Optimisation par IA de la pression d'injection pour un moteur bi‑carburant hydrogène et biodiesel de spirogyra afin d'améliorer les performances de combustion et les émissions

Des moteurs plus propres pour un monde en mutation

Les voitures, camions et machines agricoles dépendent encore largement des moteurs diesel, puissants mais polluants. Cette étude explore une voie pour rendre ces moteurs familiers beaucoup plus propres et efficaces en mélangeant un biodiesel spécial à base d'algues avec du gaz hydrogène, puis en utilisant l'intelligence artificielle pour affiner la manière dont le carburant est injecté. Le résultat est une voie pratique vers des émissions réduites et une meilleure consommation de carburant, applicable à de nombreux moteurs existants plutôt que de les remplacer complètement.

Une nouvelle approche du carburant diesel

Les chercheurs ont commencé avec un moteur diesel conventionnel monocylindre et ont remplacé une grande partie du carburant standard par un mélange dérivé d'algues Spirogyra. Ce biodiesel a été enrichi par de petites nanoparticules de carbone et une faible quantité d'un additif favorisant l'allumage, puis associé à de l'hydrogène injecté par l'admission. Ensemble, ces ingrédients forment un système « bi‑carburant » : le mélange liquide est injecté comme charge pilote qui s'enflamme en premier, tandis que l'hydrogène brûle rapidement et proprement une fois amorcé. L'équipe a mesuré avec soin comment cette configuration affectait la puissance du moteur, la consommation et les polluants à différentes pressions d'injection.

Trouver le point optimal de l'injection

Dans un moteur diesel, la pression qui pousse le carburant à travers l'injecteur détermine la finesse de la pulvérisation et la qualité du mélange avec l'air. L'étude a testé quatre pressions d'injection entre 180 et 240 bars tandis que le moteur fonctionnait avec la combinaison hydrogène–biodiesel. Des pressions plus élevées ont généralement raccourci le délai entre l'injection et l'allumage, augmenté la pression maximale dans le cylindre et accru le taux de libération de chaleur. La pression la plus élevée, 240 bars, a donné la consommation la plus faible et l'efficacité la plus élevée, mais a aussi produit la combustion la plus agressive et davantage d'oxydes d'azote, contributeurs au smog.

À 220 bars cependant, le moteur a trouvé un équilibre prometteur. La combustion commençait un peu plus tard et culminait à une pression quelque peu inférieure à celle observée à 240 bars, réduisant les contraintes mécaniques sur le moteur. La consommation était légèrement supérieure à celle à 240 bars, mais restait bien meilleure que pour le diesel ordinaire. Surtout, le réglage à 220 bars a réduit la fumée, le monoxyde de carbone et les hydrocarbures imbrûlés par rapport au diesel standard et aux cas bi‑carburant moins optimisés. Les oxydes d'azote ont augmenté par rapport au diesel pur mais étaient inférieurs à ceux observés à la pression maximale, ce qui suggère qu'une pression d'injection modérée peut tempérer les compromis habituels en matière de pollution.

Laisser les algorithmes guider le réglage

Parce que le comportement des moteurs est complexe, l'équipe s'est tournée vers des algorithmes d'apprentissage automatique pour cartographier la manière dont la pression d'injection et d'autres conditions influent sur les performances et les émissions. Ils ont entraîné trois types de modèles — ajustements linéaires simples, arbres de décision et forêts aléatoires — en utilisant des données expérimentales sur la consommation, l'efficacité, la pression dans le cylindre et plusieurs polluants. Les arbres de décision, qui divisent les données en nombreuses branches « si‑alors », ont fourni les prédictions les plus précises dans l'ensemble, reproduisant de près la pression de pic mesurée et les niveaux d'hydrocarbures tout en conservant des marges d'erreur très faibles. Cela signifie qu'un modèle IA pourrait, en principe, suggérer les meilleurs réglages pour un moteur et un mélange de carburant donnés sans tests exhaustifs.

Du moteur de laboratoire à l'impact réel

Au‑delà des chiffres, la combinaison d'hydrogène et de biodiesel d'algues présente des avantages intéressants sur le plan du cycle de vie. Les algues peuvent être cultivées hors terres agricoles en utilisant des flux de déchets, absorbant du dioxyde de carbone pendant leur croissance et le relâchant lors de la combustion, tandis que l'hydrogène — s'il est produit à partir d'électricité renouvelable — apporte de l'énergie sans ajouter de carbone. Faire fonctionner cet assemblage dans un moteur bi‑carburant à environ 220 bars de pression d'injection a amélioré l'efficacité thermique, réduit la suie et le monoxyde de carbone, tout en maintenant les oxydes d'azote à des niveaux gérables. Les auteurs soutiennent que, à l'échelle et piloté par un contrôle basé sur l'IA, un tel système pourrait aider à décarboner les véhicules lourds, les groupes électrogènes et les engins hors route difficiles à électrifier rapidement.

Ce que cela signifie pour les moteurs futurs

En termes simples, l'étude montre qu'un mélange soigneusement choisi de biodiesel d'algues et d'hydrogène, livré à une pression d'injection modérée et réglé par apprentissage automatique, peut rendre un moteur diesel plus propre et plus efficace sans refonte radicale. Si des travaux supplémentaires sont nécessaires sur les moteurs multicylindres, le débit variable d'hydrogène et la durabilité à long terme, les résultats pointent vers une voie réaliste où des moteurs existants roulent avec des carburants plus verts, guidés par des logiciels intelligents, pour réduire émissions et consommation dans les usages quotidiens.

Citation: Aravind, S., Barik, D., Paramasivam, P. et al. AI based optimization of injection pressure for hydrogen and spirogyra biodiesel dual fuel engine to enhance combustion performance and emission characteristics. Sci Rep 16, 8017 (2026). https://doi.org/10.1038/s41598-025-34179-w

Mots-clés: moteurs bi‑carburant à hydrogène, biodiesel d'algues, optimisation de la pression d'injection, réduction des émissions des moteurs, apprentissage automatique en combustion