MODELLISTICA ED OTTIMIZZAZIONE DI MOTORI A COMBUSTIONE INTERNA

(1)

Prof. Fabio Bozza, fabio.bozza@unina.it Prof. Fabio Bozza, fabio.bozza@unina.it

Università degli Studi di Napoli,

“Federico II”

Università degli Studi di Napoli,

“Federico II”

Corso di

“Modellistica ed ottimizzazione di sistemi e processi energetici”

Prof. Gaetano Continillo SEMINARIO:

(2)

Modellistica della Combustione ed Ottimizzazione di Motori a

 Il motore a combustione interna (MCI) è un sistema energetico sede di complesse

fenomenologie termo-fluidodinamiche

 Il progetto di un MCI tipicamente richiede il raggiungimento di obiettivi spesso

contrastanti:

 basso consumo, elevata potenza specifica, ridotte emissioni, bassa rumorosità, costo contenuto, 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

INTRODUZIONE

2

(3)



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

APPLICAZIONI

(4)

 Individuare le variabili indipendenti (parametri geometrici e/o operativi del motore) (x_i, 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 z vincoli (costi, stress,etc.)

(vk, k=1,z)

min[ F_j(x₁..x_n) ], j = 1, m …. v_k(x₁..x_n) < v_k0, k = 1, z

SCHEMA LOGICO DI UN PROCESSO DI OTTIMIZZAZIONE MULTI-OBIETTIVO VINCOLATO

4

x₁ x₂ x_n

(5)

 Effettuano valutazioni numeriche del gradiente della funzione

 Ricercano la soluzione muovendosi in direzione opposta al gradiente (steepest descent)

 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

TECNICHE DI OTTIMIZZAZIONE:

METODI GRADIENTALI

(6)

 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.

TECNICHE DI OTTIMIZZAZIONE:

ALGORITMO GENETICO

6

(7)

TECNICHE DI OTTIMIZZAZIONE



Può essere opportuno usare talvolta diverse tecniche di ottimizzazione:

 Prima analisi con metodo genetico (per

esplorare l’intero campo di definizione della funzione obiettivo)

 Seconda analisi con metodi gradientali (per localizzare con maggiore precisione ed in minor tempo la migliore soluzione)

(8)

Modellistica della Combustione ed Ottimizzazione di Motori a Combustione Interna – Giugno 2011 - Prof. Fabio Bozza – Univ. di Napoli



Key-point: disporre di un accurato e al tempo stesso rapido modello di

simulazione del MCI:



Calcolo del Flusso nei condotti di asp/sca:

 Analisi 1D della propagazione ondosa nei condotti



Simulazione del Processo di Combustione:

 MCI ad accensione comandata (comb.

premiscelata)

 MCI ad accensione per compressione (spray, comb. Eterogena, emissioni nocive)  analisi 3D



Previsione delle emissioni acustiche:

 Sorgenti di rumore: gasdinamico, meccanico, di comb.

MODELLISTICA DEI MCI

8

(9)

PROPAGAZIONE ONDOSA NEI CONDOTTI

(10)



Equazioni di Eulero in forma vettoriale

FLUSSO 1D

Esempio di calcolo Flusso 1D

(programma convdiv) (programma convdiv)

10



F

 

U



S

U_t ^ _x 















 















 



























uH u

u uH

p u

u E

u F ² S ²

U



 











 



 

 

u x x

u dt

d 1



 



 



^



_ _





 



x uH uH dt

E d

x u p u

dt u d



 

 



 



  ² ²

(11)

Dynamometer

2 1 3

4 5

6 7

8

9

10 11 12

13

14

16

17

18

19 15

20 21 22 23 24 25 26 27

28 29 30 31 32 33 34 35

36 37 38

39

40

41 C4

C3

C2

C1

Constant pressure ambient Closed End

Junction between two or more ducts Pressure transducer

Throttle valve

T1

T2

Dynamometer

2 1 3

4 5

6 7

8

9

10 11 12

13

14

16

17

18

19 15

20 21 22 23 24 25 26 27

28 29 30 31 32 33 34 35

36 37 38

39

40

41 C4

C3

C2

C1

Throttle valve

T1

T2

Dynamometer

2 1 3

4 5

6 7

8

9

10 11 12

13

14

16

17

18

19 15

20 21 22 23 24 25 26 27

28 29 30 31 32 33 34 35

36 37 38

39

40

41 C4

C3

C2

C1

Throttle valve

T1

T2

Dynamometer

2 1 3

4 5

6 7

8

9

10 11 12

13

14

16

17

18

19 15

20 21 22 23 24 25 26 27

28 29 30 31 32 33 34 35

36 37 38

39

40

41 C4

C3

C2

C1

Throttle valve

T1

T2

Schema base di un motore per l’analisi termofluidodinamic a

Monodimensionale:

41 condotti + 4 cilindri

Condotto i-mo:

Asse x

P=p(x,t), T=T(x,t), u=u(x,t) …..

ANALISI TERMO-FLUODODINAMICA 1D

(12)

 Bil. Massa:

 Bil. Energia:

 Come possiamo calcolare il termine ??

Unburned Zone

Burned Zone

MCI AD ACCENSIONE COMANDATA: MODELLO MULTI- ZONA ZERO-DIMENSIONALE

12

dt p dV dt

h dQ dt h dm

dt dm dt

e dm

dt p dV dt

h dQ dt h dm

dt dm dt

e dm

bz wbz

uz b ex

ex bz

bz

uz uz wuz

in b in uz

uz















i i

dt dm dt

dm dt

dm

dt dm dt

dm dt

dm

b ex

bz

b in

uz







 -

dt dm_in

dt dm_ex

dt pdV dt

dQ_wuz dt

dQ_wbz

dt dm_b

(13)

 Regime di combustione dei MCI: “wrinkled flamelet”

 La velocità di reazione è molto elevata (exp(T))

 Tutte le reazioni avvengono all’interno del fronte di fiamma

 Il fronte di fiamma, di spessore infinitesimo, si

propaga localmente alla velocità laminare di fiamma, S_L

LA COMBUSTIONE NEI MCI AD ACCENSIONE COMANDATA (COMBUSTIONE PREMISCELATA)

δ_f

S_L

δ_f

Turbulent Flame, A_T

Laminar Flame, A_L

L T u T

b A S

dt

dm   



 





(14)

MOTORE AD

ACCESSO OTTICO

2°BTDC 1°BTDC TDC 1°ATDC

2°ATDC 3°ATDC 4°ATDC

6°ATDC 7°ATDC 8°ATDC 9°ATDC

5°ATDC

11°ATDC 12°ATDC 13°ATDC

10°ATDC

Gasoline

Speed:1000 rpm Adv.spark: 3°BTDC Stoichiometric ratio

 La derivata nel tempo del raggio del fronte di fiamma fornisce la velocità di combustione

turbolenta : S_T ₁₄

Raggio locale

(15)

Iteration n° 1 Iteration n° 2

Iteration n° 3 Iteration n° 9

CALCOLO AT: GEOMETRIA FRATTALE: DESCRIZIONE DI FORME GEOMETRICHE COMPLESSE

auto-similarity

Poligono chiuso

Profilo di base

(a) (b)

(c) (d)

(16)

 Un oggetto frattale bidimensionale Γ presenta su un una estensione L(Γ) inversamente

proporzionale alla scala λ:

 La pendenza del diagramma dipende dalla dim. frattale D₃ quindi:

DEFINIZIONE DI OGGETTO FRATTALE

16

Pend enza

= -(D

3-2)

2 D₃

) 1

L(  _



2

min min max

max

3

) ( )

(





 



 

 

D

L

L 



_max

_min

 L(⁾

Pendenza=

-(D -1)₂ )max

( L

)min

( L

L L D

u L

L L T u L

T u

b A S

L S L

A A S A

dt A

dm ²

min max

3



 



 



 



 

   

(17)



E’ valido solo per il regime delle “wrinkled flamelet” e prevede differenti fasi del

processo:

o Flame Initiation

o Comb. laminare:

o Comb. turbolenta:

(Fractal Model)

o Wall Combustion:



Scale di minimo e massimo corrugamento:

IL MODELLO DI COMBUSTIONE, (ACC. COMANDATA)

(Scala di Kolmogorov) (raggio del fdf)

Modello di Turbolenza 0D Modello di Turbolenza 0D

17

L L D

u L

L L T u L

T u

b A S

L S L

A A S A

dt A

dm ²

min max

3



 



 



 



 

   

f rr c L_max 

lk

L_min 



 



 



b

b m m

dt dm

L L u

b A S

dt

dm   ^L

L

S u

S D u



 2.35 2.00

3

(18)

MODELLO DI TURBOLENZA 0D (k-K)

u_in

K U_f k

P u’

HeatD  / K,k

m_ex m. _in .

. u_ex

TKE Production

Dissipation Rate

c_in, c_ex c_P, c_D, c_L Tuning Constants

18

2 1 2

1 ₂ ₂



_

 

 K

m K m P u

m c

u m dt c

dK _ex

ex ex ex

in in

in   



 



 



 



 

2

1 ₂

mU f

K 

2

2 3 mu k  



_

 k

m k m D dt P

dk    _ex 

P P t c K P 

D D t c k D 

3 c L

I c V

L 

f I

P U

t  L ' u t_D  L^I

(19)

VALIDAZIONE

- 1 2 0 - 3 0 6 0 1 5 0 2 4 0 3 3 0 4 2 0 5 1 0 6 0 0

C r a n k A n g l e , d e g 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8 0 . 6 0 . 4

0 . 2

Velocity, m/s

F i r e k - K 4 0 0 0 r p m

u ' U_f

- 1 2 0 - 3 0 6 0 1 5 0 2 4 0 3 3 0 4 2 0 5 1 0 6 0 0

C r a n k A n g l e , d e g 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8 0 . 6 0 . 4

0 . 2

Velocity, m/s

F i r e K - k 5 5 0 0 r p m

u ' U_f

- 1 2 0 - 3 0 6 0 1 5 0 2 4 0 3 3 0 4 2 0 5 1 0 6 0 0

C r a n k A n g l e , d e g 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8 0 . 6

0 . 4

0 . 2

Velocity, m/s

F i r e K - k 2 0 0 0 r p m

u ' U _f

Combustion Exhaust Intake

Mean Velocity Turbulent Intensity 2000 rpm

5500 rpm 4000 rpm Confronto con calcolo CFD 3D:

(20)

1 0^{- 4} ^{2 x 1 0}

- 4 4 x 1 0^{- 4}

8 x 1 0^{- 5} 6 x 1 0^{- 5} 4 x 1 0^{- 5}

V o l u m e , m ³ 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8

Pressure, bar

C a l c . E x p .

S p a r k

- 2 0 0 2 0 4 0 6 0 8 0

C r a n k A n g l e , d e g 2 0

4 0 6 0 8 0

Pressure, bar

3 0 0 0 r p m W O T

1 0^{- 4} ^{2 x 1 0}

- 4 4 x 1 0^{- 4}

8 x 1 0^{- 5} 6 x 1 0^{- 5} 4 x 1 0^{- 5}

V o l u m e , m³ 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8

Pressure, bar

C a l c . E x p .

S p a r k

- 2 0 0 2 0 4 0 6 0 8 0

C r a n k A n g l e , d e g 2 0

4 0 6 0 8 0

Pressure, bar

2 5 0 0 r p m W O T

1 0^{- 4} ^{2 x 1 0}

- 4 4 x 1 0^{- 4}

8 x 1 0^{- 5} 6 x 1 0^{- 5} 4 x 1 0^{- 5}

V o l u m e , m³ 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8

Pressure, bar

C a l c . E x p .

S p a r k

- 2 0 0 2 0 4 0 6 0 8 0

C r a n k A n g l e , d e g 2 0

4 0 6 0 8 0

Pressure, bar

1 5 0 0 r p m W O T

1 0^{- 4} ^{2 x 1 0}

- 4 4 x 1 0^{- 4}

8 x 1 0^{- 5} 6 x 1 0^{- 5} 4 x 1 0^{- 5}

V o l u m e , m ³ 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8

Pressure, bar

C a l c . E x p .

S p a r k

- 2 0 0 2 0 4 0 6 0 8 0

C r a n k A n g l e , d e g 2 0

4 0 6 0 8 0

Pressure, bar 6 0 0 0 r p m

W O T

1 0^{- 4} ^{2 x 1 0}

- 4 4 x 1 0^{- 4}

8 x 1 0^{- 5} 6 x 1 0^{- 5} 4 x 1 0^{- 5}

V o l u m e , m³ 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8

Pressure, bar

C a l c . E x p .

S p a r k

- 2 0 0 2 0 4 0 6 0 8 0

C r a n k A n g l e , d e g 2 0

4 0 6 0 8 0

Pressure, bar 5 0 0 0 r p m

W O T

1 0^{- 4} ^{2 x 1 0}

- 4 4 x 1 0^{- 4}

8 x 1 0^{- 5} 6 x 1 0^{- 5} 4 x 1 0^{- 5}

V o l u m e , m³ 1

1 0 1 0 0

2 4 6 8 2 0 4 0 6 0 8 0

0 . 8

Pressure, bar

C a l c . E x p .

S p a r k

- 2 0 0 2 0 4 0 6 0 8 0

C r a n k A n g l e , d e g 2 0

4 0 6 0 8 0

Pressure, bar

4 0 0 0 r p m W O T

VALIDAZIONE: MOTORE FIRE 1.4 TURBO

20

(21)



Piano completo di funzionamento

VALIDAZIONE: MOTORE FIRE 1.2 8V

270

270 270

285

300

300 320

320

340 340

370 370

400 400

500 ⁵⁰⁰

700 1200 700 1200

1800 1800

Engine Speed, rpm

BMEP,bar

10000 2000 3000 4000 5000 6000

1 2 3 4 5 6 7 8 9 10

11 Camshaft delay = 0 deg

S lider Close

BSFC, g/kWh

(22)

22

OTTIMIZZAZIONE MOTORE FORMULA SAE

Honda Hornet 600cc

(23)

PROGETTO PRELIMINARE MOTORE-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)

24

C2 C1

C3 C4

L4

L2

Dsca Lrun

Sfasa_ASP,SCA

SA

SCHEMA 1D MOTORE FSAE (GT-POWER)

(25)

EXIT SA

cop08 x4

DOE

L2 limit

dsca

cop05 Noise11000

cop07 sfasa_asp

Exit18

AvCop

cop10 x2

cop11 sfasa_sca

lrun

L4

GTSuite_FSAE

SIMPLEX

UTILIZZO DEL MODELLO: OTTIMIZZAZIONE DELLA COPPIA DI UN MOTORE MOTOCICLISTICO

(26)

26

RISULTATI OTTIMIZZAZIONE

Coppia Media pesata Metodo Genetico

Simplex

Lrun x2 x4 asp sca dsca SA Noise Cop

(27)

RISULTATI OTTIMIZZAZIONE

Coefficiente di Riempimento

Coppia

Detonazione?

(28)

RISULTATI OTTIMIZZAZIONE

Pressione nel collettore di aspirazione

Massa di miscela intrappolata

(29)

OTTIMIZZAZIONE MOTORE MULTI-AIR-TURBO

(30)

30

RISULTATI OTTIMIZZAZIONE

RPM = 2000 giri/min PME = 2 bar

(31)

RISULTATI OTTIMIZZAZIONE

(32)

32 VNT

IC

Throttle Filter

EGR Circuit Valve IC

Bore [mm] 84

Stroke [mm] 90

Displacement [cm³] 499

Compression Ratio 16

Connecting Rod Length [mm] 0.136

Stroke/Bore 1.07

Stroke/Conrod 0.66

4V-Cylinder Head

1 Tumble Port / 1 Swirl Port

OTTIMIZZAZIONE MOTORE DIESEL

Motore BMW, 3000cc, 6 cil. in linea, turbodiesel, common-rail

Per ogni condizione di funzionamento (rpm, mf_inj) 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

(33)

 Mesh computazionale, spray e campo di temperatura

Volumetto i-mo:

x y

z

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)

MOTORE DIESEL, ANALISI FLUIDODINAMICA 3D

(34)

ANALISI PRELIMINARE 1D

C IC Throttle

C1 C2 C3 C4 C5 C6

T 00 00

EGR Valve

EGR-IC

C1 C2 C3 C4 C5 C6

0 0

VNT Swirl Valve

Previsione

preliminare del ciclo di pressione

Matching Motore – TC Calcolo 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)

OTTIMIZZAZIONE

ModeFRONTIER

C IC Throttle

C1 C2 C3 C4 C5 C6

T 00 00

EGR Valve

EGR-IC

C1 C2 C3 C4 C5 C6

0 0

VNT Swirl Valve

Injection StrategySwirl Valve

Turbine Opening EGR Level

Riduzione di:

NO-Soot-BSFC-

Compute Inj. Rate – 1D – 3D – Comb. Noise

(38)

Punto Iniziale Sperimentale

Basso Consumo,

Basso SOOT, Alto NO Alto SOOT, Basso NO

Basso Rumore

Soluzioni Selezionate

SCELTA DELLA STRATEGIA DI

CONTROLLO

(39)

Solution

Boos t Ratio

EGR

%

Swirl rpm

NO g/kg F

Soot g/kg F

BSFC g/kWh

SPL_ext dBA

#000 1.09 8

7.6 746 1.198 0.900 242.7 69.90

#081 1.07

2 31.9 1306 0.096 1.030 201.3 82.45

#112 1.05

6 2.1 1306 11.12 0.231 192.8 79.13

#263 1.13 8

2.3 1306 31.97 0.077 200.7 89.91

#529 1.04

8 7.5 1306 14.82 0.102 192.2 88.18

RISULTATI OTTIMIZZAZIONE

Soluzione di miglior comprome

sso

(40)

Modellistica della Combustione ed Ottimizzazione di Motori a Combustione Interna – Giugno 2011 - Prof. Fabio Bozza – Univ. di Napoli

 Le tecniche di ottimizzazione possono ridurre fortemente i tempi di progettazione e sviluppo di nuovi propulsori

 E’ necessario utilizzare sofisticati modelli di simulazione, ma con tempi di calcolo il più possibile contenuti

 E’ opportuno sviluppare approcci che

prevedono un utilizzo gerarchico di diversi modelli (1D e/o 3D)

 E’ importante tener conto di diversi aspetti

(consumi, emissioni, rumore, costi, stress)



Lavorate in team e siate interdisciplinari !!!

I risultati presentati sono stati infatti ottenuti solo grazie alla collaborazione con l’ing. Costa (analisi 3D) e l’ing.

CONCLUSIONI

40