松油および微細藻類バイオディーゼルを燃料としたPCCIエンジンの応答曲面およびTQM‑ML解析

見慣れたエンジンからよりクリーンな動力を

多くの自動車、トラック、発電機は効率が高いものの黒煙や温暖化ガスで悪名高いディーゼルエンジンに依存しています。本研究は、基本的なディーゼル機構を保ちながら、再生可能燃料の賢い混合とデータ駆動の最適化で大規模なハードウェア改造なしによりクリーンに燃やせるかを探ります。松由来の油を微細藻類由来のバイオディーゼルと混合し、高度な統計、機械学習、品質管理手法を組み合わせることで、すすや一酸化炭素を減らしつつ有効な出力を高める方法をマッピングしています。一方で残る課題、窒素酸化物（NOx）汚染についても正直に指摘しています。

ディーゼルエンジンへの新しい燃料供給法

研究チームは圧縮比（混合気をどれだけ圧縮するか）を可変とした単気筒ディーゼルエンジンで実験を行いました。化石由来のディーゼルに依存する代わりにデュアル燃料方式を採用しています。点火を引き起こすためにシリンダー内へ少量の「パイロット」噴射（純ディーゼル、または10％・20％の微細藻類バイオディーゼルを混ぜたディーゼル）を行い、同時に松油を吸気側に噴霧して圧縮前に空気と十分に混合させました。松油は酸素含有で粘度が低く揮発性が高いため蒸発・混合が促進され、微細藻類バイオディーゼルは反応性が高く着火を安定させます。圧縮比、エンジン負荷、従来燃料に替えて投入する松油の割合（10、20、30％）を調整し、この組み合わせの挙動を体系的に調べました。

性能と排気の計測

綿密に繰り返した数十の試験で、燃料をどれだけ効率的に動力に変換しているか、排出物がどれほどかを測定しました。焦点はブレーキ熱効率（燃料のエネルギーがクランク軸に到達する割合）、単位出力当たりの燃料消費量、そして一酸化炭素、未燃焼炭化水素、窒素酸化物、目に見える煙といった主要な排気成分です。効率は一般に負荷と圧縮比の増加に伴い向上し、概ね定格負荷の60〜80％付近でピークに達しました。松油を最大約30％まで混合し、特にパイロット燃料に10％の微細藻類バイオディーゼルを用いると、有用な負荷域で燃料消費がやや低下し、煙や未燃焼炭化水素は大幅に低下しました。ただしこれらの利得に伴う代償として、酸素が豊富で温度が高い条件で生成されやすい窒素酸化物が増加しました。

データに導かれる最適点の探索

圧縮比、負荷、燃料配合は複雑に相互作用するため、著者らは一つずつ設定を変える代わりに統計・機械学習ツールを用いて「最適点」を見つけました。応答曲面法（実験データに曲面を当てはめる体系的手法）を用いて、エンジン設定と性能・排出の関係式を構築し、効率を最大化しつつ汚染物質を最小化するよう最適化を行いました。同時に同一データで9種類の機械学習モデルを訓練し、勾配ブースティングという現代的なアンサンブル手法が最も精度が高く、多くの出力を測定値の数パーセント以内で予測しました。ブラックボックス化を避けるためにSHAPという手法を用い、どの要因が重要かを示しました。効率と窒素酸化物にはエンジン負荷と圧縮比が支配的であり、松油の割合は煙、一酸化炭素、未燃燃料に強く影響することが分かりました。

信頼性と長期的影響の検証

数値だけでなく、本研究は工場で使われる産業的な品質管理の考え方をエンジン実験室に適用しました。繰り返し試験、正式な不確かさ評価、および「工程能力」チェックにより測定が安定していること、最適運転領域が偶然ではないことを確認しました。最後に、効率、排出、再生可能性、カーボンフットプリント、実用性、安全性を評価軸とする意思決定マトリクスで異なる燃料戦略を比較しました。パイロット燃料に10％微細藻類バイオディーゼル、30％の松油、高い圧縮比の組み合わせが一貫して高得点を示しました。これは効率向上、煙と一酸化炭素の大幅低減、再生可能燃料比率の増加によるもので、窒素酸化物の増加ややや扱いにくさを考慮しても総合的に優れていました。

今後のエンジンにとっての意義

要するに、この研究は、ありふれたディーゼルエンジンに松油と微細藻類バイオディーゼルの慎重に選んだ混合燃料を与え、最新のデータツールでチューニングすれば、目に見えるすすやいくつかの有害ガスを減らしながらより有効な仕事を供給できることを示しています。窒素酸化物問題はまだ解決していませんが、トレードオフをよりクリーンな方向に移し、既存エンジンで再生可能燃料をより多く活用する現実的な道を示します。排気再循環や噴射時期のより厳密な制御などの追加的な調整がなされれば、この種のデュアル燃料かつデータ最適化された構成は、現行の化石燃料ベースのエンジンと低炭素の将来との橋渡しに寄与する可能性があります。

引用: Al Awadh, M., Michael, G.K.O. Response surface and TQM-ML analysis of a PCCI engine fueled with PO and microalgae biodiesel. Sci Rep 16, 10256 (2026). https://doi.org/10.1038/s41598-026-40929-1

キーワード: ディーゼルエンジン, バイオ燃料, 松油, 微細藻類バイオディーゼル, 燃焼における機械学習