• CFD
• Combustione
• Detonazione
• LES
• Motore

Negli ultimi anni le sempre più stringenti normative anti inquinamento e la necessità di ridurre i consumi di combustibile stanno innalzando sempre più gli obiettivi da raggiungere in termini di efficienza e prestazione specifica dei motori a combustione interna.
Nei moderni motori ad accensione comandata tali target possono essere raggiunti solo portando il motore a lavorare in condizioni il più possibile prossime all’insorgenza della detonazione evitando tuttavia che tale fenomeno distruttivo si verifichi. Tale obiettivo è reso ancor più complesso se si considera la stretta dipendenza tra variabilità ciclica e detonazione stessa. La probabilità di incorrere nell’insorgenza di combustioni anomale porta ad allontanare il punto di funzionamento del motore dall’ottimo in termini di fasatura ed efficienza di combustione tramite una generale riduzione degli anticipi di accensione e arricchimento della miscela, entrambe strategie molto utilizzate per evitare che la detonazione si verifichi.
Dal punto di vista della modellazione, la natura stocastica della detonazione, dovuta all’instabilità del processo di combustione e delle strutture di moto turbolente all’interno del cilindro, suggerisce la LES (Large Eddy Simulation) come la migliore metodologia CFD per la simulazione di tale fenomeno. Nonostante questa conclusione sia concettualmente corretta e diversi studi presenti in letteratura mostrino le elevate potenzialità della simulazione LES in tale ambito, quest’ultima fatica ancora ad entrare a far parte del processo di progettazione e ottimizzazione dei moderni motori a combustione interna a causa principalmente dell’elevato costo computazionale. Pertanto sono ben più diffuse nell’industria metodologie basate sulla soluzione di equazioni mediate di tipo RANS meno onerose sia dal punto di vista del costo computazionale che in termini di time-to-solution, in grado di fornire importanti informazioni riguardanti il comportamento medio del motore. Diversi sono i modelli in grado di predire l’insorgenza della detonazione in ambiente RANS disponibili ma tutti soffrono dell’impossibilità, intrinseca nell’approccio RANS, di predire realizzazioni lontane dalla media trascurando quindi completamente la natura stocastica del fenomeno.
Questa limitazione può essere in parte superata aggiungendo alle analisi RANS equazioni in grado di tener conto della varianza delle variabili fisiche fondamentali come la composizione del gas o la temperatura che a loro volta impattano sulla reattività degli end-gas e quindi sull’insorgenza della detonazione. L’informazione aggiuntiva data da questo genere di modelli è di natura statistica e basata sull’ipotesi che la varianza dei campi fisici prodotta dalla variabilità delle strutture di moto è legata in qualche modo alle grandezze turbolente. A differenza dell’approccio LES questi modelli non tengono in alcun modo in considerazione alcuni dei principali fattori che promuovono la variabilità ciclica come la variabilità nel processo di accensione e di propagazione del fronte di fiamma né sono pertanto in grado di simularla. Tuttavia sono in grado di ricostruire artificialmente una probabilità di detonazione che costituisce un’informazione aggiuntiva molto utile nel processo di ottimizzazione e progettazione del motore.
In questo lavoro di tesi verranno valutate le potenzialità di entrambe le metodologie RANS e LES nella simulazione della detonazione, in particolare i risultati ottenuti sia su motori di produzione che da ricerca con entrambi gli approcci verranno confrontati con gli esperimenti e con i risultati ottenuti con un modello di detonazione statistico recentemente sviluppato. L’obiettivo è valutare le potenzialità di tale approccio innovativo nel colmare il gap esistente tra la natura stocastica del fenomeno fisico e la rappresentazione media di quest’ultimo predetta dall’approccio RANS.

In the latest years pollutant regulations and fuel consumption concerns are pushing engine manufacturers towards the quest for higher thermal efficiency and specific power output from internal combustion engines. The maximum allowable specific performance, in modern spark ignited units, can be obtained only operating the engine as close as possible to engine knock without incurring in the harmful knock onset. This task is even more complex given the highly stochastic nature of turbulent engine flows, leading to cycle-to-cycle variability (CCV) and to random occurrence / cycle-dependency of knock. Abnormal combustion events hinder the possibility to operate at the engine theoretical optimum combustion phasing due to sporadic yet damaging knocking events. In order to consider the stochastic nature of knock and ensure engine durability, knock mitigation strategies such as spark advance reduction and mixture fuel-enrichment are employed, but these in turn negatively affect engine efficiency and fuel consumption. From a modelling standpoint, the stochastic nature of engine knock, related to combustion instability and cycle-to-cycle variability of turbulent flows, would suggest Large-Eddy Simulation (LES) as the most appropriate approach for CFD simulations. Despite this is conceptually true and several publications show the applicability of LES to both research and production units, LES still remains a very time and CPU demanding approach which can hardly be integrated in the industrial design process and timeframe for the development of new SI units. To limit computational costs and times, RANS models are usually chosen to represent the average engine behavior. Different knock models are available in literature to predict the average knock tendency of the engine though they all suffer from the intrinsic inability to account for far-from-average realizations inherently conflicting anyway with the stochastic nature of knock. This limitation can be overcome by the addition of variance equations for fundamental physical variables in the RANS framework. The information given by this kind of models is of statistical nature and it is grounded in turbulence generated variance of physical fields, which in turn affects the end-gas reaction rate towards autoignition. Conversely from LES, these models naturally neglect a series of CCV-promoting factors, e.g. those pertaining to variability in spark-ignited flame kernel onset and turbulent flame propagation variability. However, such statistics-based RANS models are able to artificially reconstruct a presumed probability of knocking cycles, which can be a very useful indication to the engine designer. In this thesis work the performance of both RANS and LES CFD methods for knock prediction is assessed with the aim to underline pros and cons of the two different approaches in both current production and research units. In particular results from standard RANS and LES knock models are compared with the results from a recently developed turbulence-based statistical knock model and experiments in order to highlight the potential of statistical models in bridging the gap between the physical stochastic nature of knock and the “average” CPU efficient knock prediction in RANS.