Caratteristiche delle emissioni, delle prestazioni e della combustione di miscele diesel con biodiesel di Mahua arricchito con nanoparticelle di TiO₂ e CeO₂ mediante approcci sperimentali e di machine learning

Energia più pulita da piante e particelle minuscole

I motori diesel alimentano autobus, trattori e gruppi elettrogeni in tutto il mondo, ma emettono anche fuliggine, gas che formano lo smog e anidride carbonica che riscalda il clima. Questo studio esplora un modo per rendere i motori diesel esistenti più puliti ed efficienti senza riprogettarli, miscelando un olio vegetale non commestibile chiamato biodiesel di Mahua con il diesel convenzionale e aggiungendo particelle metalliche ultrafini. I ricercatori hanno inoltre impiegato moderni strumenti di machine learning per verificare se i computer possono prevedere in modo affidabile il comportamento di tali motori in molte condizioni operative.

Dai semi dell’albero al carburante per motori

Il Mahua è un albero comune in India i cui semi forniscono un olio non destinato all’alimentazione, rendendolo una sorgente di carburante sostenibile e interessante. L’olio viene trasformato chimicamente in un biodiesel che può essere miscelato con il diesel convenzionale. In questo lavoro il team si è concentrato su una miscela pratica contenente il 20% di biodiesel di Mahua e l’80% di diesel, scelta perché di solito offre un buon equilibrio tra prestazioni del motore ed emissioni. Per migliorare ulteriormente questa miscela, hanno introdotto tracce di nanoparticelle di ossidi metallici—biossido di titanio e ossido di cerio—a dosi di appena 25–75 parti per milione, quantità troppo piccole per modificare in modo apprezzabile le proprietà macroscopiche del carburante ma sufficienti a influenzare il modo in cui brucia all’interno del motore.

Come i minuscoli additivi migliorano la combustione

La prova è stata condotta su un motore diesel monocarica standard, simile a quelli impiegati nei piccoli generatori, funzionante a cinque livelli di carico diversi dall’al minimo alla potenza massima. I ricercatori hanno misurato l’efficienza con cui il motore trasformava il carburante in lavoro utile e hanno monitorato inquinanti come monossido di carbonio, idrocarburi incombusti, ossidi di azoto, fumo e anidride carbonica. Hanno osservato che il semplice passaggio dal diesel puro alla miscela con Mahua riduceva leggermente l’efficienza, perché il carburante di origine vegetale è più viscoso e contiene meno energia per chilogrammo. Tuttavia, quando sono state aggiunte le nanoparticelle—soprattutto intorno a circa 50 parti per milione—il quadro è cambiato. Queste particelle minuscole agiscono come facilitatori della combustione, favorendo una migliore miscelazione aria-carburante e accelerando le reazioni di ossidazione.

Scarico più pulito con un compromesso

Con la dose corretta di nanoparticelle, l’efficienza termica al freno del motore—la quota di energia del carburante convertita in potenza utile—in aumento di circa il 6–8% rispetto al diesel puro a pieno carico, e il consumo di carburante per unità di potenza è diminuito fino al 7% rispetto alla sola miscela con Mahua. Anche i gas di scarico sono diventati visibilmente più puliti: monossido di carbonio e idrocarburi incombusti sono diminuiti di circa un quarto, e il fumo visibile è stato ridotto fino al 35–40%, riflettendo una minore formazione di fuliggine e una combustione più completa. L’anidride carbonica è aumentata in misura modesta, il che in questo contesto indica che il carbonio nel carburante viene ossidato completamente anziché comparire come sottoprodotti tossici o particelle. Il principale svantaggio è stato l’aumento degli ossidi di azoto, una famiglia di gas che contribuiscono allo smog, aumentati di circa l’8–12% ad alti carichi, perché la combustione più vigorosa ha innalzato la temperatura di picco all’interno del cilindro.

Lasciare che le macchine apprendano il comportamento del motore

Eseguire molti test sul motore è costoso e richiede tempo, quindi il team si è anche chiesto se un computer potesse imparare a prevedere il comportamento del motore dopo aver visto solo un numero limitato di esperimenti. Hanno addestrato diversi modelli moderni di machine learning usando input come carico del motore, tipo di carburante e livello di nanoparticelle, e output come efficienza, consumo di carburante e ciascuna emissione. Per sfruttare al massimo il loro piccolo dataset, hanno usato un metodo di validazione rigoroso in cui ogni punto sperimentale è a turno trattato come caso di test non visto. Tra gli approcci testati, un metodo chiamato XGBoost, che combina molti piccoli alberi decisionali, ha fornito le previsioni complessive più affidabili, catturando oltre il 97% della variazione in tutte le grandezze misurate con errori molto piccoli e senza bias evidenti nelle diverse condizioni operative.

Mettere tutto insieme per l’uso pratico

Per i non specialisti, il messaggio chiave è che una miscela scelta con cura di carburante di origine vegetale e particelle metalliche ultrafini può rendere un motore diesel convenzionale sia più pulito sia più efficiente, senza modifiche meccaniche. Il punto ottimale in questo studio è stata una miscela biodiesel di Mahua–diesel contenente circa 50 parti per milione di nanoparticelle di ossido di titanio o di cerio: sufficiente a rendere più efficiente la combustione e ridurre drasticamente fuliggine e altri gas nocivi, aumentando però solo moderatamente gli ossidi di azoto. Allo stesso tempo, il machine learning si è dimostrato un potente supporto, prevedendo con precisione come il motore avrebbe risposto a diversi carichi e ricette di carburante. Insieme, questi approcci indicano un futuro in cui i motori diesel esistenti possono essere ottimizzati per ridurre l’inquinamento e migliorare l’economia del carburante, sostituendo gradualmente i combustibili fossili con alternative sostenibili di origine vegetale.

Citazione: 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

Parole chiave: Biodiesel di Mahua, additivi nanoparticellari, emissioni dei motori diesel, combustione pulita, modelli di machine learning