了优化，包括蜻蜓算法（DA）、遗传算法（GA）和跳蚤优化算法（GOA）。在这些方法中，GOA取得了最佳效果，实现了最高预测收率80.057%，而DA和GA分别提供了76.384%和76.593%。在最佳条件下（100 °C、1.3% KOH、50分钟反应时间和8:1的醇油比）进行实验验证，收率在78.95%至81.68%之间，从而支持了优化结果。通过傅里叶变换红外光谱（FTIR）、气相色谱-质谱联用（GC-MS）和核磁共振（NMR）技术确认了脂肪酸乙酯的生产，并确认了生物柴油特征酯基、羰基和碳氢化合物官能团的存在。所生产的生物柴油与柴油混合（B10D90至B50D50），并在单缸Kirloskar TV1压燃（CI）发动机中进行测试。与纯柴油相比，B20D80和B30D70使CO排放降低了最高平均42–48%，HC排放降低了41–45%，同时制动热效率提高了6–11%。在中高负荷下，制动比油耗进一步降低了8–18%，无需对发动机进行任何改装。研究结果表明，机器学习辅助优化与废弃食用油利用的结合为生物柴油的生产及其在CI发动机中的应用提供了一条可靠且极具前景的途径。