Modelado híbrido de aprendizaje profundo y RSM del rendimiento de motores diésel usando mezclas de butanol dopado con TiO2 y aceite de plástico residual

Convertir basura y alcohol en combustible diésel más limpio

Los residuos plásticos y los gases de escape diésel son dos grandes problemas ambientales. Este estudio explora una forma ingeniosa de abordar ambos a la vez: convertir el plástico residual en combustible para motores, mezclarlo con un alcohol industrial común (1‑butanol) y añadir partículas microscópicas de dióxido de titanio (TiO2) para ayudar a que los motores funcionen con más eficiencia y contaminen menos. El trabajo también utiliza herramientas modernas de datos para determinar la mejor forma de operar un motor así, ofreciendo una visión de cómo combustibles más inteligentes y algoritmos más avanzados podrían transformar el transporte cotidiano.

¿Por qué replantear el combustible diésel?

Los motores diésel impulsan camiones, generadores, maquinaria agrícola y barcos en todo el mundo, pero dependen de combustibles fósiles y emiten hollín y gases nocivos. Al mismo tiempo, los plásticos desechados se acumulan en vertederos y océanos. Los investigadores combinan estos problemas en una posible solución mediante la pirólisis: un proceso que calienta residuos plásticos sin oxígeno para producir un líquido oleoso que puede quemarse como combustible. Después mezclan ese aceite derivado del plástico con diésel convencional y una pequeña cantidad de 1‑butanol, un alcohol que aporta oxígeno y puede ayudar a que el combustible arda con mayor completitud. Para ajustar aún más la combustión, añaden nanopartículas de TiO2, que actúan como pequeños catalizadores, favoreciendo una combustión más limpia y rápida dentro del cilindro.

Construcción y ensayo del nuevo combustible

En el laboratorio, el equipo creó varias mezclas variando las proporciones de diésel, aceite de plástico, 1‑butanol y la dosis de TiO2. Probaron estas mezclas en un motor diésel de un solo cilindro, midiendo cuán eficientemente convertía el combustible en trabajo útil (eficiencia térmica de freno y consumo de combustible) y cuánta contaminación salía por el escape (incluyendo monóxido de carbono, hidrocarburos no quemados, dióxido de carbono y óxidos de nitrógeno). Una mezcla en particular—80% diésel, 13% aceite de plástico, 7% butanol y 75 partes por millón de TiO2—sobresalió. Ofreció la mayor eficiencia, usando menos combustible por unidad de potencia que el diésel puro, a la vez que redujo varias emisiones claves. Otra mezcla compuesta solo por aceite de plástico con mayor cantidad de TiO2 fue especialmente eficaz en recortar las emisiones de monóxido de carbono e hidrocarburos, gracias a una combustión más completa.

Qué ocurre dentro del motor

Estas mejoras en el rendimiento provienen de cómo se comportan los nuevos combustibles en el entorno extremo del cilindro. El 1‑butanol añadido aporta oxígeno adicional al combustible, ayudando a que se mezcle mejor con el aire y se queme con mayor completitud. El componente de aceite de plástico suministra energía a la vez que reduce la relación carbono‑hidrógeno global, lo que puede disminuir la formación de dióxido de carbono por unidad de potencia. Las nanopartículas de TiO2 influyen en la combustión de varias maneras: ayudan a desintegrar las gotas de combustible en atomizaciones más finas, proporcionan superficies reactivas que aceleran la oxidación y suavizan los picos de temperatura que normalmente generan puntos calientes y más óxidos de nitrógeno. Los investigadores observaron presiones máximas más altas y liberación de calor más rápida para ciertas mezclas, señales de que más energía del combustible se aprovecha de forma controlada en lugar de desperdiciarse en forma de calor y hollín.

Dejar que los algoritmos ajusten el motor

Dado que muchos factores—carga del motor, composición del combustible y contenido energético—cambian a la vez, el equipo recurrió a la estadística y al aprendizaje automático para encontrar el “punto óptimo”. Usando un método llamado metodología de superficie de respuesta, construyeron mapas matemáticos que muestran cómo responden la eficiencia y cada contaminante al cambiar las condiciones, y luego buscaron en esos mapas la mejor combinación. También entrenaron redes neuronales bayesianas, una forma moderna de aprendizaje profundo que no solo predice resultados sino que además estima su propia incertidumbre. Estos modelos superaron de manera consistente a los ajustes lineales simples, ofreciendo predicciones más precisas de eficiencia y emisiones. Al combinar ambos enfoques, los investigadores identificaron un punto de funcionamiento que equilibra alta eficiencia con menores emisiones, a la vez que revela claramente el clásico compromiso: exprimir más trabajo de cada gota de combustible tiende a aumentar los niveles de óxidos de nitrógeno salvo que se hagan otros cambios.

Qué significa para los motores cotidianos

Para el público general, el mensaje es sencillo: es posible hacer funcionar un motor diésel convencional con mezclas cuidadosamente diseñadas que incluyen aceite de plástico residual, una dosis modesta de alcohol y aditivos a escala nanométrica, y aun así igualar o incluso mejorar el rendimiento del diésel estándar. La mezcla más prometedora en este estudio usó menos combustible, emitió menos monóxido de carbono y combustible no quemado, y redujo el dióxido de carbono y los óxidos de nitrógeno en comparación con la operación típica de diésel bajo condiciones optimizadas. Aunque se trata de un experimento inicial en un solo cilindro y no de un combustible listo para uso comercial, demuestra que combinar una química de combustibles innovadora con optimización avanzada basada en datos podría convertir los motores cotidianos en máquinas más limpias y sostenibles mientras ayuda a reciclar residuos plásticos persistentes.

Cita: Sunil Kumar, K., Ali, A.B.M., Razak, A. et al. Hybrid deep learning and RSM modeling of diesel engine performance using TiO₂ doped butanol and waste plastic oil blends. Sci Rep 16, 4953 (2026). https://doi.org/10.1038/s41598-026-35126-z

Palabras clave: combustible a partir de residuos plásticos, emisiones de motores diésel, aditivos nanoparticulados, mezclas de biocombustibles, optimización mediante aprendizaje automático