Wykorzystanie nanocząstek jako nowej generacji dodatków do oleju napędowego

Redukcja emisji spalin i zużycia paliwa jest jednym z najważniejszych wyzwań stojących przed konstruktorami silników. Jedną z metod rozwiązania tego problemu jest ulepszenie paliwa poprzez modyfikację lub zmianę jego składu. W tym celu przeprowadzono eksperymenty w których zmieniono moc emisję spalin i zużycie paliwa w silniku wysokoprężnym z zapłonem samoczynnym stosując mieszankę paliwa diesla z nanocząsteczkami. W wyniku zastosowania nanododatków uzyskano zmniejszenie zużycia paliwa oraz niższy poziom emisji NOx HC i CO w porównaniu z paliwem bazowym. Alternatywną metodą analizy i prognozowania w dziedzinie inżynierii zwłaszcza w silnikach spalinowych [55-58] jest wykorzystanie sztucznych sieci neuronowych (ANN). Symulacja ANN zyskała popularność w wielu zastosowaniach inżynieryjnych ze względu na swoją prostotę dokładność i szybkość konwergencji w porównaniu z metodami numerycznymi szczególnie w przypadku niejasnych i skomplikowanych baz danych. Modelowanie ANN zostało zastosowane do przewidywania korelacji między mocą hamowania zużyciem paliwa HC CO i NOx przy użyciu różnych ilości nanocząstek i prędkości jako danych wejściowych.