Supprimer la détonation dans les moteurs d'automobiles
Les fabricants de voitures européens se sont bâtis une très bonne réputation dans l'une des industries les plus concurrentielles dans le monde. Afin de conserver cette position de leader au XXIe siècle, ils doivent désormais se consacrer à la création de véhicules à faible consommation de carburant et respectueux de l'environnement. Une façon d'atteindre cet objectif consiste à réduire les détonations de moteur, qui sont à l'origine d'une consommation élevée de carburant et de l'émission de polluants atmosphériques ainsi que de gaz à effet de serre. Les participants au projet MINKNOCK, qui réunissait des fabricants d'automobiles, des groupes pétroliers et des instituts de recherche, se sont attelés à cette tâche. Les ingénieurs de Ford Werke AG en Allemagne ont commencé par tester un moteur de production avec différents types de carburant dans une grande gamme de conditions d'exploitation. Ils ont constaté que les performances dépendaient des indices d'octane recherche et moteur (RON et MON respectivement, de l'anglais Research octane number and Motor octane number), mais que d'autres facteurs tels que le ratio stœchiométrique air-carburant jouaient également un rôle important. De plus, la relation entre chaque indice d'octane et la sensibilité à la détonation a été étudiée, ainsi que le lien avec l'avance à l'allumage. Enfin, il a été démontré qu'un indice proposé par Shell intégrant à la fois le RON et le MON était le plus approprié pour prévoir la sensibilité à la détonation. Les tests moteur ont été complétés par des simulations approfondies utilisant des modèles de dynamique des fluides statistique (CFD). Précisément, les modèles STAR-CD, FIRE et le modèle d'auto-allumage Shell ont été appliqués, dans certains cas en combinaison avec un modèle ECFM (de l'anglais Extended Coherent Flame Model). Les ingénieurs Ford ont expérimenté différentes paramétrisations de transfert de chaleur, de turbulences et d'autres phénomènes afin d'optimiser la correspondance entre les résultats du modèle et les données expérimentales.
