氧化石墨烯纳米粒子可优化混合燃料性能的实验及响应面分析

能源与人工智能10（2022）100200透视基于响应面法的参数优化以氧化石墨烯定量芝麻油/柴油燃料混合物为Suleyman Simseka，Samet Uslub，*，Hatice Simsek ca土耳其伊斯坦布尔艾登大学机械工程系b土耳其卡拉布克卡拉布克大学机械工程系c土耳其TekirdaBoggNamikKemal大学机械和金属技术系H I G H L I G H T S G R A P H I C A LA B标准• 提出了改性纳米燃料的多目标响应面优化方法• 氧化石墨烯的最佳IOOppm量给出最佳响应。• 开发的模型响应的预测能力进行了实验验证。A R T I C L EI N FO关键词：氧化石墨烯纳米粒子芝麻油生物降解柴油RSMA B标准在该研究中，进行了实验研究，以确定添加不同量的氧化石墨烯（GO）对以30%芝麻油（SO）+70%柴油混合物运行的单缸柴油机的发动机特性的影响。在此基础上，采用响应面法（RSM）进行了优化，以确定不同负荷下的最佳工况。实验结果表明，纳米GO添加到柴油-生物柴油混合燃料中，可以有效提高柴油的性能，降低排放。对于性能特征，GO的最合适的量在75 ppm和100 ppm之间。用于功率的GO的最佳量为75 ppm，而用于制动比燃料消耗（BSFC）和排气温度（EGT）的GO的最佳量为100 ppm。此外，对于CO和HC，GO的最大添加量为100 ppm时最适宜，对于NOx，GO的最大添加量为75 ppm时最适宜。另一方面，优化结果表明，1950 W负载下100 ppm GO是所有响应的最佳条件。在最佳条件下，对功率、BSFC、EGT、CO、HC和NOx的响应分别为1746.77 W、968.73 g/ kWh、259.8 ℃、0.0603%、23.13 ppm和185.61 ppm。根据验证研究，最佳和实验结果之间的误差为4.69%的最大值。研究结果表明，响应面模型可以成功地模拟单缸柴油机，从而节省时间和金钱。* 通讯作者。电子邮件地址：sametuslu@karabuk.edu.tr（新加坡）Uslu）。https://doi.org/10.1016/j.egyai.2022.1002002022年8月30日在线提供2666-5468/© 2022由Elsevier Ltd.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表能源与AI期刊主页：www.sciencedirect.com/journal/energy-and-aiS. Simsek等人能源与人工智能10（2022）1002002几何形状和燃料配方的修改已经由研究人员进行[11，12]。特别是近年来，研究人员已经转向燃料配方方法，作为改善通用发动机性能的最有益的方法。为此，可以通过使用1至100 nm的纳米颗粒而不是微米尺寸的颗粒来实现燃料中的均匀分布，微米尺寸的颗粒会导致燃料底部的团聚和聚集问题[11，13]。纳米颗粒在液体燃料中充当二次能量载体，提高 燃烧 特性. 氧氧化物 的 铈， 铜，铁，1. 介绍气候变化和与气候变化相关的全球生态系统失衡对人类健康和农业产生严重的不利影响[1]。化石燃料使用量的增加所产生的大量温室气体是空气污染和气候变化的主要原因之一。工厂、发电厂和运输中的化石燃料车辆造成的空气污染估计每年在全球造成300万人死亡，预计到2040年这一数字将增加到450万人[2，3]。可再生能源被认为是减少或消除燃烧化石燃料造成的空气污染物的最合适的解决方案，这些污染物对环境和人类有害。最近，关于使用替代可再生能源，特别是太阳能和风能，在家庭和办公室或小型工业企业。然而，在内燃机中使用这些能源不能提供非常有效的解决方案。内燃机之一的柴油发动机由于其比汽油发动机更显著的承载能力、耐用性和更好的燃料经济性而然而，柴油机显著地促进了来自空气污染物排放的CO、HC、CO2、NOX因此，在柴油发动机中使用生物柴油等可再生燃料作为柴油燃料的替代品，可以显著减少有害废气排放。生物柴油具有接近柴油的物理化学性质，具有比柴油更高的闪点，无毒性，不含硫，可生物降解并具有氧代结构，并且是可再生燃料类型，可以从植物油，动物油，厨房废物和藻类中生产。然而，由于较差的冷流性质和氧化稳定性、较差的燃料雾化和相对较高的NOX排放，生物柴油工业在商业化方面仍然面临问题[4，5]。生产生物柴油所用的原料种类和生产工艺对生物柴油的性能起着关键作用研究人员认为，从植物油中获得的生物柴油基于Rudolph Diesel设计的原始柴油发动机使用植物油的知识，可以说从植物来源获得的生物柴油是柴油发动机的优秀替代燃料来源在可以由生物柴油生产的植物油中，SO是一种有前途的生物柴油原料，可以改善冷流特性而不改变其氧化稳定性[4，6]。研究人员已经进行了关于在柴油发动机中使用SO作为替代燃料的研究[7虽然植物基生物柴油具有许多优点，但以纯形式使用时的主要问题是高粘度。使用High柴油发动机中燃油粘度大、燃油质量差等不利工况可能发生优化、过滤器和管道堵塞、甚至不完全的混合。这些条件通常导致性能下降和废气排放增加为了减少有害排放物的排放，提高发动机的性能参数，许多方法如废气减排技术、使用各种生物柴油混合物、对发动机进行铝、钴、硼、银、石墨烯和铂最近已被用作生物柴油燃料混合物中的添加剂。在一项关于向生物柴油混合物中添加纳米颗粒的研究中，强调BTE可以得到改善，因为燃烧速率增加，雾化效果更好，燃料中的颗粒快速蒸发，从而使燃料混合更健康，并为燃料/氧气反应提供额外的表面积。在Dhana等人的研究中。[15]，在生物柴油混合物中使用了Al2O3纳米颗粒添加剂，并强调Al2 O3由于其高氧含量而改善了燃烧反应，从而增加了BTE。Elumalai等人[16]将CuO/ZnO（CZ）纳米颗粒添加到柴油燃料与热解油的混合物中，热解油通过热解过程从废轮胎中获得，他们在研究中选择作为主要燃料，以研究对在双燃料模式下运行的预混合充气压燃发动机的性能、燃烧和排放特性的影响。作者指出，用含有20%热解油和50 ppm CZ添加剂和80%柴油的燃料混合物获得的BSFC值低3.4%。他们还指出，这种情况可能是通过向混合物中添加纳米颗粒来改善燃烧反应性与燃料共混的非金属GO作为改善发动机性能和排放的重要添加剂已经成为一种进步的发展[13，17]。 AgGulabulutet al. [18]合成了GO纳米颗粒，并将不同量（100、500和1000 ppm）以不同比率（0%和15%）添加到含有废食用油甲酯的废食用油甲酯/柴油燃料混合实验在2400 rpm的恒定速度和不同的发动机负载（3、6、9和12 Nm）下进行。作者指出，GO纳米颗粒增加了气缸中的氧比，从而提供了更完全的燃烧。因此，他们表示，CO排放量减少了22.5%，HC排放量减少了30.23%。此外，由于GO纳米颗粒的优异表面积/体积面积比和热性能，NOX排放降低了15.17%。作者报道，随着GO纳米颗粒的添加，测试燃料的能量含量提高，因此BTE增加了7.90%，而BSFC降低了9.72%。因此，作者揭示，GO纳米颗粒可以提供令人满意的解决方案，以改善柴油发动机中由生物柴油和柴油混合物引起的性能恶化。EL-Seesy等人[19]旨在研究在单缸风冷直喷四冲程柴油发动机中将GO添加到纯麻风树甲酯中的效果。试验燃料是用麻风树生物柴油的混合物 以及25、50、75和100 mg/l的氧化石墨烯。结果表明，添加GO后，制动热效率提高了17%，CO和HC排放分别降低了60%和50%。 此外，作者指出，就发动机性能和排放而言，50 mg/L浓度是最佳水平除了纳米颗粒的优异性能和它们为柴油发动机提供的改进之外，它们具有昂贵的缺点[20，21]。因此，确定最佳条件和纳米颗粒浓度的发动机中的纳米颗粒将使用是至关重要的，以降低燃料成本，更好的性能，和排放。统计应用，包括人工神经网络，田口，模糊逻辑和RSM方法，用于确定可能的发动机变化[22RSM已被证明是确定单个参数最佳值的有效工具[28虽然有许多关于使用RSM来确定命名法BSFC制动比油耗CO一氧化碳EGT废气温度GO氧化石墨烯HC烃氮氧化物响应面法SO芝麻油S. Simsek等人能源与人工智能10（2022）1002003±[客户端]在柴油发动机中的最佳操作条件下，没有与优化GO的使用相关的研究。Ghanbari等人[31]使用RSM检查和优化向使用柴油/生物柴油燃料混合物的六缸四冲程柴油发动机中添加不同量的氧化铝纳米颗粒的效果。虽然作者确定了160 ppm的纳米颗粒浓度和1000 rpm的发动机转速为最佳操作通过用磁力搅拌器混合24小时形成均匀的燃料混合所使用的SO和柴油的燃料性质示于表1中，并且所形成的燃料混合物的性质示于表2中。在土耳其科学技术研究理事会马尔马拉研究中心实验室测定了燃料和燃料混合物的物理和化学性质此外，密度、运动粘度和低热值他们补充说，氧化铝纳米颗粒是柴油-生物柴油混合物的良好添加剂，可以提高柴油发动机燃料的变化。我的故事是图形方式示 在图 1-3，减少其排放。作者指出，当燃料中的纳米颗粒浓度增加时，CO浓度降低，这是由于完全燃烧速率增加。此外，作者表示，当燃料中的纳米颗粒浓度增加时，HC浓度降低，这是因为向燃料中添加纳米颗粒降低了碳的活化在另一项研究中，Vali等人[32]评估了压缩比、生物柴油体积比、水百分比和纳米颗粒浓度等变量作为工作参数，并使用RSM进行了优化研究。氧化锌作为纳米颗粒是优选的。结果表明，最佳工艺条件为：压缩比18.84，生物柴油混合比18.98%，乳化液质量分数5.71%，氧化锌纳米颗粒浓度90.9ppm。最后，作者指出，优化研究是成功的，偏差率可接受。文献研究表明，虽然生物柴油作为替代燃料，通常改善发动机特性，特别是NOx排放恶化。纳米颗粒添加是这方面使用的创新方法之一。虽然在文献中存在关于将GO添加到柴油和各种生物柴油中的实验研究，但是尚未发现关于添加SO/柴油燃料混合物的研究。此外，文献中还没有关于SO/具有添加有RSM的 GO的柴油燃料混合物这项研究的新颖之处在于实验装置的示意图如图4所示，包括所有仪器。为了最小化实验期间可能由测量引起的误差，在实验之前校准测量装置，并且每个实验重复三次。根据Kline和McClintock方法，在表3中定义了测量响应的不均匀性。本研究的不确定度为3.228，如下所示。=[]（ULoad）2+（UPower）2 +（UBSFC）2 +（UEGT）2+（UCO）2+（UHC）2+（UNO x）2]=（0.731199年5月5日）192年2月1日+1993年2月1日（1991年1月1日）。̅6̅3̅)̅2̅+̅(̅1̅.̅0̅3̅)̅2̅+̅(̅1̅.̅4̅4̅)̅2̅̅̅=±3。228%2.1. RSM的构建对于复杂的实验系统建模与响应面，在这项研究中，方程。(1)采用了其中，β表示系数，x表示自变量，y表示模型k k k k是检查将GO添加到SO/柴油燃料混合物中的效果，y=β0+∑βi xi+∑ ∑βij xi xj+∑βii x2（一）用响应面法确定GO的最佳量。由于纳米颗粒具有昂贵的缺点，i=1i=1j=i+1我i=1纳米颗粒在柴油发动机中提供的优异性能和改进，确定发动机中的最佳条件和纳米颗粒浓度以获得更好的性能和更低的燃料成本的排放是至关重要的。因此，本研究的主要目的是通过实验确定SO/柴油的最佳混合比，通过添加不同的GO量来改善柴油机的性能和排放，并通过响应面法优化，以最少的实验次数来确定GO的最佳添加量。因此，进行了多用途的研究，以减少温室气体的影响，通过使用环境友好的燃料，以减少生物柴油的不利影响，通过添加GO，并获得最好的结果，以最少的实验，通过优化的工作条件与RSM。2. 材料和方法本研究确定GO量和发动机负荷作为影响响应的变量，用于RSM建模。RSM建模中使用的这些变量的不同水平列于表4中。以功率、BSFC、EGT、CO、HC、CO2和NOX为响应指标，考察了它们对这些变量的影响3. 结果根据以下公式获得的p值、R2用RSM建模进行的方差分析（ANOVA）的结果列于表5中。P值表示变量是否影响响应，而R2值表示建模的成功程度P值小于0.05表明变量在以下方面具有显著性：以95%的置信水平建模应用程序。另一方面，R2值越接近100%，建模越成功。EX实验研究与SO/柴油燃料混合物含有最后，回归方程预测当变量水平不同的SO比例表明，就性能和排放特性而言，合适的SO比例为30%，因此，在不同的发动机负荷（500，1000，1500，2000，2500和3000 W）通过将不同量的GO（25、50、75和100 ppm）添加到含有30% SO/70%柴油的燃料混合物不同输入一个响应。3.1. 响应曲面图在本节中，GO量和发动机负荷的综合影响将一定量的GO加入SO/柴油燃料混合物中，并且表1发动机响应将通过表面图来说明GO量变化对不同条件下的功率和BSFC的影响发动机负荷在图1和图2中显示为曲面图。5和6.从表面图可以看出，功率和BSFC，定义为发动机性能，柴油和SO的性质。柴油SO分析方法15 ℃时的密度（kg/m3）830.2 921.9 EN ISO 12，185运动粘度@40° C（mm2/s）2.861 30.93 ASTM D 445低热值（kJ/kg）43，01538，075 D240十六烷值EN ISO 5165闪点（℃）65.5 290 ASTM D 93mance参数，通过添加GO受到积极影响。纳米颗粒的添加通过支持发动机中的碳氧化速率而导致更有效的燃烧和BSFC的降低[33，34]。添加GO的发动机的另一个优点是燃烧时间的缩短。通过添加GO来减少燃烧时间允许燃料液滴在上死点S. Simsek等人能源与人工智能10（2022）1002004表2试验燃料的特性。性能70 D30 SO25 GO 70 D30 SO 50 GO 70 D30 SO 75 GO 70 D30 SO 100 GO分析方法15 ℃时的密度（kg/m3）855. 1 856. 7 858. 3 859. 9 EN ISO 12，185运动粘度@40°C（mm2/s）5.752 5.765 5.779 5.792 ASTM D 445低热值（kJ/kg）41，465 41，492 41，515 41，541 D240Fig. 1. 试验燃料与柴油的密度值比较。中心，从而导致更高的气缸压力和功率[35]。增加GO量和发动机负荷对功率都有积极的影响另一方面，在75ppm GO之后，功率值开始显示出下降趋势与GO量的变化相比，发动机负荷对功率的影响更为显著。G0量从25ppm增加到75ppm提供了约1%的平均增加，而发动机负荷从500增加到3000增加了约1.5倍。在3000 W负载和75 ppmGO下获得的最大功率为2836.89 WGO纳米颗粒充当氧促进剂以在发动机气缸中产生高压和高温。此外，由于纳米颗粒提供的改进的燃料反应性，实现了更好的燃烧质量和随后的燃料消耗降低。最后，可以看出，BSFC也受到增加的发动机负荷的积极影响。在高负载下，BSFC随着热效率的提高而降低。在3000 W负荷下添加100 μ m GO的情况下，最低BSFC确定为897.90 g/ kWh。与通过在相同负荷下添加25 ppm GO获得的BSFC（946.75 g/kWh）值相比，实现了5.16%的降低。EGT随GO量和发动机负荷的变化如图所示。7.第一次会议。而EGT值随着GO量的增加而降低，相反，EGT值随着负荷的增加而增加基于此，在500 W负载和100 ppm GO下，最低EGT确定为164° C在相同负荷下，随着GO添加量从25 ppm增加到100 ppm，EGT降低了约24.54%。据认为，GO添加减少扩散机制中的富混合区域另一方面，前面提到发动机负荷是直接影响缸内温度。因此，缸内温度自然会随着发动机负荷的增加而增加，因此EGT也会随着发动机负荷的增加而增加。在添加100 ppm GO时，随着发动机负荷从500 W增加到3000 W，EGT的增加超过两倍。图8中示出了示出CO排放的变化的表面图，CO排放是有害排放之一，是不完全燃烧的产物，取决于GO和负载。虽然由添加GO引起的CO排放的变化形成几乎水平的曲线，但是已经实现了略微降低GO的大表面积将增加化学反应性并缩短点火延迟，从而改善燃烧[36]。随着燃烧的改善，CO排放量减少。虽然在IOOppm GO量和2000W负荷下获得最低的CO排放，但是与在相同负荷下添加25ppm GO相比，获得了约19.46%的减少。从另一个角度来看，在100 ppm下，GO值，其中当发动机负荷从500 W增加到3000 W时，CO排放增加约76%。从图中可以看出，在2000 W的负载后，CO排放量迅速在高负荷下缺乏足够的时间形成混合物导致CO排放迅速增加HC排放量的变化表示内燃机燃烧时喷出的燃料，取决于发动机负荷和GO量，如图所示。9.第九条。从图中可以理解，HC排放随着GO量的增加而迅速减少，相反，随着发动机负荷的增加而由于在高负荷下形成均匀混合物的时间不足，将阻止一些燃料与氧相遇，S. Simsek等人能源与人工智能10（2022）1002005图二、 试验燃料与柴油的运动粘度值比较。图3.第三章。 测试燃料与柴油的低热值比较。S. Simsek等人能源与人工智能10（2022）1002006图四、所有仪 器 的测试设置示 意图 。表3未评估的响应。评价的答复载荷±0.79功率±1.36表5P值、R2值和回归方程。源功率BSFC EGT CO HC NOXp值0.2870.000 0.0000.2780.000 0.000BSFC ±1.120.000 0.000 0.000 0.0002EGT ±0.950.2320.0500.157 0.7070.0350.464CO ±1.63HC ±1.03NOX± 1.440.0050.000 0.000 0.004 0.0081000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000R2值（%）98.56 99.15 99.48 97.92 99.35表4影响反应的因素及其水平。调整后的R2（%）预测R2（%）97.66 98.62 99.15 95.84 98.9495.58 97.93 96.88 91.29 98.00回归方程2 2（百万分之一）功率-193+10.61 GO+0.705 L- 0.0725 GO +0.000068升 –BSFC1117.2GOLEGT223.4GOLCO0.2301-预计HC将随着负荷的增加而增加另一方面，在一项研究中，0.000001GOLHC2 2与CO排放一样，HC排放33.20 - 0.042 GO + 0.00676 L - 0.002344 GO +0.000004升 –添加GO的另一个优点是GO通过增加GOLNO2 2化学反应性和缩短点火延迟。此外，GO中的氧含量在这种降低中起着积极的作用，因为它x21.5 - 0.579 GO + 0.1804 L + 0.00498GO –显著性-（ 0.0 0 0 μ p ≤ 0.0 5 ） 。22增加了燃料燃烧所需的氧气供应。最低的HC排放浓度是在500 W负荷下用100 ppm GO获得的。换句话说，在GO量的最高水平和发动机负荷的最低 水平 下获得 最小HC 排放 。通过 将GO 的量 从25ppm 增加 至IOOppm，在相同负荷下获得约80%的减少。图10显示了NOx排放的变化。可以看出，GO的添加对NOx排放有正面影响，对发动机负荷有负面影响。NOx的形成主要取决于温度、局部氧浓度和燃烧时间[19]。降低NOX排放的方法主要有两种：降低火焰温度和降低燃烧温度。（GO：氧化石墨烯，L：负载，GO：GO* GO，L：负载 * 负载，GOL：GO * L）。燃烧时间[17，19]。据认为，NOX排放减少是因为添加GO导致燃烧时间缩短。另一方面，NOX排放增加，因为发动机负荷增加缸内温度。在75 ppmGO和500 W负荷条件下获得最小NOX为75.33 ppm。GO从25 ppm增加到75 ppm导致NOX排放量减少23.13%因子水平12级3级4级5级6级GO金额255075100––负载（W）50010001500200025003000S. Simsek等人能源与人工智能10（2022）1002007图五. 功率变化取决于GO和负载。见图6。 BSFC的变化取决于GO和负载。见图7。 EGT的变化取决于GO和负载。3.2. 响应面模型预测结果与实验结果在本节中，进行了比较，以确定使用回归方程进行的估计与用于创建RSM模型的14个实验的兼容性。表6给出了选择作为性能标准的响应的比较，表7给出了排放响应的比较图8.第八条。 CO排放的 变 化 取决于GO和负荷。图9.第九条。 HC排放的 变 化 取决于GO和负荷。图10个。 NO X排放随GO和负荷的变化。对比结果表明，HC排放响应的偏差最大，为6.13%，BSFC响应的偏差最小，为0.40%。此外，在图11中对结果进行了图形比较。在图中，蓝色气球显示测试结果，而橙色气球显示预测结果。从曲线图上可以看出，试验和预测效果良好S. Simsek等人能源与人工智能10（2022）1002008++表6功率、BSFC和EGT的实验结果与响应面法结果的比较试验编号Term响应功率（W）BSFC（g/kWh）EGT（KTC）GO（ppm）负载（W）测试RSM偏差（%）测试RSM偏差（%）测试RSM偏差（%）125500428.85394.568.001077.581076.530.10217.33209.693.5222515001210.501231.811.761036.511039.960.33248.00260.124.8932520001767.641701.443.751011.211014.930.37299.33298.080.4242530002791.882742.691.76946.75951.360.49399.33399.510.0455010001005.80921.758.361043.311037.960.51208.00212.031.9465015001486.801355.508.831020.891017.070.37244.67242.350.9575025002251.442325.003.27967.29961.800.57331.00328.500.76875500491.20558.8113.761034.421039.430.48173.00176.522.039751000994.05956.693.761015.841022.700.68200.00199.210.40107520001781.801854.444.08968.54975.730.74269.67270.080.1511100500501.20505.000.761035.171031.820.32164.00168.652.841210010001010.08901.0010.801016.801014.730.20199.67192.203.741310020001784.161795.000.61966.70967.060.04265.67264.800.331410030002827.282825.000.08897.90901.390.39366.33371.401.38误差（%）4.970.401.67表7CO、HC和NOx的实验结果与响应面法结果的比较。试验编号Term响应CO（%）HC（ppm）NOX（ppm）GO（ppm）负载（W）测试RSM偏差（%）测试RSM偏差（%）测试RSM偏差（%）1255000.0880.0826.4635.3334.482.4298.0088.719.4822515000.0660.0634.5247.3348.061.54208.33212.862.1732520000.0740.0774.0755.3357.864.56257.33258.440.4342530000.4550.4501.1080.6783.443.44313.33316.591.0455010000.0730.0775.5032.3333.654.07128.33138.908.2365015000.0630.0621.5938.3340.866.58189.00189.350.1975025000.1210.1274.9756.6761.278.11266.67257.253.538755000.0860.0833.4718.0019.488.2475.3372.413.8897510000.0710.0732.8025.6724.106.10122.00127.744.70107520000.0630.0653.1741.3339.344.83213.33205.393.72111005000.0820.0876.127.007.598.4385.6773.6014.091210010000.0630.0653.1612.0011.623.17111.33122.8010.301310020000.0590.05310.1122.3325.6814.99206.33188.208.791410030000.3400.3430.8843.6747.749.33197.67209.606.04误差（%）4.146.135.47协议4. 响应的优化和确认在柴油机上以30%柴油-70%SO混合燃料为燃料，进行了最佳条件的优化研究，考察了在不同负荷下添加不同量的GO对柴油机性能和排放的影响。 优化的目的是使排放更接近BSFC和EGT的最小值，并使功率更接近最大值。所有响应的RSM优化结果（含偏差）见表8。根据表中所示的值和偏差率，可以清楚地说，RSM优化和实验结果非常接近。BSFC响应的最小偏差为0.05%，HC排放响应的最大偏差为4.69%。5. 结论本研究通过试验确定了最佳SO/柴油混合比（30% SO/70%柴油），并通过添加不同的GO量（25、50、75和100 ppm）来改善柴油机的性能和排放，同时通过响应面法（RSM）进行优化，以最少的试验次数确定最佳GO添加量。调查结果概述如下。根据与性能特性一起进行的评估，可以理解，GO的最合适的量在75ppm和100 ppm之间。对于功率，GO的最佳量为75 ppm，而对于BSFC和EGT，其为100 ppm。可以清楚地理解，添加GO改善了柴油发动机性能。根据研究结果确定，GO对排放也有积极影响，100 ppm的最大GO量最适合CO和HC，75 ppm的GO量最适合NOX。<$负荷增加对功率、燃油消耗率和一氧化碳排放量的影响是正的，而对废气排放量、HC和NOx的影响是负的。使用用于创建RSM模型的实验的回归方程得到的估计结果与实验结果之间的最大误差被确定为6.13%。可以说，获得了具有统计学意义且可接受的结果。优化结果表明，在1950 W负载下，100 ppm GO是最佳条件。在最佳条件下出现的响应为1746.77 W，968.73克/千瓦时，259.8C，0.0603%，23.13 ppm，以及功率、BSFC、EGT、CO、HC和NOX分别为185.61 ppm。根据研究结果，可以清楚地认识到，RSM模型可以成功地模拟单缸柴油机，从而节省时间，劳动和金钱。S. Simsek等人能源与人工智能10（2022）1002009图十一岁 证明所有响应的测试和预测结果的一致性。表8RSM优化结果。溶液GO（ppm）负载（W）功率（W）BSFC（g/kWh）EGT（CQC）一氧化碳（%）HC（ppm）NOX（ppm）优化10019501746.77968.73259.80.060323.133185.61测试1745.46969.20262.40.059522.10191.58偏差0.080.050.981.294.693.12作者Suleyman Simsek和Hatice Simsek设计了整个实验。Samet Uslu建立了模型，分析了结果，并撰写了手稿。资金本研究未收到任何机构或组织的财务支持。竞争利益作者声明他们没有利益冲突。作者承认，他们的研究的直接应用引用[1] Kumar N，Raheman H.以水及奈米粒子为添加剂之第二代生物柴油混合物之制造、表征及在柴油机上之应用。燃料2022;308：122063。S. Simsek等人能源与人工智能10（2022）10020010[2] [10]杨文龙，杨文龙.伊朗将农产食品工业的残留物转化为生物乙醇：一种价值被低估的生物燃料添加剂，用于逐步淘汰汽油中的甲基叔丁基醚。 更新能源2020;145：699-710。[3] Panahi HKS，Dehhaghi M，Kinder JE，T CE.交通运输部门绿色液体燃料综述：微生物解决气候变化的前景。生物燃料研究J 2019;23：995-1024。[4] Mujtaba MA，Cho HM，Masjuki HH，Kalam MA，Ong HC，Gul M，Harith MH，Yusoff MNAM.芝麻油及其甲酯的低温流动性和氧化稳定性研究进展。 能源报告2020;6：40-54。[5] Razzaq L，Farooq M，Mujtaba MA，Sher F，Farhan M，Hassan MT，SoudagarMEM，Atabani AE，Kalam MA，Imran M，Razzaq L，Farooq M，Mujtaba MA，Sher F，Farhan M，Hassan MT，Soudagar MEM，Atabani AE，Kalam MA，ImraM.乙醇-柴油-生物柴油三元共混物粘度和密度的可持续环境模拟。可持续发展2020;12：5186。[6] Mujtaba MA ， Kalam MA ， Masjuki HH ， Gul M ， Soudagar MEM ， Ong HC ，Ahmed W，Atabani AE，Razzaq L，Yusoff M.纳米粒子与醇类燃料添加剂改善生物柴油混合燃料性能与排放之比较研究。 燃料2020;279：118434。[7] John JG，Hariram V，Sooryanarayanan S，Subramaniam GS，OsbornJRB，Christo AC，Seralathan S.改变压缩比对柴油机燃用芝麻生物柴油燃烧现象的影响。Mater Today：Proc 2020;33（7）：3715-21.[8] 张文辉，张文辉，张文辉. “直喷式柴油机燃用芝麻油-柴油混合燃料的排放特性Renew Energy2008;33（8）：1791-5.[9] YilmazA，Dede G，Ozcanlavia M，Serin H. 柴油机燃用柴油和芝麻油生物柴油的热力学分析。J Biotechnol 2016;231：47.[10] Tejesh P，Kotebavi V，Shyam P，Prasad PSD. 柴油机燃用棕榈油和芝麻油混合燃料的性能和排放特性。 Int JVehicle Struct Syst 2018;10（5）：342-6.[11] Saxena V，Kumar N，Saxena VK.综述了纳米金属颗粒的燃烧稳定性及其对柴油和生物柴油的添加作用。发动机 Renew Sustain Energy Rev 2017;70：563-88.[12] Khond VW，Kriplani VM.纳米流体添加剂对乳化柴油和生物柴油固定式CI发动机性能和排放的影响：综述。Renew Sustain Energy Rev2016;59：1338-48.[13] Soudagar MEM，Nik-Ghazali N，Kalam MA，Badruddin IA，BanapurmathNR，Akram N.纳米添加剂对柴油-生物柴油混合燃料稳定性、发动机性能和排放特性的影响。能源转换管理2018;178：146-77。[14] 普拉布河纳米粒子作为生物柴油添加剂对直喷式柴油机工作特性的影响。 AinShams Eng J 2018;9（4）：2343-9。[15] Dhana RV，Kishore PS，Nanthagopal K，Ashok B.新型罗望子甲酯纳米微粒对柴油机性能影响的试验研究。能源转换管理2018;164：655-66。[16] Elumalai PV，Dash SK，Parthasarathy M，Dhineshbabu NR，BalasubramanianD，Cao DN，Truong TH，Le AT，Hoang AT.研究了纳米颗粒对正戊醇和柴油/废轮胎油混合燃料预混合压燃发动机燃烧和排放的影响。燃料2022;324（B部分）：124603。[17] Soudagar MEM，Nik-Ghazali N，Kalam MA，Badruddin IA，Banapurmath NR，Khan TMY，Bashir MN，Akram N，Farade R，Afzal A.研究了纳米氧化石墨烯添加剂在生物柴油-柴油混合燃料中的稳定分散对CI发动机性能、排放和燃烧特性的影响。《燃料》2019;257：116015。[18] AgZebulutJ.， ElibolE， DemirciT ， SarıdemirS， GürelAE ， RajakU， AfzalA，VermaTN.纳米氧化石墨烯的合成及其作为燃油添加剂对内燃机性能的影响。能源2022;244（A）：122603。[19] El-Seesy AI，Hassan H，Ookawara S.以麻风树甲酯和氧化石墨烯添加剂为燃料的柴油发动机的性能、燃烧和排放特性。 能源转换管理2018;166：674-86。[20] Nouri M，Isfahani AHM，Shirneshan A. Fe 2 O3和Al 2 O3纳米颗粒-柴油混合燃料对柴油机燃烧、性能和排放特性的影响。清洁技术环境政策2021;23：2265-84。[21] BasuS，Miglani A. 纳米流体燃料液滴的燃烧和传热特性：一个简短的评论。IntJ Heat Mass Transf 2016;96：482-503.[22] Uslu S，Celik MB.点燃式发动机燃用异戊醇-汽油混合燃料的性能和排放预测：基于ANN耦合响应面的优化。燃料2020;265：116922。[23] Simsek S，Uslu S，Simsek H，Uslu G.柴油机燃用生物柴油/硝酸异辛酯过程参数的田口法多目标优化。能源2021;231：120866。[24] Dey S，Reang NM，Majumder AB，Deb M，Das PK.应用人工神经网络-模糊混合算法对柴油-棕榈油-生物柴油-乙醇混合燃料发动机运行参数进行优化。能源2020;202：117813.[25] Manigandan S，Atabani AE，Ponnusamy VK，Pugazhendhi A，Gunasekar P，Prakash S.氢气与多壁碳纳米管共混物对柴油机燃烧性能和排放影响的