MODELLISTICA ED OTTIMIZZAZIONE DI MOTORI A COMBUSTIONE INTERNA
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:
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
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
Modellistica della Combustione ed Ottimizzazione di Motori a
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 z vincoli (costi, stress,etc.)
(vk, k=1,z)
min[ Fj(x1..xn) ], j = 1, m …. vk(x1..xn) < vk0 , k = 1, z
SCHEMA LOGICO DI UN PROCESSO DI OTTIMIZZAZIONE MULTI-OBIETTIVO VINCOLATO
4
x1 x2 xn
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
Modellistica della Combustione ed Ottimizzazione di Motori a
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
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)
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
PROPAGAZIONE ONDOSA NEI CONDOTTI
Modellistica della Combustione ed Ottimizzazione di Motori a
Equazioni di Eulero in forma vettoriale
FLUSSO 1D
Esempio di calcolo Flusso 1D
Esempio di calcolo Flusso 1D
(programma convdiv) (programma convdiv)
10
F
U
SUt 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
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
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
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
Constant pressure ambient Closed End
Junction between two or more ducts Pressure transducer
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
Modellistica della Combustione ed Ottimizzazione di Motori a
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 dmin
dt dmex
dt pdV dt
dQwuz dt
dQwbz
dt dmb
dt dmb
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, SL
LA COMBUSTIONE NEI MCI AD ACCENSIONE COMANDATA (COMBUSTIONE PREMISCELATA)
δf
SL
δf
Turbulent Flame, AT
Laminar Flame, AL
L T u T
b A S
dt
dm
Modellistica della Combustione ed Ottimizzazione di Motori a
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 : ST 14
Raggio locale
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)
Modellistica della Combustione ed Ottimizzazione di Motori a
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
Modellistica della Combustione ed Ottimizzazione di Motori a
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 Lmax
lk
Lmin
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
Modellistica della Combustione ed Ottimizzazione di Motori a
MODELLO DI TURBOLENZA 0D (k-K)
uin
K Uf k
P u’
HeatD / K,k
mex m. in .
. uex
TKE Production
Dissipation Rate
cin, cex cP, cD, cL 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 tD LI
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 ' Uf
- 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 ' Uf
- 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:
Modellistica della Combustione ed Ottimizzazione di Motori a
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
Piano completo di funzionamento
VALIDAZIONE: MOTORE FIRE 1.2 8V
270
270 270
285
285
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
OTTIMIZZAZIONE MOTORE FORMULA SAE
Honda Hornet 600cc
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
C2 C1
C3 C4
L4
L2
Dsca Lrun
SfasaASP,SCA
SA
SCHEMA 1D MOTORE FSAE (GT-POWER)
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
RISULTATI OTTIMIZZAZIONE
Coppia Media pesata Metodo Genetico
Simplex
Lrun x2 x4 asp sca dsca SA Noise Cop
RISULTATI OTTIMIZZAZIONE
Coefficiente di Riempimento
Coppia
Detonazione?
RISULTATI OTTIMIZZAZIONE
Pressione nel collettore di aspirazione
Massa di miscela intrappolata
OTTIMIZZAZIONE MOTORE MULTI-AIR-TURBO
30
RISULTATI OTTIMIZZAZIONE
RPM = 2000 giri/min PME = 2 bar
RISULTATI OTTIMIZZAZIONE
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, 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
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
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
ANALISI 3D, INIEZIONE, COMB. &
EMISSIONI
Pilot+Main Inj. Single Shot Inj.
ANALISI ACUSTICA, RUMORE DI COMBUST.
Legge diattenuazione strutturale del motore
FFT del ciclo di
pressione e Previsione del rumore
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
Punto Iniziale Sperimentale
Basso Consumo,
Basso SOOT, Alto NO Alto SOOT, Basso NO
Basso Rumore
Soluzioni Selezionate
SCELTA DELLA STRATEGIA DI
CONTROLLO
Solution
Boos t Ratio
EGR
%
Swirl rpm
NO g/kg F
Soot g/kg F
BSFC g/kWh
SPLext 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
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