Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Modellazione della caratterizzazione di numero di ottani e distillazione di benzine moderne ed ottimizzazione dei loro surrogati per la simulazione CFD di motori operanti con combustioni a bassa temperatura |
|---|---|
| Titolo del progetto di ricerca in inglese | Modeling of the octane number characterization and distillation of modern gasolines and optimization of their surrogates for the CFD simulation of engines operating with low temperature combustion |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Mechanical engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | Al fine di migliorare i vantaggi ottenibili con le modalità di combustione a bassa temperatura nei motori di nuova generazione, è obbligatorio lo studio di strategie di iniezione su misura e la stratificazione spaziale del carburante. La progettazione del surrogato adeguato in grado di imitare il comportamento evaporativo della benzina reale gioca un ruolo chiave. Questa attività riguarda l'implementazione di una metodologia basata sull'apprendimento automatico per ottimizzare la composizione del surrogato al fine di ottenere riproduzioni accurate dell'evaporazione del carburante e del successivo rapporto di equivalenza e stratificazione della temperatura all'interno del cilindro. Poiché l'applicazione di algoritmi comuni sarebbe impossibile, verrà implementata una nuova metodologia bayesiana avanzata. Saranno implementati due sottomodelli dedicati per stimare la volatilità e il numero di ottani delle miscele di tentativo. |
| Descrizione sintetica in inglese | In order to enhance the advantages achievable with Low Temperature Combustion modes such as GCI, HCCI and SACI in next generation engines, the study of tailored injection strategies and fuel spatial stratification inside the combustion chamber is mandatory. The design of the proper surrogate capable to mimic the evaporative behaviour of the real gasoline plays a key role. This activity deals with the implementation of a machine-learning based methodology to optimize the surrogate composition in order to achieve accurate reproductions of the fuel evaporation and the following equivalence ratio and temperature in-cylinder stratification. Since the accurate capture of those features relies on the match of a large number of targets, the application of common algorithms would be awful, thus, a new advanced Bayesian methodology will be implemented. Furthermore, two dedicated sub-models will be implemented to estimate the volatility and the octane rating of the mixture attempts. |
| Data del bando | 30/09/2021 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INGEGNERIA INDUSTRIALE |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| stefania.falfari@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 15/10/2021 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |