Caractéristiques de performance, d’émissions et de combustion de mélanges diesel de biodiesel de Mahua enrichis en nanoparticules de TiO₂ et CeO₂ : approches expérimentales et par apprentissage automatique

Une énergie plus propre grâce aux plantes et aux particules ultrafines

Les moteurs diesel entraînent bus, tracteurs et groupes électrogènes dans le monde entier, mais ils émettent aussi des suies, des gaz formant le smog et du dioxyde de carbone réchauffant le climat. Cette étude explore une façon de rendre les moteurs diesel existants plus propres et plus efficaces sans les repenser : en mélangeant un huile végétale non comestible appelée biodiesel de Mahua avec du diesel classique et en ajoutant des particules métalliques ultra-fines. Les chercheurs ont aussi utilisé des outils modernes d’apprentissage automatique pour vérifier si des ordinateurs peuvent prédire de façon fiable le comportement de tels moteurs dans de nombreuses conditions de fonctionnement.

Des graines d’arbre au carburant moteur

Le Mahua est un arbre courant en Inde dont les graines produisent une huile non utilisée pour l’alimentation, ce qui en fait une source durable et intéressante pour le carburant. L’huile est transformée chimiquement en biodiesel pouvant être mélangé au diesel classique. Dans ce travail, l’équipe s’est concentrée sur un mélange pratique composé de 20 % de biodiesel de Mahua et de 80 % de diesel, choisi car il offre en général un bon compromis entre performance moteur et émissions. Pour améliorer ce mélange, ils ont introduit des traces de nanoparticules d’oxydes métalliques — dioxyde de titane et oxyde de cérium — à des doses de seulement 25 à 75 parties par million, bien trop faibles pour modifier de façon notable les propriétés globales du carburant mais suffisantes pour influencer la façon dont il brûle dans le moteur.

Comment de minuscules additifs améliorent la combustion

Le banc d’essai était un moteur diesel monocylindre standard, semblable à ceux utilisés dans de petits générateurs, fonctionnant à cinq niveaux de charge différents, de l’au ralenti à la pleine puissance. Les chercheurs ont mesuré l’efficacité de conversion du carburant en travail utile et ont suivi des polluants tels que le monoxyde de carbone, les hydrocarbures imbrûlés, les oxydes d’azote, la fumée et le dioxyde de carbone. Ils ont constaté que le passage du diesel pur au mélange Mahua réduisait légèrement l’efficacité, car le carburant d’origine végétale est plus visqueux et contient moins d’énergie par kilogramme. Cependant, lorsque des nanoparticules ont été ajoutées — surtout autour de 50 parties par million — le tableau a changé. Ces particules agissent comme des aides à la combustion, favorisant un meilleur mélange air‑carburant et accélérant les réactions d’oxydation.

Des gaz d’échappement plus propres, avec un compromis

Avec une dose adaptée de nanoparticules, le rendement thermique au frein du moteur — la part de l’énergie du carburant transformée en puissance utile — a augmenté d’environ 6 à 8 % par rapport au diesel pur en pleine charge, et la consommation de carburant par unité de puissance a diminué jusqu’à 7 % comparé au mélange Mahua seul. Les gaz d’échappement sont également devenus sensiblement plus propres : le monoxyde de carbone et les hydrocarbures imbrûlés ont chuté d’environ un quart, et la fumée visible a été réduite de 35 à 40 %, traduisant moins de suie et une combustion plus complète. Le dioxyde de carbone a légèrement augmenté, ce qui, dans ce contexte, indique que le carbone du carburant est davantage oxydé complètement plutôt que d’apparaître sous forme de sous‑produits toxiques ou de particules. L’inconvénient principal est une hausse des oxydes d’azote, une famille de gaz contribuant au smog, d’environ 8 à 12 % à haute charge, car la combustion plus vigoureuse a élevé la température maximale à l’intérieur du cylindre.

Apprendre le comportement du moteur avec des machines

Réaliser de nombreux essais moteurs coûte cher et prend du temps, ainsi l’équipe s’est aussi demandé si un ordinateur pouvait apprendre à prédire le comportement moteur après n’avoir vu qu’un nombre limité d’expériences. Ils ont entraîné plusieurs modèles modernes d’apprentissage automatique en utilisant des entrées telles que la charge moteur, le type de carburant et le niveau de nanoparticules, et des sorties telles que l’efficacité, la consommation et chaque émission. Pour tirer le meilleur parti de leur petit jeu de données, ils ont utilisé une méthode de validation stricte où chaque point expérimental est à son tour traité comme un cas de test non vu. Parmi les approches testées, une méthode appelée XGBoost, qui combine de nombreux petits arbres de décision, a fourni les prédictions globales les plus fiables, capturant plus de 97 % de la variation des grandeurs mesurées avec des erreurs très faibles et sans biais évident selon les conditions de fonctionnement.

Mettre tout cela en pratique

Pour le grand public, le message principal est qu’un mélange soigneusement choisi de carburant d’origine végétale et de particules métalliques ultrafines peut rendre un moteur diesel conventionnel à la fois plus propre et plus efficace, sans modifications mécaniques. Le point optimal de cette étude était un mélange biodiesel de Mahua–diesel contenant environ 50 parties par million de nanoparticules d’oxyde de titane ou de cérium : suffisant pour affiner la combustion et réduire fortement la suie et d’autres gaz nocifs, tout en n’augmentant modérément que les oxydes d’azote. Parallèlement, l’apprentissage automatique s’est révélé un compagnon puissant, prédisant avec précision la réponse du moteur selon différentes charges et recettes de carburant. Ensemble, ces approches ouvrent la voie à un avenir où les moteurs diesel existants peuvent être optimisés pour moins de pollution et une meilleure économie de carburant, tout en remplaçant progressivement les combustibles fossiles par des alternatives végétales durables.

Citation: Janaki, V., Ranjit, P.S. & Balakrishna, B. Performance emission and combustion characteristics of TIO₂ and CEO₂ nanoparticle enhanced Mahua biodiesel diesel blends using experimental and machine learning approaches. Sci Rep 16, 8594 (2026). https://doi.org/10.1038/s41598-026-38657-7

Mots-clés: Biodiesel de Mahua, additifs nanoparticulaires, émissions de moteurs diesel, combustion propre, modèles d’apprentissage automatique