基于人工智能的氢气与螺旋藻生物柴油双燃料发动机喷油压力优化，以提升燃烧性能与排放特性

为变化中的世界打造更清洁的发动机

汽车、卡车和农用机械仍在很大程度上依赖柴油发动机，这类发动机动力强但污染严重。本研究探讨了一种使这些常见发动机更清洁、更高效的方法：将一种特殊的藻类基生物柴油与氢气混合，并利用人工智能对喷油方式进行精细调节。结果表明，这是一条切实可行的路径，可降低排放并提高燃油经济性，且更可能应用于现有发动机而不必彻底更换它们。

对柴油燃料的新诠释

研究人员以一台传统的单缸柴油发动机为起点，用由螺旋藻提取的混合物替代了大部分常规燃料。该生物柴油经由微小碳纳米颗粒和少量助燃添加剂增强，随后与通过进气口引入的氢气配合使用。二者共同构成一种“双燃料”系统：液体混合物作为先导喷射先点燃，而氢气在点燃后迅速且清洁地燃烧。团队在不同喷油压力下，仔细测量了这种配置对发动机功率、燃料消耗和污染物的影响。

寻找喷油的最佳点

在柴油发动机中，推动燃料通过喷嘴的压力决定了喷雾的雾化程度以及与空气混合的效果。研究在180到240巴之间测试了四种喷油压力，同时以氢气—生物柴油组合驱动发动机。较高的压力通常会缩短喷射到点火之间的时间，提高缸内峰值压力并加快放热速率。最高的240巴在燃油消耗和热效率上表现最佳，但也带来了更猛烈的燃烧和更多的氮氧化物排放，这些气体会加剧烟雾形成。

然而，在220巴时，发动机表现出有前景的平衡：燃烧起始略有滞后，峰值压力比240巴略低，从而减轻了对机械部件的应力。燃油消耗虽比240巴略高，但仍明显优于普通柴油。关键在于，220巴设置相比标准柴油及优化程度较低的双燃料情况，显著降低了烟尘、一氧化碳和未燃烃的排放。氮氧化物相比纯柴油有所上升，但低于最高压力下的水平，表明适度的喷油压力能缓和常见的污染折衷。

让算法来指导调校

由于发动机行为复杂，研究团队借助机器学习算法来绘制喷油压力及其他工况如何影响性能与排放的图谱。他们使用关于燃料消耗、效率、缸内压力及若干污染物的实验数据训练了三类模型——简单线性拟合、决策树和随机森林。决策树通过将数据分解为多条“如果‑那么”分支，在整体上给出最准确的预测，能较好地匹配测得的峰值压力和烃类水平且误差率很低。这意味着理论上可以用AI模型在不做大量试验的情况下，为给定发动机和燃料配方建议最佳设置。

从实验室发动机到现实影响

除了数据本身，氢气与藻类生物柴油组合还具有吸引人的生命周期优势。藻类可在非农田地块、利用废物流培养，生长过程中吸收二氧化碳并在燃烧时释放；而若氢气由可再生电力制得，则能在不增加碳排放的情况下提供能量。在约220巴喷油压力下以这种双燃料运行，提升了热效率、减少了烟尘和一氧化碳，同时将氮氧化物控制在可管理的水平。作者认为，若在更大规模推广并由AI控制引导，此类系统可助力为难以快速电气化的重型车辆、发电机及非道路机械实现脱碳。

这对未来发动机意味着什么

简而言之，研究表明，将经精心选择的藻类生物柴油与氢气以适度喷油压力配合并通过机器学习调优，可在无需彻底改造的情况下，使柴油发动机更清洁、更高效。尽管在多缸发动机、可变氢气流量和长期耐久性方面仍需进一步研究，结果指向一条现实可行的路径：借助智能软件引导，使现有发动机使用更环保的燃料，从而在日常应用中减少排放与燃料消耗。

引用: 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

关键词: 氢气双燃料发动机, 藻类生物柴油, 喷油压力优化, 发动机排放降低, 燃烧领域的机器学习