Development of an optimization framework integrating gasdyn for tuning internal combustion engine parameters to enhance performance

The increasing demand for fuel efficiency and environmental protection presents notable challenges in the design of Internal Combustion Engines(ICEs). ICEs are very complex systems, and developing them involves more experimental testing, which is time-consuming and costly. To accelerate this process, various programs have been developed that apply statistical methods such as the Design of Experiments (DoE) to reduce the number of physical tests necessary for effective tuning. This description includes this present thesis, which introduces an optimization framework engine_optimizer, written in Python language that integrates the fluid dynamics simulator Gasdyn and aims to identify the optimal engine parameters using the Mesh Adaptive Direct Search(MADS) algorithm that enhances the performance while minimizing the need for experimental validation. This tool was then used for the design of a single-cylinder engine of a motorcycle focusing on Intake Duct Sizing Optimisation which analyzed and optimized the intake duct length to enhance airflow and engine efficiency and another for Variable Valve Timing (VVT) optimization where the valve timing at various operating points were optimized to enhance combustion efficiency and reduced emissions. By simulating the engine with the optimized intake duct dimensions and VVT settings, significant improvements were observed in performance metrics with slightly considerable technical trade-offs. These operations underscore the value of using simulation-based optimization tools in engine design as they not only accelerate the design process but also reduce costs by minimizing the dependence on physical prototypes and experimental testing.

L’aumento della domanda di efficienza nei consumi e di tutela ambientale rappresenta una sfida significativa nella progettazione dei motori a combustione interna (ICE). I motori ICE sono sistemi molto complessi, il cui sviluppo richiede numerosi test sperimentali, spesso costosi e dispendiosi in termini di tempo. Per accelerare questo processo, sono stati sviluppati diversi programmi che applicano metodi statistici come il Design of Experiments (DoE), al fine di ridurre il numero di test fisici necessari per una calibrazione efficace. Questa descrizione introduce la presente tesi, che propone un framework di ottimizzazione chiamato engine_optimizer, scritto in linguaggio Python, che integra il simulatore di fluidodinamica Gasdyn e mira a identificare i parametri ottimali del motore utilizzando l’algoritmo Mesh Adaptive Direct Search (MADS), migliorando così le prestazioni del motore e riducendo la necessità di validazione sperimentale. Questo strumento è stato poi applicato alla progettazione di un motore monocilindrico per motocicli, concentrandosi sull’ottimizzazione della lunghezza del condotto di aspirazione, per migliorare il flusso d’aria e l’efficienza del motore, e sull’ottimizzazione del Variable Valve Timing (VVT), in cui la fasatura delle valvole è stata ottimizzata in diversi punti di funzionamento per aumentare l’efficienza della combustione e ridurre le emissioni. Simulando il motore con le dimensioni ottimizzate del condotto di aspirazione e i settaggi VVT ottimizzati, sono stati osservati miglioramenti significativi nei parametri prestazionali, con alcuni compromessi tecnici comunque accettabili. Queste operazioni sottolineano il valore degli strumenti di ottimizzazione basati su simulazione nella progettazione dei motori, in quanto non solo accelerano il processo progettuale, ma riducono anche i costi grazie alla minore dipendenza da prototipi fisici e test sperimentali.