Scientific reports · 2025
Predictive modeling and optimization of SI engine performance and emissions with GEM blends using ANN and RSM.
СтатьяНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Shaik Farooq, Kumar D Vinay, Naik N Channa Keshava, Krishna G Radha, Khan T M Yunus, Shaik Abdul Saddique, Buradi Abdulrajak, Emma Addisu Frinjo
Аннотация
The study employed an Artificial Neural Network (ANN) to predict the performance and emissions of a single-cylinder SI engine using blends of Gasoline, Ethanol, and Methanol (GEM) ranging from E10 to E50 equivalence, achieving less than 5% error compared to experimental values. Furthermore, Response Surface Methodology (RSM) was utilized to optimize the engine's performance, identifying the optimal operating conditions of 2992.9 rpm engine speed and an E20-equivalent GEM blend. Under these conditions, the engine exhibited a brake thermal efficiency (B_The) of 34.63%, a brake specific fuel consumption (BSFC) of 243.7 g/kW-hr, and minimal emissions of 1.5% CO, 108.13 ppm HC, and 1211.8 ppm NOx, with an overall desirability of 0.820, indicating a highly favorable combination of performance and emissions characteristics.