Modellizzazione ibrida tramite deep learning e RSM delle prestazioni di motori diesel usando miscele di butanolo addizionato con TiO2 e olio da plastica di scarto

Trasformare rifiuti e alcool in carburante diesel più pulito

I rifiuti plastici e i gas di scarico dei diesel sono due grandi problemi ambientali. Questo studio esplora un modo ingegnoso per affrontarli entrambi contemporaneamente: trasformare la plastica di scarto in carburante, miscelarla con un comune alcool industriale (1‑butanolo) e aggiungere particelle microscopiche di biossido di titanio (TiO2) per aiutare i motori a funzionare in modo più efficiente e meno inquinante. Il lavoro utilizza inoltre strumenti dati moderni per individuare il modo migliore di gestire un motore con tali combustibili, offrendo uno sguardo su come carburanti più intelligenti e algoritmi più evoluti potrebbero rimodellare il trasporto quotidiano.

Perché ripensare il carburante diesel?

I motori diesel alimentano camion, generatori, macchine agricole e navi in tutto il mondo, ma dipendono da combustibili fossili ed emettono fuliggine e gas nocivi. Allo stesso tempo, la plastica scartata si accumula in discariche e oceani. I ricercatori combinano questi problemi in una potenziale soluzione usando la pirolisi — un processo che riscalda la plastica di scarto in assenza di ossigeno — per ottenere un liquido oleoso che può essere bruciato come carburante. Successivamente miscelano questo olio derivato dalla plastica con il diesel e una piccola quantità di 1‑butanolo, un alcool che contiene ossigeno e può favorire una combustione più completa. Per ottimizzare ulteriormente la combustione, aggiungono nanoparticelle di TiO2, che agiscono come minuscoli catalizzatori, favorendo una combustione più pulita e più rapida all’interno del cilindro.

Costruire e testare il nuovo carburante

In laboratorio il team ha creato diverse miscele variando le proporzioni di diesel, olio di plastica, 1‑butanolo e la dose di TiO2. Hanno testato queste miscele in un motore diesel monocilindrico, misurando quanto efficientemente convertivano il carburante in lavoro utile (rendimento termico al freno e consumo specifico) e quanta inquinamento usciva dallo scarico (inclusi monossido di carbonio, idrocarburi incombusti, anidride carbonica e ossidi di azoto). Una miscela in particolare — 80% diesel, 13% olio da plastica, 7% butanolo e 75 parti per milione di TiO2 — si è distinta. Ha fornito il massimo rendimento, usando meno carburante per unità di potenza rispetto al diesel puro, riducendo nel contempo diverse emissioni chiave. Un’altra miscela contenente solo olio di plastica con una maggiore concentrazione di TiO2 è risultata particolarmente efficace nel ridurre le emissioni di monossido di carbonio e di idrocarburi, grazie a una combustione più completa.

Cosa avviene all’interno del motore

Questi miglioramenti delle prestazioni derivano dal comportamento dei nuovi carburanti nell’ambiente estremo della camera di combustione. Il 1‑butanolo aggiunto introduce ossigeno nel combustibile, aiutando a migliorare la miscelazione con l’aria e a favorire una combustione più completa. La componente di olio da plastica fornisce energia riducendo il rapporto complessivo carbonio/idrogeno, il che può ridurre la formazione di anidride carbonica per unità di potenza. Le nanoparticelle di TiO2 influenzano la combustione in vari modi: aiutano a frammentare le gocce di carburante in spray più fini, forniscono superfici reattive che accelerano l’ossidazione e smorzano i picchi di temperatura che normalmente creano punti caldi e maggior formazione di ossidi di azoto. I ricercatori hanno osservato pressioni di picco più elevate e rilasci di calore più rapidi per certe miscele, segnali che più energia del carburante viene sfruttata in modo controllato invece di andare perduta come calore e fuliggine.

Lasciare che gli algoritmi regolino il motore

Poiché molti fattori — carico del motore, composizione del carburante e contenuto energetico — cambiano simultaneamente, il team si è rivolto alla statistica e al machine learning per trovare il “punto ottimale”. Utilizzando un metodo chiamato response surface methodology, hanno costruito mappe matematiche che mostrano come rendimento e ciascun inquinante rispondono alle variazioni delle condizioni, per poi cercare in quelle mappe la combinazione migliore. Hanno anche addestrato reti neurali bayesiane, una forma moderna di deep learning che non solo predice gli esiti ma stima anche la propria incertezza. Questi modelli hanno sistematicamente superato semplici adattamenti lineari, fornendo previsioni più accurate di rendimento ed emissioni. Combinando i due approcci, i ricercatori hanno identificato un punto operativo che equilibra alto rendimento e basse emissioni, pur mettendo in luce il classico compromesso: ottenere più lavoro da ogni goccia di carburante tende ad aumentare i livelli di ossidi di azoto a meno che non vengano apportate altre modifiche.

Cosa significa per i motori di tutti i giorni

Per i non specialisti, il messaggio è semplice: è possibile far funzionare un motore diesel convenzionale con miscele attentamente progettate che includono olio di plastica di scarto, una modesta quantità di alcool e additivi in scala nanometrica, mantenendo o addirittura migliorando le prestazioni del diesel standard. La miscela più promettente in questo studio ha consumato meno carburante, emesso meno monossido di carbonio e carburante incombusto, e ridotto anidride carbonica e ossidi di azoto rispetto al funzionamento tipico del diesel in condizioni ottimizzate. Pur essendo un esperimento preliminare su un motore monocilindrico e non un carburante commerciale pronto all’uso, dimostra che abbinare chimica del carburante innovativa con ottimizzazione guidata dai dati potrebbe trasformare i motori di uso quotidiano in macchine più pulite e sostenibili, aiutando al contempo a riciclare i rifiuti plastici persistenti.

Citazione: 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

Parole chiave: carburante da plastica di scarto, emissioni di motori diesel, additivi nanoparticellari, miscele di biocarburanti, ottimizzazione con machine learning