Artificial Intelligence-Based Optimization of Hydrogen Engine Combustion Parameters for Improved Efficiency and Reduced Emission

تخيل أن جميع سيارات وشاحنات العالم تعمل حاليًا على نظام غذائي من الوقود الأحفوري، وهو ما يشبه تناول برجر لذيذ ولكن فوضوي يترك بقعة دهنية غنية بالكربون على مستقبل الكوكب. يبحث العلماء يائسين عن قائمة طعام أنظف، وأحد الخيارات الواعدة للغاية هو الهيدروجين. فكر في الهيدروجين كأنه "المياه النقية" في عالم الوقود؛ فعندما يحترق، لا ينفث ثاني أكسيد الكربون (المتسبب الرئيسي وراء تغير المناخ) بل يطلق بدلاً من ذلك بخار ماء غير ضار. إنه يشبه استبدال مخيم دخاني بلهب ساطع ونظيف. ومع ذلك، هناك عقبة: الهيدروجين يشبه "الطفل الجامح". فهو يحترق بسرعة وحرارة شديدتين، مما قد يتسبب في تعثر المحرك، أو حدوث انفجارات عكسية، أو خلق نوع آخر من التلوث يسمى أكاسيد النيتروجين (NOx) لأن الحرارة تصبح عالية جدًا. الأمر يشبه محاولة ترويض صاعقة برق داخل صندوق معدني؛ فإذا لم تتحكم فيها بدقة، فإما أن تخبو أو تنفجر بحرارة مفرطة.

هنا تأتي قصة البحث الجديد. يتساءل العلماء وراء هذه الدراسة: "كيف نعلم محرك الهيدروجين أن يكون طباخًا مثاليًا، يطهو أقصى قدر من الطاقة دون حرق المطبخ؟" تقليديًا، كان اكتشاف ذلك يشبه البحث عن إبرة في كومة قش عبر سحب قطعة واحدة من القش في كل مرة، واختبارها، والأمل في الوصول للنتيلة. إن ذلك يستغرق وقتًا طويلاً، ويكلف ثروة، ويستهلك الكثير من قوة الكمبيوتر. ولكن ماذا لو استطعنا منح المحرك "عقلاً فائقًا" يتعلم من أخطاء الماضي ويعرف فورًا الوصفة المثالية؟ هذا بالضبط ما يستكشفه هذا البحث: استخدام الذكاء الاصطناعي (AI) ليعمل كذلك العقل الفائق، للتنبؤ بأفضل الإعدادات لتشغيل محرك الهيدروجين بكفاءة ونظافة دون الحاجة إلى اختبار كل الاحتمالات في العالم الحقيقي.

الفكرة الكبرى للورقة البحثية: تعليم المحرك كيف يفكر

يقترح الباحثون، وهم فريق من جامعة نانتونغ، طريقة جديدة لضبط محركات الهيدروجين باستخدام "مدرب رقمي" مدعوم بالذكاء الاصطناعي. فبدلاً من الطريقة القديمة القائمة على التجربة والخطأ، فقد اقترحوا إطار عمل يتعلم من البيانات لإيجاد التوازن المثالي بين الحصول على أقصى قدر من الطاقة من الوقود والحفاظ على انخفاض التلوث.

فكر في محرك الهيدروجين مثل سيارة سباق عالية الأداء. لكي تجعلها تسير بسرعة، تحتاج إلى ضبط العديد من الأجهزة في وقت واحد: متى يتم حقن الوقود، ومتى تطلق الشرارة، وكمية الهواء التي يتم خلطها، ومدى جهد المحرك في العمل. إذا أدرت أحد الأجهزة بشكل زائد، فقد يعمل المحرك بشكل غير منتظم أو ينتج الكثير من الضباب الدخاني. وإذا أدرته في الاتجاه الآخر، فقد يتعثر. تشير الورقة إلى أنه من خلال تغذية الكمبيوتر بالكثير من المعلومات حول سلوك المحرك، يمكننا تدريب نموذج ذكاء اصطناعي ليصبح خبير ضبط بارع. هذا الذكاء الاصطناعي لا يخمن فحسب؛ بل يتعلم العلاقات المعقدة والمتعرجة بين كل تلك الأجهزة وأداء المحرك، تمامًا كما يتعلم شخصية في لعبة فيديو المسار الأفضل عبر متاهة من خلال تجربتها آلاف المرات في جزء من الثانية.

كيف فعلوا ذلك: الملعب الرقمي

لم يكتفِ الفريق بمجرد التفكير؛ بل بنوا خارطة طريق خطوة بخطوة لهذا المدرب الذكي. أولاً، جمعوا كمية هائلة من البيانات من التجارب السابقة والمحاكاة الحاسوبية الواردة في الدراسات الموجودة. تضمنت هذه البيانات جميع "المقابض" المهمة في المحرك، مثل:

• توقيت الحقن: متى يتم رش وقود الهيدروجين.
• توقيت الإشعال: متى تطلق شمعة الاحتراق الشرارة.
• نسبة الهواء إلى الوقود: كمية الهواء المختلطة بالهيدروجين.
• سرعة المحرك وحمله: مدى سرعة دوران المحرك ومدى الجهد الذي يبذله.

كما نظروا أيضًا إلى النتائج التي أرادوا تحسينها: الكفاءة الحرارية للمكابح (BE)، وهي ببساطة درجة تقيس مدى جودة تحويل المحرك للوقود إلى طاقة مفيدة، وانبعاثات أكاسيد النيتروجين (NOx)، وهي المواد الضارة التي تتكون عندما ترتفع الحرارة كثيرًا.

بعد ذلك، استخدموا عملية تسمى "المعالجة المسبقة للبيانات". تخيل أن لديك صندوقًا من قطع الليغو، لكن بعضها مكسور، وبعضها مفقود، وجميعها ذات أحجام مختلفة. قبل أن تتمكن من بناء قلعة، يجب عليك فرزها، وإصلاح المكسور منها، والتأكد من أنها تتناسب مع بعضها البعض. قام الفريق بتنظيف بياناتهم وتنظيمها، وتقسيمها إلى مجموعة "تدريب" (70-80% من البيانات) لتعليم الذكاء الاصطناعي، ومجموعة "اختبار" (20-30%) لمعرفة ما إذا كان الذكاء الاصطناعي قد تعلم أي شيء بالفعل.

ثم جاء السحر: لقد بنوا نماذج تعلم الآلة. جربوا أنواعًا مختلفة من "أدمغة" الذكاء الاصطناعي، بما في ذلك الشبكات العصبية الاصطناعية (التي صُممت لتعمل بشكل يشبه الدماغ البشري مع طبقات من الخلايا العصبية المتصلة)، وانحدار متجه الدعم (Support Vector Regression)، وغيرها مثل "الغابة العشوائية" (Random Forest) و"XGBoost". تم تغذية هذه النماذج ببيانات التدريب وطُلب منها التنبؤ بما سيحدث إذا غيرنا إعدادات المحرك. كان الهدف هو معرفة أي نموذج ذكاء اصطناعي يمكنه التنبؤ بسلوك المحرك بأعلى دقة، باستخدام مقايسات مثل R² (مقياس لمدى مطابقة التنبؤ للواقع) و RMSE (مقياس لمدى بعد التنبؤ عن الواقع).

النتائج: المدرب الذكي يظهر إمكاناته

بمجرد تدريب نماذج الذكاء الاصطناعي، وضعها الفريق قيد العمل. طلبوا من الذكاء الاصطناعي العث على "النقطة المثالية"—وهي التركيبة المثالية من الإعدادات التي ستجعل المحرك يعمل بأقصى كفاءة ممكنة مع الحفاظ على انخفاض انبعاثات أكاسيد النيتروجين (NOx) إلى أدنى حد.

كانت النتائج واعدة. توضح الورقة أن النهج المدعوم بالذكاء الاصطناعي لديه القدرة على التنبؤ بأداء المحرك بدقة عالية، بما يتوافق جيدًا مع البيانات من الدراسات الحالية. وفي عالم ضبط المحركات، يعد هذا أمرًا كبيرًا لأنه يعني أننا يمكننا تخطي العملية المكلفة والمستهلكة للوقت لبناء واختبار مئات النماذج الأولية المادية. بدلاً من ذلك، يمكن للذكاء الاصطناعي محاكاة آلاف السيناريوهات في لمح البصر.

تشير الدراسة إلى أنه باستخدام أدوات الذكاء الاصطناعي هذه، يمكن للإطار العملي تحديد إعدادات معينة لأشياء مثل توقيت حقن الهيدروجين وتوقيت الإشعال التي من شأنها تحسين كفاءة المحرك. على سبيل المثال، استطاع الذكاء الاصطناعي تحديد الوقت الدقيق لإطلاق الشرارة بحيث يحترق الهيدروجين تمامًا، مما يعطي أقصى قدر من الطاقة دون إهدار الوقود. كما وجد طرقًا للحفاظ على درجة حرارة الاحتراق مناسبة تمامًا—ساخنة بما يكفي لتكون فعالة، ولكن ليست ساخنة جدًا لدرجة تؤدي إلى خلق تلوث مفرط بأكاسيد النيتروجين.

أحد أروع المفاهيم التي قدمتها الورقة هو فكرة التوأم الرقمي (Digital Twin). تخيل أن لديك نسخة افتراضية مثالية لمحرك حقيقي تعمل على شاشة الكمبيوتر. هذا التوأم الرقمي متصل بالمحرك الحقيقي عبر أجهزة استشعار. وبينما يعمل المحرك الحقيقي، يراقب الذكاء الاصطناعي التوأم الرقمي، ويتعلم من سلوكه، ويخبر المحرك الحقيقي فورًا بتعديل إعداداته للبقاء في "النقطة المثالية". قد يؤدي هذا إلى محركات تتكيف مع حركة المرور، أو الطقس، أو جودة الوقود في الوقت الفعلي، وتعمل دائمًا عند ذروة أدائها.

ماذا يعني هذا للمستقبل

تخلص الورقة إلى أنه بينما تعد محركات الهيدروجين فكرة رائعة لمستقبل نظيف، إلا أنها صعبة التحكم. الطرق التقليدية بطيئة للغاية وصلبة للغاية للتعامل مع الطبيعة المعقدة وسريعة التغير لاحتراق الهيدروجين. ومع ذلك، يشير هذا البحث إلى أن الذكاء الاصطناعي يقدم أداة جديدة قوية. إنه ليس عصا سحرية تحل كل شيء فورًا، ولكنه وسيلة فعالة للغاية لتسريع تطوير محركات أفضل.

ويلاحظ المؤلفون بعناية أن نتائجهم تستند إلى نماذج ومحاكاة باستخدام بيانات موجودة، وأن الخطوة التالية هي التحقق من صحة هذه الأفكار في تجارب من العالم الحقيقي. ويقترحون أن العمل المستقبلي يجب أن يركز على وضع أنظمة الذكاء الاصطناعي هذه في وحدات تحكم المحركات الفعلية، واستخدام تقنيات أكثر تقدمًا، مثل التعلم العميق، لجعل المحركات أكثر ذكاءً.

باختصار، ترسم هذه الورقة صورة لمستقبل لا تعمل فيه سياراتنا بالوقود النظيف فحسب، بل تعمل أيضًا بإدارة وقود "ذكية". فمن خلال ترك الذكاء الاصطناعي يقوم بالعمل الشاق المتمثل في تحديد إعدادات المحرك المثالية، قد نحصل فقط على نظام نقل عالي الأداء وخالٍ من الانبعاثات كما كنا نحلم به، دون الاضطرار للانتظار عقودًا من الزمن لمعرفة ذلك عن طريق التجربة والخطأ.