Características de desempenho, emissão e combustão de misturas diesel com biodiesel de Mahua enriquecidas com nanopartículas de TiO₂ e CeO₂ usando abordagens experimentais e de aprendizado de máquina

Energia mais limpa a partir de plantas e partículas minúsculas

Motores diesel alimentam ônibus, tratores e geradores em todo o mundo, mas também emitem fuligem, gases formadores de smog e dióxido de carbono que aquece o clima. Este estudo explora uma maneira de tornar motores diesel existentes mais limpos e eficientes sem redesenhá-los, misturando um óleo vegetal não comestível chamado biodiesel de Mahua com diesel comum e adicionando partículas metálicas ultrafinas. Os pesquisadores também usaram ferramentas modernas de aprendizado de máquina para verificar se os computadores conseguem prever de forma confiável como tais motores se comportarão sob muitas condições de operação.

Das sementes da árvore ao combustível de motor

Mahua é uma árvore comum na Índia cujas sementes produzem um óleo não destinado à alimentação, tornando-o uma fonte atraente e sustentável para combustível. O óleo é processado quimicamente em um biodiesel que pode ser misturado ao diesel comum. Neste trabalho, a equipe concentrou-se em uma mistura prática contendo 20% de biodiesel de Mahua e 80% de diesel, escolhida por oferecer geralmente um bom equilíbrio entre desempenho do motor e emissões. Para aprimorar essa mistura, eles introduziram quantidades traço de nanopartículas de óxidos metálicos — dióxido de titânio e óxido de cério — em doses de apenas 25 a 75 partes por milhão, quantidade insuficiente para alterar significativamente as propriedades em massa do combustível, mas suficiente para influenciar como ele queima dentro do motor.

Como aditivos minúsculos melhoram a combustão

O campo de testes foi um motor diesel monocilíndrico padrão, similar aos usados em pequenos geradores, operado em cinco níveis de carga diferentes, do marcha lenta à potência máxima. Os pesquisadores mediram quão eficientemente o motor converteu combustível em trabalho útil e monitoraram poluentes como monóxido de carbono, hidrocarbonetos não queimados, óxidos de nitrogênio, fumaça e dióxido de carbono. Eles descobriram que simplesmente trocar diesel puro pela mistura com Mahua reduziu ligeiramente a eficiência, porque o combustível de origem vegetal é mais denso e contém menos energia por quilograma. Contudo, quando adicionaram as nanopartículas — especialmente em cerca de 50 partes por milhão — o quadro mudou. Essas partículas minúsculas atuam como facilitadoras da combustão, promovendo melhor mistura combustível-ar e acelerando reações de oxidação.

Exaustão mais limpa com um compromisso

Com a dose correta de nanopartículas, a eficiência térmica do freio do motor — a parcela da energia do combustível convertida em potência útil — aumentou cerca de 6–8% acima do diesel puro em carga máxima, e o consumo de combustível por unidade de potência caiu em até 7% em comparação com a mistura de Mahua isolada. O escapamento também ficou visivelmente mais limpo: monóxido de carbono e hidrocarbonetos não queimados caíram aproximadamente um quarto, e a fumaça visível foi reduzida em até 35–40%, refletindo menor formação de fuligem e combustão mais completa. O dióxido de carbono aumentou modestamente, o que, nesse contexto, indica que o carbono do combustível está sendo totalmente oxidado em vez de aparecer como subprodutos tóxicos ou partículas. O principal inconveniente foi que os óxidos de nitrogênio, uma família de gases que contribuem para o smog, aumentaram cerca de 8–12% em altas cargas, porque a combustão mais vigorosa elevou a temperatura máxima dentro do cilindro.

Deixando as máquinas aprenderem o comportamento do motor

Realizar muitos testes de motor é caro e demorado, por isso a equipe também investigou se um computador poderia aprender a prever o comportamento do motor depois de ver apenas um conjunto limitado de experimentos. Eles treinaram vários modelos modernos de aprendizado de máquina usando entradas como carga do motor, tipo de combustível e nível de nanopartículas, e saídas como eficiência, consumo de combustível e cada emissão. Para aproveitar ao máximo seu pequeno conjunto de dados, usaram um método de validação rigoroso em que cada ponto experimental é, por sua vez, tratado como um caso de teste não visto. Entre as abordagens testadas, um método chamado XGBoost, que combina muitas pequenas árvores de decisão, forneceu as previsões mais confiáveis no geral, capturando mais de 97% da variação em todas as quantidades medidas com erros muito pequenos e sem vieses óbvios entre as condições de operação.

Juntando tudo para uso prático

Para não especialistas, a mensagem principal é que uma mistura cuidadosamente escolhida de combustível de origem vegetal e partículas metálicas ultrafinas pode tornar um motor diesel convencional tanto mais limpo quanto mais eficiente, sem modificações mecânicas. O ponto ideal neste estudo foi uma mistura de biodiesel de Mahua e diesel contendo cerca de 50 partes por milhão de nanopartículas de dióxido de titânio ou óxido de cério: suficiente para aguçar a combustão e reduzir drasticamente a fuligem e outros gases nocivos, enquanto aumenta moderadamente os óxidos de nitrogênio. Ao mesmo tempo, o aprendizado de máquina provou ser um complemento poderoso, prevendo com precisão como o motor responderia sob diferentes cargas e receitas de combustível. Juntas, essas abordagens apontam para um futuro em que motores diesel existentes podem ser ajustados para menor poluição e melhor economia de combustível enquanto se substitui gradualmente o combustível fóssil por alternativas sustentáveis de origem vegetal.

Citação: 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

Palavras-chave: Biodiesel de Mahua, aditivos nanoparticulados, emissões de motores diesel, combustão limpa, modelos de aprendizado de máquina