Development of a Digital Twin to Support the Calibration of a Highly Efficient Spark Ignition Engine
Notice bibliographique
Résumé
The role of numerical simulations in the development of innovative and sustainable powertrains is constantly growing thanks to their capabilities to significantly reduce the calibration efforts and to point out potential synergies among different technologies. In such a framework, this paper describes the development of a fully physical 1D-CFD engine model to support the calibration of the highly efficient spark ignition engine of the PHOENICE (PHev towards zerO EmissioNs & ultimate ICE efficiency) EU H2020 project. The availability of a reliable simulation platform is essential to effectively exploit the combination of the several features introduced to achieve the project target of 47% peak gross indicated efficiency, such as SwumbleTM in-cylinder charge motion, Miller cycle combined with high Compression Ratio (CR), lean mixture exploiting cooled low pressure Exhaust Gas Recirculation (EGR) and electrified turbocharging. Particular attention was paid to the definition of a combustion model capable of predicting engine burn rates in highly diluted conditions as well as the likelihood of abnormal combustion phenomena such as knock. A set of preliminary experimental measurements carried out on the first engine prototype was used to assess the reliability of the developed digital twin. Afterwards, the 1D-CFD model was used to identify, under steady state conditions, the optimal setting of calibration parameters in terms of intake valves actuation, throughout the whole engine operating map. Findings demonstrated that the lean and diluted combustion process combined with the high CR of 13.6 and aggressive EIVC strategy enabling unthrottled operation made it possible to achieve the target of 47% peak gross indicated efficiency at part load. When operating at full load, the use of cooled low pressure EGR significantly reduced knock likelihood and permitted to avoid any mixture enrichment, allowing for the achievement of performance targets without incurring in fuel consumption penalties.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».