Modellistica ed ottimizzazione di motori a combustione interna

1. Modellisticaedottimizzazionedi motori a combustioneinterna Corso di “Modellistica ed ottimizzazione di sistemi e processi energetici” Prof. Gaetano Continillo SEMINARIO: Benevento, Giugno2012

2. Introduzione • Il motore a combustione interna (MCI) è un sistema energetico sede di complesse fenomenologie termo-fluidodinamiche • Il progetto di un MCI tipicamenterichiedeilraggiungimento di obiettivispessocontrastanti: • basso consumo, elevatapotenzaspecifica, ridotteemissioni, bassarumorosità, costocontenuto, etc. • E’ sempre necessario ricercare una soluzione di compromesso, in tempi di sviluppo ridotti: • Riprodurre al calcolatore i principali fenomeni in gioco (modelli di simulazione) • Sviluppare opportune tecniche di ottimizzazione

3. applicazioni • Metodi di progetto ottimizzato • Trovare i valori di grandezze geometriche (fasatura, dimensioni collettori,posizione candela, forma pistone, etc.) opportuni per il raggiungimento di prefissate prestazioni • Sviluppo di logiche di controllo dei MCI • Trovare i valori ottimali dei parametri di regolazione (strategia di iniezione, anticipo, rapporto A/F, etc.) che ottimizzano il funzionamento di un MCI di prefissata geometria

4. Schema logicodi un processodiottimizzazione multi-obiettivovincolato • Individuare le variabili indipendenti (parametri geometrici e/o operativi del motore) (xi , i=1,n) • Individuare uno o più obiettivi (consumi, emissioni, potenza, etc.) e costruire le relative funzioni obiettivo (Fj , j=1,m)(modelli) che riproducono i legami tra gli m obiettivi e le n variabili indipendenti • Minimizzare (o massimizzare) gli obiettivi, tenendo conto di eventuali zvincoli (costi, stress,etc.)(vk, k=1,z) min[ Fj(x1..xn) ], j = 1, m …. vk(x1..xn) < vk0 , k = 1, z x2 xn x1

5. TecnicHE di ottimizzazione: Metodigradientali • Effettuano valutazioni numeriche del gradiente della funzione • Ricercano la soluzione muovendosi in direzione opposta al gradiente (steepestdescent) • Sono influenzati dalle condizioni iniziali della ricerca • Possono individuare minimi locali ma non assicurano di poter trovare il minimo assoluto • Hanno problemi a gestire variabili discrete • Possono essere usati in problemi singolo-obiettivo

6. TecnicHE di ottimizzazione: algoritmogenetico • Si ispirano all'evoluzione naturale. • Riproducono un processo evolutivo basato sulla selezione degli individui migliori (singole soluzioni) di una popolazione sottoposta a mutazioni e ricombinazione genetica. • L'ambiente (la funzione obiettivo) seleziona gli individui più adatti che tendono a riprodursi, mentre quelli di caratteristiche peggiori a “morire”. • Il metodo di ottimizzazione sottopone alcuni individui a mutazioni e a scambi di materiale genetico. La funzione di valutazione determina quali dei nuovi individui possono sostituire quelli originali.

7. TecnicHE di ottimizzazione • Puòessereopportunousaretalvolta diverse tecniche di ottimizzazione: • Prima analisi con metodogenetico (per esplorarel’intero campo di definizionedellafunzioneobiettivo) • Secondaanalisi con metodigradientali (per localizzare con maggioreprecisioneed in minor tempo la miglioresoluzione)

8. Modellisticadei mci • Key-point: disporre di un accurato e al tempo stessorapidomodello di simulazione del MCI: • Calcolo del Flussoneicondotti di asp/sca: • Analisi 1D dellapropagazioneondosaneicondotti • Simulazionedel Processo di Combustione: • MCI ad accensionecomandata (comb. premiscelata) • MCI ad accensione per compressione (spray, comb. Eterogena, emissioninocive)  analisi 3D • Previsionedelleemissioniacustiche: • Sorgenti di rumore: gasdinamico, meccanico, di comb.

9. Propagazioneondosaneicondotti

10. Flusso 1d • Equazioni di Eulero in forma vettoriale

11. Analisitermo-fluododinamica 1d Schema base di un motore per l’analisi termofluidodinamica Monodimensionale: 41 condotti + 4 cilindri Condotto i-mo: Asse x P=p(x,t), T=T(x,t), u=u(x,t) …..

12. MCI ad accensionecomandata: Modello multi-zona zero-dimensionale • Bil. Massa: • Bil. Energia: • Come possiamocalcolareiltermine ?? Burned Zone Unburned Zone

13. La combustionenei MCI ad accensionecomandata (combustionepremiscelata) • Regime di combustionedei MCI: “wrinkled flamelet” • La velocità di reazione è molto elevata (exp(T)) • Tutte le reazioniavvengonoall’interno del fronte di fiamma • Il fronte di fiamma, di spessoreinfinitesimo, sipropagalocalmenteallavelocitàlaminare di fiamma, SL Laminar Flame, AL δf TurbulentFlame, AT SL δf

14. Motore ad accessoottico Raggio locale Gasoline Speed:1000 rpm Adv.spark: 3°BTDC Stoichiometric ratio 2°BTDC 1°BTDC 1°ATDC TDC 2°ATDC 4°ATDC 5°ATDC 3°ATDC • La derivatanel tempo del raggio del fronte di fiammafornisce la velocità di combustioneturbolenta : ST 9°ATDC 6°ATDC 7°ATDC 8°ATDC 13°ATDC 11°ATDC 10°ATDC 12°ATDC

15. Calcolo At: Geometriafrattale: descrizione di Formegeometrichecomplesse Iteration n° 1 Iteration n° 2 Iteration n° 9 Iteration n° 3 auto-similarity

16. Definizionedioggettofrattale • Un oggettofrattalebidimensionaleΓ presentasu un unaestensioneL(Γ)inversamenteproporzionaleallascalaλ: • La pendenza del diagrammadipendedalla dim. frattaleD3quindi: Pendenza = -(D3-2)

17. Il modello di Combustione, (acc. Comandata) • E’ valido solo per il regime delle “wrinkledflamelet” e prevede differenti fasi del processo: • FlameInitiation • Comb. laminare: • Comb. turbolenta: (FractalModel) • WallCombustion: • Scale di minimo e massimo corrugamento: • Come calcolare u’ e lk ? (Scala di Kolmogorov) (raggio del fdf)

18. Modello di turbolenza 0D (k-k) . . min mex uin uex K,k K Uf P u’ k D .  / Heat Dissipation Rate TKE Production cin,cexcP,cD,cLTuningConstants

19. validazione Combustion Exhaust Intake 4000 rpm Confronto con calcolo CFD 3D: 2000 rpm Mean Velocity 5500 rpm Turbulent Intensity

20. Validazione: Motore fire 1.4 turbo

21. Validazione: Motore Fire 1.2 8v 1 1 B S F C , g / k W h C a m s h a f t d e l a y = 0 d e g S l i d e r C l o s e 1 0 9 2 7 0 8 2 7 7 r 0 a 2 b 8 5 , 6 2 2 7 0 8 5 P E 5 M 5 8 2 B 0 0 3 3 4 0 0 3 2 0 3 2 0 3 4 3 0 3 4 0 3 7 3 7 0 0 4 0 2 0 0 0 4 0 5 0 5 0 0 1 7 0 0 7 0 0 1 2 0 0 1 2 0 0 1 1 8 0 0 8 0 0 0 1 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0 5 0 0 0 6 0 0 0 E n g i n e S p e e d , r p m • Piano completo di funzionamento

22. Ottimizzazionemotore formula sae Honda Hornet 600cc

23. Progettopreliminaremotore-telaio Il sistema di aspirazione e scarico è completamente ridisegnato. Esistono stringenti vincoli di layout, per il corretto alloggiamento del motore all’interno del telaio. Silenziatore: Da regolamento, l’emissione acustica deve essere inferiore a 110 dBA

24. SCHEMA 1D motore FSAE (Gt-power) L4 C1 L2 C2 SfasaASP,SCA C3 Lrun C4 Dsca SA

25. Utilizzo del modello: ottimizzazionedellacoppia di un motoremotociclistico

26. Risultatiottimizzazione Coppia Media pesata Metodo Genetico Simplex Lrun x2 x4 aspscadsca SA NoiseCop

27. Risultatiottimizzazione Coefficiente di Riempimento Detonazione? Coppia

28. Risultatiottimizzazione Pressione nel collettore di aspirazione Massa di miscela intrappolata

29. OttimizzazionemotoreMulti-Air-Turbo

30. Risultatiottimizzazione RPM = 2000 giri/min PME = 2 bar

31. Risultatiottimizzazione

32. IC Throttle Filter Valve IC EGR Circuit VNT Ottimizzazionemotore diesel Motore BMW, 3000cc, 6 cil. in linea, turbodiesel, common-rail Per ogni condizione di funzionamento (rpm, mfinj) il motore ha ben 8 gradi di libertà • 4 gdl definiscono la legge di iniezione: SOIP, Et,p, dwell, Et,m • 2 gdl definiscono la quantità di EGR: Valve, Throttle • 1 gdl definisce il grado di apertura della turbina a geometria variabile • 1 gdl definisce il grado di apertura del condotto di Tumble

33. Motore diesel, analisifluidodinamica 3D • Mesh computazionale, spray e campo di temperatura y p=p(x,y,z,t), T=T(x,y,z,t), u=u(x,y,z,t), v=v(x,y,z,t), w=w(x,y,z,t) Volumetto i-mo: x z

34. Swirl Valve 00 0 C Throttle IC EGR Valve C2 C2 C3 C3 C5 C5 C6 C6 C1 C1 C4 C4 EGR-IC VNT T 0 00 Analisi preliminare 1d • Previsione preliminare del ciclo di pressione • Matching Motore – TCCalcolo cond. iniz. per il 3D

35. Analisi 3d, iniezione, comb. & emissioni Pilot+Main Inj. Single Shot Inj.

36. Analisi acustica, rumore di combust. • Legge di attenuazione strutturale del motore • FFT del ciclo di pressione e Previsione del rumore

37. Swirl Valve 00 0 C Throttle IC EGR Valve C2 C2 C3 C3 C5 C5 C6 C6 C1 C1 C4 C4 EGR-IC VNT T 0 00 ottimizzazione Swirl Valve Injection Strategy • ModeFRONTIER • Riduzione di: NO-Soot-BSFC-NOISE Turbine Opening EGR Level Compute Inj. Rate – 1D – 3D – Comb. Noise

38. Scelta della strategia di controllo PuntoInizialeSperimentale Alto SOOT, Basso NO Basso Rumore SoluzioniSelezionate Basso Consumo, Basso SOOT, Alto NO

39. Risultati ottimizzazione Soluzione di migliorcompromesso

40. conclusioni • Le tecnichediottimizzazionepossonoridurrefortementei tempi diprogettazione e sviluppodinuovipropulsori • E’ necessarioutilizzaresofisticatimodellidisimulazione, ma con tempi dicalcoloilpiùpossibilecontenuti • E’ opportunosviluppareapproccicheprevedono un utilizzogerarchicodidiversimodelli (1D e/o 3D) • E’ importantetenercontodidiversiaspetti (consumi, emissioni, rumore, costi, stress) • Lavorate in team e siateinterdisciplinari !!! I risultatipresentatisonostatiinfattiottenuti solo grazie allacollaborazione con l’ing. Costa (analisi 3D) e l’ing. Siano (analisiacustiche) dell’ IM - CNR di Napoli