TY - JOUR A1 - Franken, Tim A1 - Netzer, Corinna A1 - Mauss, Fabian A1 - Pasternak, Michal A1 - Seidel, Lars A1 - Borg, Anders A1 - Lehtiniemi, Harry A1 - Matrisciano, Andrea A1 - Kulzer, Andre Casal T1 - Multi-objective optimization of water injection in spark-ignition engines using the stochastic reactor model with tabulated chemistry N2 - Water injection is investigated for turbocharged spark-ignition engines to reduce knock probability and enable higher engine efficiency. The novel approach of this work is the development of a simulation-based optimization process combining the advantages of detailed chemistry, the stochastic reactor model and genetic optimization to assess water injection. The fast running quasi-dimensional stochastic reactor model with tabulated chemistry accounts for water effects on laminar flame speed and combustion chemistry. The stochastic reactor model is coupled with the Non-dominated Sorting Genetic Algorithm to find an optimum set of operating conditions for high engine efficiency. Subsequently, the feasibility of the simulation-based optimization process is tested for a three-dimensional computational fluid dynamic numerical test case. The newly proposed optimization method predicts a trade-off between fuel efficiency and low knock probability, which highlights the present target conflict for spark-ignition engine development. Overall, the optimization shows that water injection is beneficial to decrease fuel consumption and knock probability at the same time. The application of the fast running quasi-dimensional stochastic reactor model allows to run large optimization problems with low computational costs. The incorporation with the Non-dominated Sorting Genetic Algorithm shows a well-performing multi-objective optimization and an optimized set of engine operating parameters with water injection and high compression ratio is found. KW - Ottomotor KW - Water injection KW - Genetic optimization KW - Spark-ignition engine KW - Stochastic reactor model KW - Detailed chemistry KW - Wassereinspritzung KW - Prozessoptimierung KW - Stochastisches Modell Y1 - 2019 U6 - https://doi.org/10.1177/1468087419857602 SN - 1468-0874 SN - 2041-3149 PB - SAGE Publications CY - London, England ER - TY - THES A1 - Netzer, Corinna T1 - Simulation and assessment of engine knock events T1 - Simulation und Bewertung motorischer Klopfereignisse N2 - Sophisticated engine knock modeling supports the optimization of the thermal efficiency of spark ignition engines. For this purpose the presented work introduces the resonance theory (Bradley and co-workers, 2002) for three-dimensional Reynolds-Averaged Navier-Stokes (RANS) and for the zero-dimensional Spark Ignition Stochastic Reactor Model (SI-SRM) simulations. Hereby, the auto-ignition in the unburnt gases is investigated directly instead of the resulting pressure fluctuations. Based on the detonation diagram auto-ignition events can be classified to be in acceptable deflagration regime or possibly turn to a harmful developing detonation. Combustion is modeled using detailed chemistry and formulations for turbulent flame propagation. The use of detailed chemistry caters for the prediction of physical and chemical properties, such as the octane rating, C:H:O-ratio or dilution. For both models, the laminar flame speed is retrieved from surrogate specific look-up tables compiled using the reaction mechanism for Ethanol containing Toluene Reference Fuels by Seidel (2017). In the fresh gas zone, the scheme is used for auto-ignition prediction. For this purpose, the G-equation coupled with a Well-Stirred-Reactor model is applied in RANS. In analogy, in the SI-SRM the combustion is modeled using a two zone model with stochastic mixing between the particles. RANS is used to develop the knock classification methodology and to analyze in detail location, size and shape of the auto-ignition kernels. RANS estimates the ensemble average of the process and therefore cannot reproduce a developing detonation. Hence, Large Eddy Simulation (LES) is used to verify the methodology. Studies using wide ranges of surrogates with different octane rating and cycle-to-cycle variations are carried out using the computationally efficient SI-SRM. Cyclic variations are predicted based on stochastic mixing, stochastic heat transfer to the wall, varying exhaust gas recirculation composition and imposed probability density functions for the inflammation time and the scaling of the mixing time retrieved from RANS. The methodology is verified for spark timing and octane rating. It is shown that the surrogate formulation has an important impact on knock prediction. RANS is suitable to predict the mean strength of auto-ignition in the unburnt gas if the thermodynamic and chemical state of the ignition kernel is analyzed instead of the pressure gradients. The probability of the transition to knocking combustion can be determined. Good agreement between RANS and SI-SRM are obtained. The combination of both tools gives insights of local effects using RANS and the distribution of auto-ignition in the whole pressure range of an operating point using SI-SRM with reasonable computationally cost for development purposes. N2 - Detaillierte Klopfmodelle unterstützen den Entwicklungsprozess zur Optimierung des thermischen Wirkungsgrads von Ottomotoren. Die vorliegende Arbeit diskutiert einen neuen Ansatz zur Bewertung von motorischen Klopfen mittels der Resonanztheorie (Bradley und Kollegen, 2002) für die Nutzung in dreidimensionalen Reynolds-Averaged Navier-Stokes Simulationen (RANS) und im nulldimensionalen Spark Ignition Stochastic Reactor Model (SI-SRM). Hierbei wird die Selbstentzündung in den unverbrannten Gasen direkt untersucht anstatt der resultierenden Druckwelle. Mit Hilfe des Detonationsdiagramms können Selbstzündungsereignisse klassifiziert und der mögliche Übergang zu einer schädlichen, sich aufbauenden Detonation bestimmt werden. Die vorgemischte Verbrennung wird mittels detaillierter Chemie und einer Beschreibung der turbulenten Flammenausbreitung modelliert. Die Verwendung von detaillierter Chemie ermöglicht die Vorhersage physikalischer und chemischer Prozesse, zum Beispiel, abhängig von der Oktanzahl, dem C:H:O-Verhältniss oder der Verdünnung. Für beide Modelle wird die laminare Flammengeschwindigkeit aus Tabellen abgerufen, die unter Verwendung des Reaktionsmechanismus für Ethanol haltige Toluol-Referenzkraftstoffe (ETRF) von Seidel (2017) unter Berücksichtigung der Zusammensetzung des Ersatzkraftstoffes erstellt werden. In den unverbrannten Gasen wir der Reaktionsmechanismus für die Simulation der Selbstzündung genutzt. Zu diesem Zweck wird in RANS die G-Gleichung mit einem Well-Stirred-Reactor (WSR) Modell gekoppelt. In Analogie wird im SI-SRM ein Zwei-Zonen-Modell mit stochastischer Mischung der Partikel verwendet. RANS wird zur Entwicklung der Methodik zur Klopfbewertung und zur detaillierten Analyse von Position, Größe und Form der Selbstentzündungskerne verwendet. RANS liefert ensemble-gemittelte Größen und kann daher eine entstehende Detonation nicht auflösen. Daher wird die Methodik mit Large Eddy Simulationen (LES) verifiziert. Für Studien, die viele verschiede Ersatzkraftstoffe mit unterschiedlichen Oktanzahlen und zyklische Schwankungen untersuchen, wird das SI-SRM aufgrund der kurzen Rechenzeiten genutzt. Zyklische Schwankungen werden basierend auf stochastischem Mischen der virtuellen Partikeln, stochastischem Wärmeübergang zur Wand, variierende Zusammensetzung der zurück geführten Abgase und vorgegeben Verteilungsfunktionen für Entflammung und Mischungszeit modelliert. Die Methodik wurde hinsichtlich der Reaktion auf Zündzeitpunkt und Oktanzahl verifiziert. Die Zusammensetzung des Ersatzkraftstoffs hat einen maßgeblichen Einfluss auf die Vorhersage des motorischen Klopfens. RANS ist geeignet, die mittlere Stärke der Selbstzündung im unverbrannten Gas vorherzusagen, wenn der thermodynamische und chemische Zustand des Zündkerns analysiert wird anstatt des Druckgradientens. Die Wahrscheinlichkeit des Übergangs zu einer sich aufbauenden Detonation (Klopfen) kann bestimmt werden. Die Ergebnisse von RANS und SI-SRM stimmen gut überein. Die Kombination beider Werkzeuge ermöglicht die Untersuchung lokaler Effekte (RANS) und die Verteilung der Selbstzündung über die gesamte Ausdehnung des maximalen Druckes eines Betriebspunktes (SI-SRM) mit vertretbarem rechnerischem Aufwand für den Einsatz in der Motorenentwicklung. KW - Engine knock KW - Detailed chemistry KW - Computational fluid dynamics KW - Stochastic reactor model KW - Resonance theory KW - Motorisches Klopfen KW - Detaillierte Chemie KW - Numerische Strömungssimulation KW - Stochastisches Reaktormodell KW - Resonanztheorie KW - Ottomotor KW - Selbstzündung KW - Numerische Strömungssimulation Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-48771 ER -