Artificial Intelligence for optimisation of Fuel Injection Equipment suitable for carbon-neutral synthetic fuels

Opis projektu

Sztuczna inteligencja pomoże w wytwarzaniu bezemisyjnych paliw syntetycznych na bazie wodoru

Obecna strategia i polityka UE przewiduje przejście sektora transportu z paliw kopalnych na bezemisyjne źródła energii. Paliwa syntetyczne na bazie wodoru wytwarzane dzięki odnawialnym źródłom energii charakteryzują się znacznie niższym śladem węglowym niż pojazdy elektryczne w całym okresie eksploatacji i można wykorzystywać je w silnikach spalinowych. Mimo to dotychczasowe eksperymentalne metody wtrysku paliwa do cylindrów uniemożliwiają zastosowanie tego rodzaju paliw na szeroką skalę. Zespół finansowanego w ramach działania „Maria Skłodowska-Curie” projektu AI-FIE zajmie się opracowaniem opartego na danych i uczeniu głębokim algorytmu sztucznej inteligencji, który pozwoli na przewidywanie przestrzennego i czasowego rozkładu wtrysku paliwa oraz kluczowych parametrów związanych z konstrukcją silników. Szkolenie algorytmu w ramach tego innowacyjnego projektu będzie opierało się na największej dostępnej publicznie bazie danych dotyczących wtrysku paliwa, uzyskanej dzięki doświadczeniom przeprowadzonym przez sieć Engine Combustion Network.

Cel

Current EU policies mandate the gradual disengagement of the transport sector from fossil fuels. In order for such a transition to become a reality, hydrogen-derived carbon-neutral synthetic fuels produced using renewable energy sources (e-fuels), have overall less life-cycle CO2 footprint than their counterpart electric vehicles while they are suitable for use over the wide range of combustion engines. However, today’s fuel spray experimental methods are compromised by the long time needed for the characterisation of the effect of new fuel molecules; similarly, relevant predictive models that can address in detail the effect of the wide range of fuel chemical composition at time scales relevant to industry are not available. The main objective of the proposed MSCA fellowship is the development of a data-driven deep learning (DL) Artificial Intelligence (AI) algorithm able to predict the spatially and temporally resolved spray structure, as well as critical air / fuel mixture parameters for engine design. Training of the AI model will be based on the largest publicly available experimental database for fuel sprays of the Engine Combustion Network; this covers a wide range of injector configurations, air thermodynamic conditions and liquid fuels. The training matrix of the AI algorithm will be complemented by relevant computational fluid dynamics simulations for operating conditions and fuel composition for which experimentation is not possible. For this purpose, a state-of-the-art CFD model of the compressible Navier-Stokes and energy conservation equations employing elaborate real-fuel thermodynamic closures based on the PC-SAFT equation of state will be employed. The project innovative nature spans across diverse research aspects with emphasis on renewable alternatives of Diesel and gasoline. As such, it is expected to assist EU energy, marine, aviation and automotive industries to meet the goals imposed regarding the utilisation of renewable fuels.

Dziedzina nauki

Program(-y)

Temat(-y)

MSCA-IF-2020 - Individual Fellowships

Zaproszenie do składania wniosków

H2020-MSCA-IF-2020

Zobacz inne projekty w ramach tego zaproszenia

System finansowania

MSCA-IF-GF - Global Fellowships

Koordynator

CITY UNIVERSITY OF LONDON

Wkład UE netto

€ 271 732,80

Adres

NORTHAMPTON SQUARE
EC1V 0HB London
Zjednoczone Królestwo

Region

London Inner London — East Haringey and Islington

Rodzaj działalności

Higher or Secondary Education Establishments

Linki

Kontakt z organizacją Strona internetowa

Uczestnictwo w unijnych programach w zakresie badań i innowacji

sieć współpracy HORIZON

Koszt całkowity

€ 271 732,80

Partnerzy (1)

Partner

Sandia Corporation

Stany Zjednoczone