AI-gebaseerde optimalisatie van inspuitdruk voor waterstof- en Spirogyra-biodiesel dual-fuel motor om verbrandingsefficiëntie en emissiekenmerken te verbeteren

Schonere motoren voor een veranderende wereld

Auto's, vrachtwagens en landbouwmachines vertrouwen nog steeds grotendeels op dieselmotoren, die krachtig maar vervuilend zijn. Deze studie onderzoekt een manier om die vertrouwde motoren veel schoner en efficiënter te maken door een speciale algen‑gebaseerde biodiesel te mengen met waterstofgas, en vervolgens kunstmatige intelligentie te gebruiken om te verfijnen hoe de brandstof wordt ingespoten. Het resultaat is een praktische route naar lagere emissies en beter brandstofverbruik die op veel bestaande motoren toepasbaar kan zijn in plaats van ze volledig te moeten vervangen.

Een nieuwe draai aan dieselbrandstof

De onderzoekers begonnen met een conventionele eencilinder dieselmotor en vervingen een groot deel van de standaardbrandstof door een mengsel afgeleid van Spirogyra‑algen. Deze biodiesel werd verbeterd met kleine koolstofnanodeeltjes en een kleine hoeveelheid ontstekingsbevorderend additief, en vervolgens gecombineerd met waterstof dat via het inlaatsysteem werd toegevoerd. Samen vormen deze ingrediënten een dual‑fuel systeem: de vloeibare mix wordt als pilotlading ingespoten die eerst ontbrandt, terwijl de waterstof snel en schoon verbrandt zodra deze is aangestoken. Het team mat zorgvuldig hoe deze opstelling de motorvermogen, het brandstofgebruik en de vervuilende emissies beïnvloedde bij verschillende inspuitdrukken.

Het vinden van het juiste punt voor brandstofinspuiting

In een dieselmotor bepaalt de druk die de brandstof door de inspuiter duwt hoe fijn de spray is en hoe goed deze zich met lucht mengt. De studie testte vier inspuitdrukken tussen 180 en 240 bar terwijl de motor op de waterstof‑biodieselcombinatie draaide. Hogere drukken verkortten over het algemeen de tijd tussen inspuiting en ontbranding, verhoogden de piekcilinderdruk en verhoogden de snelheid waarmee warmte vrijkwam. De hoogste druk, 240 bar, gaf het laagste brandstofverbruik en de hoogste efficiëntie, maar zorgde ook voor de heftigste verbranding en meer stikstofoxiden, die bijdragen aan smog.

Bij 220 bar vond de motor echter een veelbelovende balans. De verbranding begon iets later en piekte bij een iets lagere druk dan bij 240 bar, waardoor de mechanische belasting van de motor afnam. Het brandstofverbruik was licht hoger dan bij 240 bar, maar nog steeds veel beter dan bij gewone diesel. Cruciaal was dat de 220‑bar instelling rook, koolmonoxide en onverbrande koolwaterstoffen verminderde in vergelijking met standaard diesel en met minder geoptimaliseerde dual‑fuel gevallen. Stikstofoxiden namen toe ten opzichte van pure diesel, maar waren lager dan bij de hoogste druk, wat suggereert dat een matige inspuitdruk de gebruikelijke vervuilingstrade‑offs kan temperen.

Algoritmen als richtlijn voor afstelling

Aangezien motoren zich op complexe manieren gedragen, wendde het team zich tot machine‑learning algoritmen om te helpen in kaart brengen hoe inspuitdruk en andere condities prestaties en emissies beïnvloeden. Ze trainden drie types modellen—eenvoudige lineaire fits, beslissingsbomen en random forests—met behulp van experimentele gegevens over brandstofverbruik, efficiëntie, druk in de cilinder en verschillende vervuilende stoffen. Beslissingsbomen, die de data in veel "als‑dit‑dan‑dat" vertakkingen splitsen, leverden de meest nauwkeurige voorspellingen in het algemeen, dicht bij de gemeten piekdruk en koolwaterstofniveaus en met zeer kleine foutmarges. Dit betekent dat een AI‑model in principe de beste instellingen voor een gegeven motor en brandstofmengsel zou kunnen voorstellen zonder uitputtend testen.

Van laboratoriummotor naar effect in de praktijk

Voorbij de cijfers heeft de combinatie van waterstof en algenbiodiesel aantrekkelijke levenscyclusvoordelen. Algen kunnen worden gekweekt op niet‑landbouwgrond met gebruik van afvalstromen, nemen tijdens de groei kooldioxide op en geven het vrij bij verbranding, terwijl waterstof—als deze wordt geproduceerd met hernieuwbare elektriciteit—energie toevoegt zonder extra koolstof. Het draaien van deze combinatie in een dual‑fuel motor bij ongeveer 220 bar inspuitdruk verbeterde de thermische efficiëntie, verminderde roet en koolmonoxide en hield stikstofoxiden op beheerbare niveaus. De auteurs stellen dat, opgeschaald en gestuurd door AI‑gebaseerde controle, dergelijke systemen kunnen helpen bij het decarboniseren van zware voertuigen, generatoren en off‑road machines die moeilijk snel te elektrificeren zijn.

Wat dit betekent voor toekomstige motoren

In eenvoudige termen toont de studie aan dat een zorgvuldig gekozen mix van algenbiodiesel en waterstof, toegediend bij een matige inspuitdruk en afgestemd met machine learning, een dieselmotor schoner en efficiënter kan maken zonder ingrijpende herontwerpen. Hoewel meer werk nodig is aan meercilinder‑motoren, variabele waterstoftoevoer en langdurige duurzaamheidstests, wijzen de resultaten op een realistisch pad waarbij bestaande motoren op groenere brandstoffen kunnen draaien, gestuurd door slimme software, om emissies en brandstofgebruik in alledaagse toepassingen te verminderen.

Bronvermelding: 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

Trefwoorden: waterstof dual-fuel motoren, algenbiodiesel, optimalisatie van inspuitdruk, vermindering van motoremissies, machine learning in verbranding