Een nieuw conceptueel model voor het beschrijven van de samenstelling van een brandstof kan verbrandingssimulaties versnellen en vereenvoudigen. De benzine en diesel die we in onze voertuigen pompen, is een complexe cocktail die duizenden verschillende chemicaliën kan bevatten. Maar kijk eens wat beter naar de brandstof, en de overweldigende complexiteit begint zichzelf op te lossen, KAUST-onderzoekers hebben aangetoond.

In plaats van te proberen brandstofverbranding te modelleren op basis van de lange lijst van moleculen die de brandstof bevat, de onderzoekers vonden een steno:ze laten nu zien dat ze de complexiteit kunnen destilleren tot een zeer korte lijst van moleculaire subeenheden of functionele groepen waarvan de meeste brandstofmoleculen zijn gemaakt. Deze radicaal vereenvoudigde methode voor het nauwkeurig simuleren van brandstofverbranding is ontwikkeld door Abdul Gani Abdul Jameel onder leiding van Mani Sarathy en zijn team.

Het project begon met de hypothese dat het verbrandingsgedrag van elk onderdeel van een brandstof wordt bepaald door de functionele groepen die het bevat. Om de theorie te bevestigen, het team voerde nucleaire magnetische resonantie-analyse met hoge resolutie uit in KAUST's Core Labs om de belangrijkste functionele groepen in een reeks complexe brandstoffen te identificeren. Vervolgens maakten ze eenvoudige surrogaten voor elke brandstof door een of twee moleculen te selecteren die de functionele groepen in dezelfde balans bevatten als de echte brandstof.

Vergelijking van de belangrijkste verbrandingsparameters, zoals ontstekingsvertragingstijd en rookpunt in het lab, de onderzoekers bevestigden dat de eenvoudige surrogaten getrouwe nabootsers waren van de echte brandstof. Ze lieten een goed surrogaat zien dat nodig was om het gemiddelde molecuulgewicht te evenaren en bevatten de juiste verhoudingen van slechts vijf belangrijke functionele koolstof-waterstofgroepen:CH ₃ , paraffinische CH ₂ , paraffinische CH, nafteen CH–CH ₂ en aromatische C-CH.

Traditionele verbrandingsmodellering legt nauwkeurig het gedrag van brandstofmengsels vast door gedetailleerde chemische kinetische gegevens toe te voegen voor steeds meer componenten in de brandstof, maar het nadeel is dat de simulatie onbetaalbaar traag wordt. "We hebben laten zien dat het niet nodig is om complexiteit aan modellen toe te voegen, zolang onderliggende kenmerken van eenvoudigere moleculaire parameters, de functionele groepen, worden gevangen genomen, ' zegt Sarathé.

De methode van het team om eenvoudige brandstofsurrogaten te maken, zal het ontwerp van efficiënte nieuwe motoren direct verbeteren. legt Abdul Jameel uit. "Het gebruik van een minimaal aantal componenten vermindert aanzienlijk de tijd die gemoeid is met het ontwikkelen van chemische kinetische modellen en de rekenkosten die gemoeid zijn met het simuleren van verbranding in verbrandingsmotoren, " hij zegt.

Maar de op functionele groepen gebaseerde benadering van het team reikt veel verder dan surrogaatformulering. "We ontwikkelen momenteel op machine learning gebaseerde modellen om de verbrandingseigenschappen van brandstoffen te voorspellen op basis van hun functionele groepen, ' voegt Abdul Jameel toe.