PRIN 2022 招标公告。2022年2月2日第104号决定
项目标题：面向重型应用的 LP-DI 氢发动机开发数字孪生技术（DHYCE-HD）
CODICE CUP: D53D23004150006
巴里理工大学预算：€ 148.702
研究单位负责人：Pietro De Palma 教授
其他研究单位：米兰理工大学（Gianluca D’Errico 教授）
项目简要说明
DHYCE-HD 项目（面向重型应用的 LP-DI 氢发动机开发数字孪生技术）旨在通过构建面向氢燃料内燃机的先进数值框架，加速向零排放推进系统的转型。
该项目分为不同的工作包（WP），促进了米兰理工大学和巴里理工大学两个研究团队之间的合作。米兰理工大学团队主要负责开发可靠的数值方法，该方法将构成数字孪生系统的支撑框架。研究活动重点在于发展和集成先进的一维（1D）与三维计算流体力学（CFD）仿真工具，尤其是 Gasdyn 和 LibICE 代码。这些工具经过强化，以应对氢燃烧所特有的复杂特性，例如极高的火焰速度、较低的点火能量以及宽泛的可燃范围。
巴里理工大学负责实施无振荡数值方法（WENO）。这些高阶精度格式对于捕捉高速氢射流所特有的复杂激波和不连续性至关重要，可显著提升仿真的稳健性和精确性。
主要研究活动包括对配备氢气直喷（H₂-DI）系统的重型发动机开展并行研究。该分析针对多个运行工况进行，并将成熟的建模方法与新开发的方法进行对比。最后，通过利用文献中现有的实验数据，对整个数值框架进行严格验证，以确保 DHYCE-HD 平台的预测能力在工业应用中准确且可靠。
目标
确定低压直喷（LP-DI）氢发动机在重型应用中的主要优势与不足。
加强氢燃料发动机技术方面的专业知识，尤其涉及：a) 发动机内氢气直接喷射及随后混合气形成的复杂物理过程；b) 氢气喷射压力与流量，以及喷油器位置和几何结构对发动机效率及排放的影响；c) 预混空气-氢气混合物的湍流燃烧，包括分层工况，并确定稀燃极限和爆震风险；d) 气缸内氮氧化物的形成及其减排策略；
开发快速且精确的 CFD 方法，用于氢气直喷（DI）发动机，并基于可供未来研究活动使用的开源技术；
定义一种面向重型应用的 LP-DI 氢发动机虚拟配置，实现高效率和低 NOx 排放。
预期主要成果：
编写一份关于氢作为内燃机燃料应用现状的最新报告；
定义用于 CFD 代码和 1D 模型的层流燃烧速度关联式；
掌握氢喷射、混合与燃烧的基本知识，包括对高精度数值格式的评估；
定义一种专门针对氢 LP-DI 发动机开发的高精度数值方法；
评估经涡轮增压和优化的虚拟氢 LP-DI 发动机在稳态和瞬态运行条件下的性能、燃料消耗及排放；
评估喷射开始时刻和点火提前角对稀薄燃烧条件下早燃及 NOx 排放的影响；
构建氢 LP-DI 发动机燃烧室的数字孪生模型，证明采用零碳排放燃料实现效率和排放方面突破性性能的可行性；
为制造“绿色”氢发动机提供详细的技术信息，并在欧洲和意大利向可持续经济生态转型的背景下，对交通与能源领域产生重要的经济和社会影响。
取得的成果
巴里理工大学研究单元（RU）取得了显著成果，开发并验证了用于氢喷射与混合的高保真数值方法。具体而言，高阶 WENO 格式的实施实现了对欠膨胀氢射流的精确解析，能够以高于传统格式的精度捕捉复杂激波结构、氢射流不稳定性以及混合动力学。这些进展代表着应对直喷式氢发动机主要难题的重要突破，即在高度可压缩流动条件下实现空气与燃料的快速、高效混合。
与此同时，还开发了层流燃烧速度的解析关联式以及用于自燃预测的表格化动力学方法，为在 1D 和 3D 模拟中预测燃烧与爆震提供了稳健且计算高效的模型。
经验证的数值框架已扩展至整个发动机循环的三维CFD模拟。此外，还开发并验证了一种可靠的1D–3D耦合方法，并将其与氢燃料发动机的实验数据进行了对比，证明该方法能够准确再现缸内压力的演变、流动结构及湍流特性。此外，还对氢燃料配置下的混合气形成与燃烧过程进行了详细分析。
WENO方法已成功应用于所研究内燃机的完整三维模拟。研究分析了三种运行工况，其特征是在恒定喷射压力下具有不同的氢气喷射起始时刻（SOI = 540、630和660 CAD）。该工作实现了对高阶数值格式在真实发动机运行条件下预测缸内喷射、混合及流动演化现象方面影响的直接评估。结果证实，基于WENO的方法在捕捉显著梯度、激波相互作用和分层效应方面具有更强的能力，从而提高了CFD模拟的预测可靠性，并直接助力于高保真数字孪生体的开发。
总体而言，这些成果为氢内燃机领域的未来发展提供了坚实的科学与技术基础，并推动了面向重型车辆领域的零碳排放推进技术进步。
