Modelagem híbrida de deep learning e RSM do desempenho de motores diesel usando mistura de butanol dopado com TiO2 e óleo de plástico residual

Transformando lixo e álcool em combustível diesel mais limpo

Resíduos plásticos e a fumaça do diesel são dois grandes problemas ambientais. Este estudo explora uma forma inventiva de abordar ambos ao mesmo tempo: transformar plástico residual em combustível para motores, misturá‑lo com um álcool industrial comum (1‑butanol) e adicionar partículas microscópicas de dióxido de titânio (TiO2) para ajudar os motores a funcionar com mais eficiência e poluir menos. O trabalho também utiliza ferramentas modernas de dados para identificar a melhor forma de operar esse motor, oferecendo uma visão de como combustíveis mais inteligentes e algoritmos melhores podem transformar o transporte cotidiano.

Por que repensar o combustível diesel?

Os motores diesel movem caminhões, geradores, máquinas agrícolas e navios no mundo inteiro, mas dependem de combustíveis fósseis e emitem fuligem e gases nocivos. Ao mesmo tempo, o plástico descartado se acumula em aterros e oceanos. Os pesquisadores juntam esses problemas em uma solução potencial usando pirólise — um processo que aquece plástico residual na ausência de oxigênio — para produzir um líquido oleoso que pode ser queimado como combustível. Em seguida, eles misturam esse óleo de origem plástica com diesel comum e uma pequena quantidade de 1‑butanol, um álcool que contém oxigênio e pode ajudar o combustível a queimar de forma mais completa. Para ajustar ainda mais a combustão, adicionam nanopartículas de TiO2, que atuam como pequenos catalisadores, incentivando uma queima mais limpa e rápida dentro do cilindro.

Construindo e testando o novo combustível

No laboratório, a equipe criou várias misturas variando as proporções de diesel, óleo de plástico, 1‑butanol e a dose de TiO2. Eles rodaram essas misturas em um motor diesel de um cilindro, medindo quão eficientemente converteiam combustível em trabalho útil (eficiência térmica de freio e consumo de combustível) e quanta poluição saia pelo escapamento (incluindo monóxido de carbono, hidrocarbonetos não queimados, dióxido de carbono e óxidos de nitrogênio). Uma mistura em particular — 80% diesel, 13% óleo de plástico, 7% butanol e 75 partes por milhão de TiO2 — chamou atenção. Ela apresentou a maior eficiência, consumindo menos combustível por unidade de potência do que o diesel puro, ao mesmo tempo em que reduziu várias emissões-chave. Outra mistura contendo apenas óleo de plástico com maior teor de TiO2 foi especialmente eficaz na redução de monóxido de carbono e hidrocarbonetos, graças a uma queima mais completa.

O que acontece dentro do motor

Esses ganhos de desempenho decorrem do comportamento dos novos combustíveis no ambiente severo do cilindro do motor. O 1‑butanol adicionado traz oxigênio extra para o combustível, ajudando a misturar melhor com o ar e a queimar mais completamente. O componente de óleo de plástico fornece energia ao mesmo tempo em que reduz a razão carbono/hidrogênio global, o que pode diminuir a formação de dióxido de carbono por unidade de potência. As nanopartículas de TiO2 influenciam a combustão de várias maneiras: ajudam a fragmentar gotas de combustível em sprays mais finos, oferecem superfícies reativas que aceleram a oxidação e atenuam picos de temperatura que normalmente criam pontos quentes e mais óxidos de nitrogênio. Os pesquisadores observaram pressões de pico mais altas e liberação de calor mais rápida para certas misturas, sinais de que mais da energia do combustível está sendo aproveitada de forma controlada em vez de perdida como calor e fuligem.

Deixando algoritmos ajustar o motor

Como muitos fatores — carga do motor, composição do combustível e conteúdo energético — mudam ao mesmo tempo, a equipe recorreu a estatística e aprendizado de máquina para encontrar o "ponto ideal". Usando um método chamado metodologia da superfície de resposta, construíram mapas matemáticos que mostram como a eficiência e cada poluente respondem às mudanças nas condições, e então buscaram nesses mapas a melhor combinação. Também treinaram redes neurais bayesianas, uma forma moderna de deep learning que não só prevê resultados mas também estima sua própria incerteza. Esses modelos superaram consistentemente ajustes lineares simples, fornecendo previsões mais precisas de eficiência e emissões. Ao combinar as duas abordagens, os pesquisadores identificaram um ponto de operação que equilibra alta eficiência com menores emissões, enquanto deixa clara a troca clássica: extrair mais trabalho de cada gota de combustível tende a aumentar os níveis de óxidos de nitrogênio, a menos que outras mudanças sejam feitas.

O que isso significa para motores do dia a dia

Para leigos, a mensagem é direta: é possível operar um motor diesel convencional com misturas cuidadosamente projetadas que incluem óleo de plástico residual, uma dose moderada de álcool e aditivos em escala nanométrica, e ainda assim igualar ou até melhorar o desempenho do diesel padrão. A mistura mais promissora deste estudo usou menos combustível, emitiu menos monóxido de carbono e combustível não queimado, e reduziu dióxido de carbono e óxidos de nitrogênio em comparação com a operação típica do diesel sob condições otimizadas. Embora este seja um experimento inicial em motor de um cilindro, e não um combustível comercial pronto para uso, ele mostra que combinar química de combustível inovadora com otimização avançada orientada por dados pode transformar motores cotidianos em máquinas mais limpas e sustentáveis, ao mesmo tempo em que ajuda a reciclar resíduos plásticos persistentes.

Citação: 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

Palavras-chave: combustível de plástico residual, emissões de motores diesel, aditivos nanoparticulados, misturas de biocombustível, otimização por aprendizado de máquina