SwRI automatise l'étalonnage des émissions des poids lourds

Le Southwest Research Institute (SwRI), une organisation indépendante à but non lucratif qui mène des activités de recherche et de développement appliquées pour des clients gouvernementaux et industriels, a annoncé avoir développé une méthode pour automatiser l'étalonnage des systèmes de contrôle des émissions des camions diesel lourds à l'aide de l'apprentissage automatique et de l'optimisation basée sur des algorithmes.

Le Southwest Research Institute a utilisé des outils d'apprentissage automatique pour calibrer automatiquement les systèmes SCR tout en affinant les commandes afin de réduire les émissions globales de NOx et d'ammoniac à l'échappement. (Source : Southwest Research Institute)

Les systèmes de post-traitement des gaz d'échappement diesel les plus récents nécessitent souvent des semaines de calibration. La nouvelle méthode du SwRI permettrait de les calibrer en seulement deux heures.

« L’étalonnage manuel des systèmes de réduction catalytique sélective (SCR) est une tâche fastidieuse qui nécessite souvent six semaines, voire plus, de tests et de travail », explique Venkata Chundru, ingénieur de recherche principal au sein de la section des algorithmes avancés du SwRI. « En combinant modélisation avancée et optimisation automatisée, nous pouvons accélérer l’étalonnage et améliorer les performances du système tout en garantissant sa conformité aux futures normes. »

De nouvelles normes de l'Agence américaine de protection de l'environnement (EPA) et du California Air Resources Board (CARB) entreront en vigueur en 2027. Elles régiront la quantité d'oxydes d'azote (NOx) qu'un véhicule peut émettre en fonction de l'énergie consommée. Le SwRI a mené à bien plusieurs projets visant à améliorer les technologies automobiles existantes, les rendant ainsi conformes, voire supérieures, aux nouvelles normes.

Dans la continuité de ces travaux, la division Ingénierie des groupes motopropulseurs du SwRI a mis au point une méthode d'automatisation du calibrage des systèmes SCR pour moteurs diesel. La plupart des systèmes SCR contrôlent les émissions du moteur grâce à une solution à base d'ammoniac, comme le fluide d'échappement diesel à base d'urée, injectée dans le flux d'échappement. Les gaz d'échappement ainsi dosés interagissent avec un catalyseur, provoquant une réaction chimique qui transforme les NOx en eau et en azote, deux composés inoffensifs.

L'équipe du projet a créé un modèle d'apprentissage automatique basé sur un réseau neuronal et intégrant les principes de la physique. Ce modèle, qui tire parti des données et des lois physiques, permet d'obtenir des résultats plus rapides et plus précis. Grâce à des simulations d'un système SCR actif, l'équipe a pu optimiser le dosage d'urée afin de réduire les émissions globales de NOx et d'ammoniac et identifier rapidement les réglages optimaux pour les moteurs. Le modèle a ensuite appris à identifier ces réglages et à modéliser les processus d'étalonnage, permettant ainsi une automatisation complète.

« Comparée à l’étalonnage manuel, la méthode que nous avons mise au point a permis d’obtenir des délais d’étalonnage plus courts et une meilleure efficacité de conversion des NOx, entre autres avantages », a déclaré Chundru. « Elle nous offre une solution évolutive et économique pour les futures applications industrielles. »