Development and validation of a parametric optimization tool for internal combustion engines based on Gasdyn

Traditional internal combustion engine calibration extensively relies on experimental test benches and expensive Design of Experiments (DoE) matrices, which are heavily constrained by time, cost, and increasingly stringent environmental regulations. While 1D fluid dynamics simulation tools like Gasdyn offer an accurate, physics-preserving alternative to empirical setups, they often require external standalone scripting architectures to run optimization loops. This thesis presents the development, structural implementation, and multi-variable validation of an embedded parametric optimization tool integrated directly within the Gasdyn 1D simulation software suite. The software architecture is built on a multi-hierarchical modular framework using Python. It offers generality by using a parametric approach to optimization problems that can be implemented to almost every variable inside Gasdyn and modularity by implementing new functionalities through auxiliary python classes. The tool implements two primary optimization schemes: a highly modified, discrete Mesh Adaptive Direct Search (MADS) algorithm that uses dynamic polling direction sets based on historical vectors of success, and a commercial genetic algorithm (SciPy's Differential Evolution). Both are adapted to respect distinct physical parameter accuracies via general rounding methods. Additionally, an exterior penalty function method was incorporated to effectively enforce complex mechanical and environmental pollutant emissions constraints. Computational efficiency is prioritized through an automated dictionary-based cache system and user-defined stagnation limits. Validation campaigns were executed using a rapid-simulation single-cylinder engine model at 6000 rpm and an experimentally verified V12 Lamborghini engine model across operating spectra from 1000 to 8000 rpm. The framework successfully optimized continuous variables (Variable Valve Timing and spark advance strategies) and handled binary variables (opening and closing of duct length modifying elements). After the application of full calibration trajectory (variable valve timing, spark timing and intake duct length) the algorithm achieved an average increase of 5.6% and 6.5% for volumetric efficiency and torque respectively. The tool was successful at showing its capacity of being used for general optimization problems including highly complex ones that mix discrete and continuous variables and offers an initial robust framework for further developments that generalize even more its use.

La calibrazione dei motori a combustione interna si basa tradizionalmente in modo estensivo su banchi prova sperimentali e costose matrici di “Design of Experiments” (DoE), fortemente limitati da tempi, costi e normative ambientali sempre più stringenti. Sebbene gli strumenti di simulazione fluidodinamica 1D come Gasdyn offrano un'alternativa accurata e fisica ai setup empirici, essi richiedono spesso architetture di scripting esterne e standalone per eseguire i cicli di ottimizzazione. Questa tesi presenta lo sviluppo, l'implementazione strutturale e la validazione multivariabile di uno strumento di ottimizzazione parametrica integrato direttamente all'interno della suite software di simulazione 1D Gasdyn. L'architettura software è sviluppata su un framework modulare multi-gerarchico in Python. Essa offre generalità grazie all'utilizzo di un approccio parametrico ai problemi di ottimizzazione, applicabile a quasi tutte le variabili interne a Gasdyn, e modularità attraverso l'implementazione di nuove funzionalità tramite classi Python ausiliarie. Lo strumento implementa due schemi di ottimizzazione principali: un algoritmo “Mesh Adaptive Direct Search” (MADS) discreto e altamente modificato, che utilizza vettori direzionali di polling dinamici basati sullo storico dei punti di successo, e un algoritmo genetico commerciale (Differential Evolution di SciPy). Entrambi sono adattati per rispettare le specifiche tolleranze e risoluzioni fisiche dei parametri tramite metodi generali di arrotondamento. Inoltre, è stato incorporato un metodo con funzione di penale esterna per vincolare efficacemente i complessi limiti meccanici e di emissione degli inquinanti ambientali. L'efficienza computazionale è prioritaria grazie a un sistema di cache automatizzato basato su dizionari e a limiti di stagnazione definiti dall'utente. Le campagne di validazione sono state eseguite utilizzando un modello di motore monocilindrico a simulazione rapida a 6000 giri/min e un modello di motore V12 Lamborghini verificato sperimentalmente su uno spettro operativo da 1000 a 8000 giri/min. Il framework ha ottimizzato con successo variabili continue (strategie di “Variable Valve Timing” e anticipo d'accensione) e ha gestito variabili binarie (apertura e chiusura di elementi di modifica della lunghezza dei condotti). In seguito all'applicazione dell'intera traiettoria di calibrazione (fasi valvole, anticipo d'accensione e lunghezza dei condotti di aspirazione), l'algoritmo ha ottenuto un aumento medio del 5.6% per il rendimento volumetrico e del 6.5% per la coppia motrice. Lo strumento ha dimostrato con successo la sua capacità di essere impiegato per problemi di ottimizzazione generale, compresi quelli altamente complessi che combinano variabili discrete e continue, offrendo un solido framework iniziale per futuri sviluppi volti a generalizzarne ulteriormente l'utilizzo.