Sei sulla pagina 1di 484

Lezione 1 (Rizzo) 7/03/2017

Metodi di analisi quantitativa nelle macchine


Si prenda come riferimento il ciclo Joule reale di un impianto a gas:

Figura 1

Il rendimento adiabatico di compressione è in genere pari al rendimento adiabatico


di espansione. Quando il rendimento adiabatico è unitario (ciclo ideale) il rendimento
complessivo del ciclo cresce sino a tendere al rendimento di Carnot (cresce
monotonicamente). Quando invece i rendimenti adiabatici si abbassano la curva del
rendimento parte da zero raggiunge un massimo e ritorna a zero. Si supponga di
avere due curve la prima in colore rosso e la seconda in colore ciano, ottenute per
due valori di rendimento adiabatico differenti: 0.85 e 0.90, pertanto c’è una differenza
del 5%; in tal caso il rendimento complessivo dell’impianto passa da 0.30 a 0.40
aumentando del 25 %. Ciò fa capire che, molto spesso, anche una piccola variazione
nella stima del rendimento di un componente meccanico (ad esempio turbina e/o
compressore) può comportare una variazione significativa sul rendimento
dell’impianto complessivo. È dunque necessario stimare correttamente queste
grandezze giacché l’errore fatto su quel dato si va a moltiplicare quando lo si proietta
su tutto l’impianto: un’approssimazione dell’1 % sulla stima iniziale può trasformarsi
un errore molto elevato (anche del 15 % sul risultato finale).
Com’è noto la potenza lorda impegnata, misurata in 𝑀𝑊, degli impianti termoelettrici
(impianti a vapore, impianti a gas, …) al 2001 è pari a 26628 𝑀𝑊. Si supponga di
aumentare il rendimento degli impianti di produzione da 0.40 a 0.41. Il rendimento
globale si definisce nella maniera seguente:
𝑃𝑢
𝜂𝑔 =
𝑚̇ 𝑐 ∙ 𝐻𝑖
Dove:
𝑃𝑢 = 𝑝𝑜𝑡𝑒𝑛𝑧𝑎 𝑢𝑡𝑖𝑙𝑒
𝑚̇ 𝑐 = 𝑝𝑜𝑟𝑡𝑎𝑡𝑎 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒 (𝑐𝑜𝑛𝑠𝑢𝑚𝑜)
𝐻𝑖 = 𝑝𝑜𝑡𝑒𝑟𝑒 𝑐𝑎𝑙𝑜𝑟𝑖𝑓𝑖𝑐𝑜 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟𝑒

1
È possibile dunque ricavare la portata di combustibile (consumo) dalla precedente
relazione:
𝑃𝑢
𝑚̇ 𝑐 =
𝐻𝑖 ∙ 𝜂𝑔
Per cui volendo valutare la differenza di portata massica di combustibile (risparmio
di combustibile) si avrà (𝐻𝑖 = 42 𝑀𝐽/𝑘𝑔):
𝑃𝑢 𝑃𝑢 26628 26628
𝛥𝑚̇ 𝑐 = − = − = 38 𝑘𝑔/𝑠
𝐻𝑖 ∙ 𝜂𝑔 𝐻𝑖 ∙ (𝜂𝑔 + 𝛥𝜂𝑔 ) 42 ∙ 0.40 42 ∙ (0.40 + 0.01)
= 3283 𝑡/𝑔 = 1182 ∙ 106 𝑡/𝑎𝑛𝑛𝑜
Da questo esempio si evince che una variazione minima dell’1% comporta un
risparmio notevole in termini di combustibile (piccoli errori di valutazione possono
comportare grandi effetti, per tale motivo è necessario essere precisi nel calcolo del
rendimento o di qualsiasi altra grandezza di interesse, soprattutto quando si tratta di
impianti con costi elevati).
Il limite dei modelli analitici semplificati utilizzati per la descrizione di molti fenomeni
fisici, consiste in una rappresentazione troppo approssimativa della realtà. Un
esempio è rappresentato dallo studio delle turbomacchine in cui si fa molto spesso
ricorso all’ipotesi di flusso monodimensionale (un unico valore di tutte le proprietà
termofluidodinamiche relative ad una sezione); tale ipotesi funziona abbastanza
bene quando il fluido è ben guidato dalla palettatura (ad esempio nelle turbine di alta
e media pressione dove le palette sono abbastanza numerose e le palette sono
abbastanza basse). È evidente che volendo guidare in maniera adeguata il fluido ed
ottenere un flusso monodimensionale basterebbe realizzare le palette molto vicine:
tuttavia aumentando il numero delle palette aumenta anche l’attrito tra fluido e
macchina nonché l’ingombro. Tuttavia nella zona di bassa pressione l’ipotesi di
flusso monodimensionale cade essendo la paletta molto alta: in tal caso non è
possibile supporre che le condizioni di flusso all’interno della palettatura sono definite
unicamente da quello che accade nel baricentro; in tal caso il raggio del punto più in
alto della paletta è circa il doppio di quello più in basso, quindi a parità di velocità di
rotazione anche la velocità periferica nei due punti sarà differente (in alto sarà il
doppio rispetto a quella in basso); inoltre anche i triangoli di velocità costruiti non
sono più assimilabili al valore medio perché c’è una differenza sostanziale tra il valore
minimo e il valore massimo: volendo valutare ciò che accade più precisamente è
necessario abbandonare l’ipotesi di flusso monodimensionale.

2
Figura 2

Un altro esempio è rappresentato dalla turbina idraulica Kaplan (turbina a flusso


assiale giacché nel rotore il fluido entra ed esce in direzione prevalentemente
assiale), in cui le pale hanno la possibilità di orientarsi; in tal caso le pale sono poche
e molto distanti tra loro ed è dunque difficile ipotizzare che sia in funzione del raggio
che in funzione della distanza tra una pala e l’altra tutto il flusso sia uniforme e
assimilabile a quello di un’ipotetica linea media (è una geometria piuttosto ampia e
dunque accadono cose molto più complesse).

Figura 3

È inoltre opportuno tenere presente che il fatto che due modelli differenti applicati
nello stesso punto di lavoro (a parità di condizioni) diano risultati simili non vuol dire
che tali modelli siano identici. Per esempio considerando il modello completo di
Navier-Stokes e quello di Eulero (in cui non si tiene conto della presenza delle forze
viscose) per valutare il flusso all’interno di una turbina, nel caso in cui essa lavori
nelle condizioni di progetto (portata e regime di giri assegnati da progetto:
funzionamento ottimizzato) i modelli forniscono il medesimo risultato e dunque sono
entrambi validi (essi prevedono in maniera corretta il fenomeno); tuttavia in un punto
diverso da quello di progetto, il modello più semplice (modello di Eulero) quasi non
si accorge delle variate condizioni operative prevedendo un flusso sostanzialmente
simile a quello di progetto, mentre il modello completo di Navier-Stokes, mette in
evidenza la formazione di vortici e lo sviluppo di un moto turbolento. In altre parole,
3
modelli di vario livello di complessità, possono portare a risultati simili per alcune
condizioni operative, ma completamente differenti in altre condizioni (in quest’ultimo
caso è valido il modello più dettagliato e dunque più complesso, ovvero Navier-
Stokes). Il vero problema è riuscire a capire qual è il livello di semplificazione adatto
per un determinato caso.
Un altro esempio di forte approssimazione è rappresentato dal calcolo del
rendimento nel motore alternativo a combustione interna operante secondo il ciclo
Otto (motore benzina). Nel caso ideale, a partire dai seguenti dati:
𝑇1 = 300 𝐾 (𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑖𝑛𝑖𝑧𝑖𝑎𝑙𝑒)
𝜌 = 10 (𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑑𝑖 𝑐𝑜𝑚𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑣𝑜𝑙𝑢𝑚𝑒𝑡𝑟𝑖𝑐𝑜 )
𝑘 = 1.4
È possibile valutare le temperature di fine compressione (𝑇2 ) e di fine adduzione di
calore (𝑇3 ) diverse temperature:
𝑇2 = 𝑇1 ∙ 𝜌𝑘−1 = 300 ∙ 101.4−1 = 753.6
𝑇3 = 4414 𝐾
Inoltre si può valutare il rendimento del ciclo ideale attraverso la seguente relazione:
1 1
𝜂𝑖𝑑 = 1 − =1− = 0.6
𝜌𝑘−1 101.4−1
Nel caso reale la temperatura massima non è così elevata ed anche il rendimento si
abbassa notevolmente; in tal caso è necessario analizzare la catena dei rendimenti:
𝜂𝑔 = 𝜂𝑏 ∙ 𝜂𝑟 ∙ 𝜂𝑚 = 0.20 ÷ 0.35

𝜂𝑏 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑜𝑛𝑒
𝜂𝑟 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑟𝑒𝑎𝑙𝑒
𝜂𝑚 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑚𝑒𝑐𝑐𝑎𝑛𝑖𝑐𝑜

Il rendimento 𝜂𝑏 è quello di combustione e tiene conto della parziale conversione


dell’energia chimica iniziale in energia termica.
Il rendimento 𝜂𝑟 è il rendimento reale che tiene conto del fatto che non tutta l’energia
termica viene convertita in energia meccanica, ma una parte viene ceduta a
temperatura inferiore sotto forma di calore (secondo principio della termodinamica:
limite di Carnot).
Il rendimento 𝜂𝑚 tiene conto che parte dell’energia raccolta al primo organo mobile
si dissipa per attrito o viene ceduta per l’azionamento degli organi ausiliari.

4
Normalmente il rendimento che più penalizza il motore è il rendimento reale perché
non può arrivare all’unità perché limitato da una temperatura media di adduzione e
una di sottrazione. In alcuni casi può essere il rendimento meccanico perché se si è
fermi al semaforo col motore in moto il rendimento globale è zero perché tutta
l’energia è assorbita dagli ausiliari. Invece, se la candela va fuori uso invece diventa
zero il rendimento di combustione. In ogni caso anche nella migliore delle ipotesi si
è ben al di sotto del rendimento ideale.
All’interno di un motore a combustione interna ad accensione comandata (ma anche
nei motori Diesel) accadono una serie di fenomeni complessi; ad esempio nel
collettore di aspirazione:
 Il combustibile iniettato non vaporizza interamente, ma in parte si deposita
come film liquido sulle pareti (c’è un equilibrio dinamico tra il combustibile che
evapora e quello che si deposita sulle pareti)
 La combustione nel cilindro è turbolenta
 Flusso instazionario 3-D
 Fluido reattivo (reazioni chimiche)
 Scambio termico
 Formazione di emissioni inquinanti: parte dei vapori della benzina hanno
affinità chimica con il lubrificante che sta attorno alle pareti; quando cresce la
pressione a seguito della fase di compressione, parte della benzina tende a
legarsi chimicamente con il lubrificante non partecipando alla combustione e
quando la pressione decresce (alla fine della fase di espansione) essa viene
espulsa allo scarico sotto forma di idrocarburo incombusto (la temperatura
raggiunge valori bassi tali da non consentire la combustione)
 Tra le fasce elastiche e il cilindro ci sono piccole aree (gioco) nelle quali il
combustibile rimane intrappolato; giacché esso non è raggiunto dal fronte di
fiamma non viene combusto e viene espulso sotto forma di idrocarburo
incombusto
 Nel collettore di scarico avvengono fenomeni complessi con un flusso
tridimensionale, reattivo (a quelle temperature ci sono ancora reazioni
chimiche che avvengono), scambio termico, …
 Fenomeni complessi all’interno del catalizzatore
È bene notare che a partire dal 1970 sino ad oggi siano cambiati i limiti sulle
emissioni inquinanti prodotte dai motori riducendosi di un fattore 100 (o anche
più). La normativa odierna di riferimento attuale è la EURO 6.
Mentre i limiti sulle emissioni sono diventati più stringenti, è cresciuto il numero di
articolo scientifici riguardanti i motori a combustione interna, i modelli matematico
e il controllo elettronico (risposta della comunità scientifica).
Inizialmente il metodo di indagine e di studio di fenomeni complessi era di tipo
sperimentale (analisi sperimentali); le prime macchine nacquero per far fronte ad
alcune esigenze pratiche e solo successivamente è stato teorizzato il tutto e sono
5
stati acquisiti gli strumenti per ottimizzarne il funzionamento. I rendimenti delle
prime macchine sviluppate erano bassissimi (anche dell’ordine dell’1 % e dunque
praticamente si buttava energia). Con il passare del tempo si è passati allo studio
dei fenomeni attraverso approcci analitici; tale approccio permette di risolvere un
problema in forma chiusa attraverso l’utilizzo di equazioni matematiche risolvibili
analiticamente; ciò però presuppone il ricorso a delle semplificazioni notevoli
allontanandosi dal processo reale. Il terzo ed ultimo passo è stato quello della
modellistica numerica in grado di fornire un modello di dettaglio più complesso e
dunque più vicino alla realtà (in tal modo si riescono a risolvere una buona parte
di problemi non risolubili a livello analitico). In realtà non bisogna pensare
semplicemente ad una successiva sostituzione di una metodologia con un’altra,
giacché la sperimentazione è comunque essenziale perché una volta costruito
l’oggetto dello studio è necessario verificare se esso risponde a quanto previsto
dal modello. D’altra pare la modellazione permette di risparmiare tempo e soldi in
quanto consente di evitare di costruire 50 prototipi differenti da testare, ma
solamente quei pochi che servono ancor più ad ottimizzarne il funzionamento.
Inoltre, sebbene l’approccio analitico talvolta non permette di arrivare a risultati
sufficienti, l’analisi dettagliata di una relazione matematica permette di capire le
dipendenze tra le diverse grandezze che altrimenti non sarebbero note in maniera
semplice (magari bisognerebbe fare 𝑛 prove sperimentali per poter capire qual è
il legame tra due grandezze). Una volta validato il modello esso ci permette di
evitare di eseguire sperimentazioni o magari effettuare test solo su pochi prototipi
(ad esempio su 2 − 3 motori differenti) anziché su molti (magari 20 − 30 motori).
Introduzione alla modellistica
Nel mondo antico l’interpretazione dei fenomeni naturali e l’approccio alla
conoscenza in generale era di tipo essenzialmente deduttivo, a partire da dogmi
religiosi (testo sacro) o dal sapere aristotelico (ipse dixit). La scoperta del metodo
scientifico viene generalmente attribuita a Galileo Galilei (1564 – 1642), sebbene
già in anni precedenti si iniziò ad investigare e ad osservare i fenomeni naturali.
Tale scoperta portò ad un cambiamento radicale rispetto agli anni precedenti in
cui prevaleva il concetto del “come deve essere” rispetto a ciò che si riusciva ad
osservare.
Bertrand Russell è stato il primo che ha codificato il metodo scientifico,
suddividendolo nelle seguenti fasi:
 Osservare i fatti significativi.
 Giungere tramite induzione ad una ipotesi (modello) che, se vera, deve
spiegare questi fatti.
 Dedurre da questa ipotesi delle conseguenze che si possono sottoporre
all’osservazione (è necessario sperimentare e verificare se quanto
supposto si realizza, riuscendo a ricavare una legge scientifica valida sino
a prova contraria).
6
Si tenga presente che un metodo deduttivo indica un procedimento razionale che fa
derivare una certa conclusione da premesse più generiche: si parte da postulati o
principi primi e attraverso una serie di rigorose concatenazioni logiche, procede verso
determinazioni più particolari (dall’universale al particolare). Al contrario un metodo
induttivo è un procedimento che a partire da singoli casi particolari cerca di stabilire
una legge universale (dal particolare all’universale).
Da un punto di vista ingegneristico è necessario riuscire ad arrivare ad una
conoscenza sufficiente alla descrizione di un fenomeno con un buon livello di
accuratezza e non per forza alla conoscenza esatta del fenomeno stesso.
Un modello è un’immagine astratta di una parte e di alcuni aspetti della realtà e si
riferisce alla conoscenza in generale di ciò che si vuole studiare. Ciò significa che se
si realizza un modello in grado di prevedere il ciclo di pressione all’interno della
camera di combustione di un motore alternativo a combustione interna (MCI), esso
non sarà in grado di prevedere altri fenomeni quali: livello di rumorosità, emissioni,
…. La legge di Golomb aiuta ancora di più a capire la differenza tra modello e realtà
affermando che: “confondere un modello con la realtà sarebbe come andare in un
ristorante e mangiare il menù”. Dal punto di vista pratico, un modello è spesso utile
a capire la veridicità di dati ottenuti sperimentalmente.
Esiste una differenza sostanziale tra l’approccio tradizionale e quello basato sui
modelli nella risoluzione dei problemi.
Nel caso in cui si utilizzi un approccio di tipo tradizionale, si va in contro alla seguente
situazione:
 Impossibilità di risolvere le equazioni costitutive in forma completa: volendo
studiare un fenomeno complesso, quale la fluidodinamica in un motore a
combustione interna, è necessario risolvere equazioni differenziali alle derivate
parziali in generale non lineari (flusso instazionario, tridimensionale, …) per cui
non esistono soluzioni analitiche.
 Ricorso a modelli semplificati, spesso non abbastanza rappresentativi della
realtà: ciò è legato alla difficoltà e/o impossibilità nella risoluzione di equazioni
troppo complesse.
 Ampio ricorso alla costruzione di prototipi ed alla sperimentazione, con tempi
e costi elevati e risultati non sempre ottimali: per la realizzazione di prototipi è
necessario investire tempo e soldi e la soluzione che viene fuori dall’analisi di
n soluzioni differenti non è detto che sia quella ottimale.
 Ricorso a metodi di analisi ad hoc, spesso di tipo semi-empirico o con una
eccessiva discrezionalità dell’intervento umano, con scarsa riproducibilità dei
risultati.
 Scarsa generalizzabilità dei risultati e portabilità delle metodologie in differenti
contesti: non è possibile generalizzare il metodo per lo studio di componenti
dello stesso tipo, ma con caratteristiche differenti (per esempio due motori
differenti).
7
Al contrario utilizzando un approccio basato sui modelli, si hanno i seguenti vantaggi:
 Possibilità di risolvere le equazioni costitutive, o di ricorrere a modelli più
aderenti alla realtà.
 Ricorso più limitato e mirato alla sperimentazione ed alla costruzione di
prototipi, con riduzione di tempi e di costi: è possibile realizzare solo pochissimi
prototipi da testare.
 Riduzione delle influenze soggettive sulle procedure di sviluppo e di
ottimizzazione dei prodotti: le procedure risultano standardizzate e la
metodologia codificata, con un intervento minimo del fattore umano.
 Maggiori generalizzabilità dei risultati e portabilità delle metodologie e delle
competenze in contesi operativi differenti: è possibile utilizzare determinate
conoscenze in diversi settori in quanto i metodi di analisi risultano similari (in
campo fluidodinamico le equazioni differenziali alla base di diversi fenomeni
sono tra di loro simili e pertanto è possibile estendere le metodologie di calcolo
a casi differenti).
Il vantaggio di utilizzare un approccio basato sui modelli è quindi quello di avere a
disposizione uno spettro di strumenti generali ad ampio uso.

8
Lezione 2 (Rizzo) 8/03/2017
Introduzione alla modellistica
Lo sviluppo di un modello prevede in via preliminare la definizione della struttura: è
necessario cioè stabilire come esso venga articolato e quali sono le relazioni che lo
compongono (polinomi, esponenziali, …). Le principali fonti di informazione sul
sistema da modellare sono costituite dalla conoscenza a priori (stato dell’arte),
attraverso cui con analisi deduttiva si desume la struttura fisico-matematica del
modello e dai dati sperimentali misurati sul sistema (quando disponibili). La
conoscenza a priori implica appunto la conoscenza della fenomenologia alla base di
ciò che si vuole studiare e delle equazioni che descrivono il fenomeno stesso (per
esempio volendo caratterizzare lo scambio termico tra due corpi a diversa
temperatura, sono note le relazioni matematiche che governano tale fenomeno).
Pertanto è fondamentale capire qual è lo stato dell’arte (conoscenza da parte della
comunità scientifica) e qual è il livello di conoscenza personale del fenomeno. I dati
sperimentali, invece, sono ottenuti attraverso misure effettuate in laboratorio, da cui
è possibile ricavare valori di input e di output del fenomeno in esame. I dati
sperimentali potrebbero essere stati acquisiti per consentire lo sviluppo del modello,
o al contrario, il modello stesso può essere utile per effettuare test e ricavare tali dati
(doppia freccia). È evidente che nel caso in cui si stia progettando un qualcosa di
nuovo, non si hanno dati sperimentali a disposizione e pertanto è necessario far
riferimento alla conoscenza a priori, basandosi magari su legami noti per fenomeni
simili. In genere, il modello si tradurrà in un qualcosa che successivamente potrà
funzionare su un computer per effettuare calcoli, progettazione, controllo, ….
Inoltre, per lo sviluppo del modello, è importante capire l’obiettivo del lavoro a
prescindere dall’oggetto studiato: a parità di oggetto di studio, ad esempio un motore
a combustione interna, l’obiettivo potrebbe essere differente; per esempio la
progettazione di un motore è un qualcosa di profondamente differente da un controllo
real-time dello stesso in grado di reagire e dunque di prendere decisioni in funzione
di determinate variabili quali: legge di iniezione (motore Diesel), EGR, grado di
sovralimentazione, …); in quest’ultimo caso, piuttosto che risolvere equazioni
complesse alla base dei fenomeni che avvengono all’interno del motore (equazioni
di Navier-Stokes) è fondamentale la velocità di risposta (real-time) del modello
realizzato e pertanto è necessario implementare una semplice equazione
caratteristica o addirittura prevedere un’interpolazione tra diversi dati disponibili su
varie tabelle: solo in questo modo il sistema potrà essere in grado di reagire in tempo
reale alla variazione dei diversi parametri (il modello real-time farà dunque ampio
ricorso a dati sperimentali). Pertanto a partire dagli obiettivi e dal contesto applicativo
del lavoro, è possibile determinare il giusto mix delle informazioni da incorporare nel
modello. È evidente che, a seconda dell’obiettivo, è importante anche l’affidabilità del
modello; in effetti una volta “lanciato” il modello per poter effettuare determinati
calcoli, è possibile che nell’eseguirli vengano fuori degli errori tali per cui il computer
non è più in grado di andare avanti (magari viene fuori la radice quadrata di un
9
numero negativo) e dunque si blocca: questo potrebbe non essere un grosso
problema nel caso in cui il modello stia risolvendo un problema di ottimizzazione delle
prestazioni di un motore (sebbene comunque si è sprecato del tempo, magari
qualche settimana, senza concludere nulla), ma potrebbe essere molto pericoloso
nel caso in cui esso debba reagire in real-time (se si sta guidando su una strada a
doppio senso con un tir che viaggia sulla corsia opposta, sconfinando nell’altra
corsia, è fondamentale che il sistema risponda immediatamente e dunque che non
si blocchi).

Figura 4

Per poter capire se il modello funziona è necessario effettuare la validazione,


confrontando ciò che viene fuori dallo stesso con i dati sperimentali a disposizione;
in alcuni casi, contemporaneamente alla validazione è necessario effettuare la stima
dei parametri (identificazione) per la messa a punto del modello: se esso non è
basato su equazioni, ma su polinomi, per poter caratterizzare i coefficienti (parametri)
di quest’ultimo, è necessario un confronto con i dati sperimentali a disposizione.
L’output di tutto lo studio effettuato è quindi il modello stesso; sebbene esso magari
sia in grado di riprodurre i dati sperimentali non è detto che rispetti gli obiettivi
prefissati e/o il contesto applicativo. Pertanto è necessario effettuare un confronto tra
ciò che si è ottenuto (modello) e ciò che in origine si voleva ottenere (obiettivi e
contesto applicativo); il modello di fatto potrebbe essere preciso ed accurato, ma non
soddisfare i requisiti richiesti dal particolare contesto applicativo: se il modello deve
rispondere real-time ma impiega diversi secondi per elaborare una risposta, quando
sono consentiti pochi millisecondi, esso non può essere accettato; per tale motivo
questa operazione di verifica risulta essere di fondamentale importanza.
In funzione del loro ricorso alla conoscenza a priori o ai dati sperimentali, i modelli
sono denominati rispettivamente fenomenologici (white-box) o di sintesi (black-box).
Una categoria intermedia è rappresentata dai modelli grey-box, che fanno ricorso ad
una rappresentazione semplificata della fisica del problema ricorrendo ai dati
sperimentali per fornire l’informazione aggiuntiva. La scelta di un approccio
modellistico non è univocamente determinata dal sistema da modellare: per uno
stesso sistema possono essere sviluppate diverse tipologie di modello, in funzione
del contesto applicativo.
10
Figura 5

In particolare nei modelli di tipo black-box si dà una rappresentazione funzionale del


problema, senza preoccuparsi che essa sia rappresentativa del problema fisico, ma
basta che essa sia abbastanza efficace nel descrivere i dati sperimentali a
disposizione. Invece, nel caso in cui si vuole descrivere al massimo livello di dettaglio
possibile tutti i fenomeni il modello è di tipo white-box (tutti i fenomeni vengono messi
in chiaro).
Si immagini, ad esempio, di voler trovare una relazione che permetta di descrivere
le emissioni di ossidi di azoto per un motore, in determinate condizioni, al variare del
rapporto di miscela (in rosso sono rappresentati i dati sperimentali):

Figura 6

Un approccio potrebbe essere quello di partire dal modo in cui si formano gli ossidi
di azoto: esiste un sistema di equazioni differenziali alla base del fenomeno, ricavate
da Zeldovich, che valuta l’evoluzione di tali ossidi a partire dal calcolo della
temperatura e dal rapporto di miscela in camera di combustione; la conoscenza della
temperatura presuppone la conoscenza del ciclo di pressione e quindi della massa
che entra all’interno del cilindro, dell’evoluzione della fase di combustione, dello
scambio termico, …; in tal caso si utilizza un approccio di tipo white-box.
Invece, nel caso in cui interessa conoscere il valore degli ossidi di azoto, in funzione
di determinati rapporti di miscela misurati, un approccio plausibile potrebbe essere
quello di prendere come riferimento una curva di ordine n (per esempio del terzo
ordine) e determinare i coefficienti che riproducono nel migliore dei modi l’andamento
dei dati sperimentali (per la loro determinazione è possibile utilizzare la tecnica dei
minimi quadrati per esempio):
𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3
Dove:

11
𝑦 = 𝑁𝑂𝑥
𝑥 = 𝐴/𝐹 (𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑎𝑟𝑖𝑎/𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒)
In quest’ultimo caso si sta utilizzando un approccio di tipo black-box, in quanto non
si ha la pretesa che la struttura del modello somigli alla struttura fisica del sistema
(non è necessario riprodurre la combustione ed altri fenomeni complessi, ma basta
sia abbastanza fedele nel riprodurre i dati sperimentali).
I due approcci, sono completamente differenti ed hanno entrambi un senso: in
particolare i modelli black-box sono più semplici in quanto non presuppongono una
conoscenza completa del fenomeno, ma al limite è necessario capire qual è l’ordine
del polinomio che si vuole determinare (se si tratti effettivamente di un polinomio) o
del legame funzionale che si vuole dare.
I modelli di tipo grey-box sono invece intermedi tra le due tipologie citate
precedentemente. In tal caso si costruisce un modello che riproduce la fisica del
problema, ma non al suo massimo livello di dettaglio possibile: è quasi sempre quello
che si fa nell’ingegneria. In effetti un fenomeno quale la turbolenza, non lo si riesce
mai a studiare ad un livello di scala sufficiente, ma lo si riproduce sempre ad un livello
piuttosto macroscopico e con metodologie di tipo statistico. Nel caso di un motore,
volendo misurare l’evoluzione del ciclo di pressione al variare dell’angolo di
manovella, è necessario misurare un treno di cicli (20 − 100 − 1000 cicli di pressione
consecutivi) dopo aver messo il motore a regime (determinati numero di giri, rapporto
di miscela, …): tutti questi cicli saranno uno diverso dall’altro in quanto la
combustione è un processo governato dalla turbolenza che è un fenomeno
stocastico e dunque pure mettendosi nelle stesse condizioni il risultato non sarà
sempre lo stesso; ci sarà pertanto una certa banda di variazione più o meno stretta
(dispersione ciclica); a tutt’oggi nessun modello, nemmeno i più complessi, sono in
grado di predire questo fenomeno, ma sono in grado di prevedere il valore medio del
ciclo di pressione (con buona approssimazione), ma non esattamente la sequenza
con cui essi si verificano. In generale nessun modello utilizzato nell’ingegneria, in
questo campo, arriva a livello molecolare, ma ci si interessa dell’evoluzione a livello
macroscopico e pertanto anche i modelli di tipo white-box hanno un certo livello di
approssimazione: essi sono definiti white-box in quanto hanno il massimo livello di
dettaglio nello stato dell’arte di quella determinata disciplina. Pertanto quando
volontariamente si utilizza un modello meno evoluto ma più semplice, si utilizza un
modello di tipo grey-box.
Se si immagina di dover descrivere l’evoluzione della combustione nella camera di
un motore, è possibile farlo considerando tale camera come un continuum da un
punto di vista spaziale (sistema tridimensionale dove ogni punto ha una sua
coordinata: modello white-box), oppure si può dividere la camera di combustione in
più zona, in ognuna delle quali accadono diverse fenomeni (all’interno della stessa
zona, in vari punti accade la stessa cosa). Si può implementare un modello multi-
zona discriminando la temperatura che raggiungono le diverse zone della camera
12
(essa influenza ad esempio le emissioni di ossidi di azoto): tale modello è di tipo
grey-box, in cui non si conosce punto per punto quello che accade, ma è noto quello
che succede al variare della zona; per poter operare questa descrizione, è
necessario dividere la camera in un numero di zone sufficientemente fitto, ma non
tanto da complicare eccessivamente il problema; in particolare il numero di zone sarà
un parametro di questo modello che bisognerà fissare.
Nel caso in cui invece c’è un processo di scambio termico complesso, non
descrivibile a priori con le equazioni note su conduzione, convezione e irraggiamento
e si vuole calcolare un coefficiente di scambio complessivo che riproduca quello che
accada, esso rappresenta un parametro del problema cioè un valore da dare in base
al confronto con i dati sperimentali: anche in questo caso il modello è di tipo grey-
box perché non si descrive il problema al massimo livello di dettaglio, ma a livello
globale (il coefficiente lo si determina empiricamente a partire dai dati sperimentali).
Un altro esempio di modello di tipo grey-box è il ciclo limite del motore in cui si fanno
delle ipotesi semplificative: la combustione avviene ancora a volume costante, ma si
considerano le proprietà del gas reale. Inoltre quando si definisce il rendimento
globale:
𝜂𝑔 = 𝜂𝑏 ∙ 𝜂𝑟 ∙ 𝜂𝑚
Dove:
𝜂𝑔 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑔𝑙𝑜𝑏𝑎𝑙𝑒

𝜂𝑏 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑜𝑛𝑒
𝜂𝑟 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑟𝑒𝑎𝑙𝑒
𝜂𝑚 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑚𝑒𝑐𝑐𝑎𝑛𝑖𝑐𝑜
Si ritiene che il rendimento reale sia pari al prodotto tra il rendimento limite e il
rendimento interno (che risulta essere un parametro del problema):
𝜂𝑟 = 𝜂𝑙𝑖𝑚 ∙ 𝜂𝑖
Pertanto considerando il ciclo limite, per arrivare al rendimento reale bisogna fornire
al modello un’informazione in più che è appunto il rendimento interno; il modello ha
una struttura fisica in quanto il ciclo limite segue la fisica del problema, ma non al
massimo livello di dettaglio: per colmare il gap tra il modello semplificato e la realtà
è necessario utilizzare dei parametri (in tal caso il rendimento interno).

13
Figura 7

Le diverse tipologie di modelli si differenziano per molti aspetti come riportato nella
figura precedente.
In generale i modelli di tipo white-box si utilizzano per le cosiddette discipline “dure”
(hard science) in cui esiste un livello di conoscenza notevole. Per le discipline
“morbide” come l’economia, la sociologia si ricorre invece a modelli black-box (in
questo caso ci si basa su sondaggi, statistiche e non si arriva ad un livello di dettaglio
microscopico (molecolare) dell’oggetto di studio). Il vantaggio di un modello black-
box rispetto ad un modello di tipo white-box è quello di riuscire a descrivere un
fenomeno senza essere esperti del problema (ruolo della conoscenza a priori
minore). Inoltre i modelli di tipo white-box si usano solitamente per obiettivi conoscitivi
e/o applicativi, mentre quelli black-box in genere solo per scopi di tipo applicativo
(difficilmente un modello puramente matematico insegna qualcosa). Sebbene in
generale un modello white-box richieda una potenza di calcolo maggiore rispetto a
un modello di tipo black-box, ciò non è sempre vero: se si vuole descrivere la caduta
di un grave, o la traiettoria seguita da una pallina che cade su una superficie piana
rimbalzando, volendo utilizzare un approccio puramente matematico andando ad
acquisire spazio e tempo (dati sperimentali), il modello che viene fuori risulta essere
molto più complicato rispetto a quello in cui si utilizzano le equazioni fisiche alla base
del fenomeno che sono molto semplici e riescono a descrivere in maniera accurata
il fenomeno. È evidente peraltro che nel caso di un modello white-box l’indagine
sperimentale è molto ridotta o addirittura nulla, mentra un modello black-box fa ampio
ricorso a quest’ultima.
L’aspetto più importante però è la generalizzabilità del modello realizzato in quanto
è indice di quanto il modello posso essere applicabile a contesti differenti; utilizzando
un approccio di tipo black-box e tracciando la curva degli ossidi di azoto al variare
del rapporto di miscela fissate determinate condizioni, nel momento in cui queste
ultime variano o cambia la tipologia di motore da studiare, il modello non sarà più
fedele alla realtà. Se per descrivere lo stesso fenomeno, si utilizza un modello white-
box giacché esso tiene conto di tutti gli effetti (cilindrata, geometria della camera, …)
pur cambiando motore esso si manterrà fedele alla realtà. Per questo motivo i modelli
basati sullo stato dell’arte (white-box) presentano in genere una maggiore
14
generalizzabilità, mentre la validità dei modelli black-box è in genere limitata
all’insieme dei dati sperimentali utilizzati per il loro sviluppo.
I modelli di tipo grey-box hanno evidentemente caratteristiche intermedie tra i due
estremi analizzati.
I criteri di valutazione di un modello sono:
 Fisicità: il modello deve “assomigliare” alla realtà e deve prevalere la
conoscenza a priori (a parità di altre condizioni); se si è in grado di riprodurre
la fenomenologia fisica del problema è importante sempre farlo.
 Aderenza (o precisione): i dati sperimentali (se esistono) devono essere
spiegati (riprodotti) dal modello nel miglior modo possibile.
 Generalizzabilità (o predittività): il modello deve essere in grado di prevedere
il comportamento del sistema anche in quei casi per i quali non siano disponibili
osservazioni sperimentali (per esempio in fase di estrapolazione) e deve
presentare una limitata sensibilità all’errore di misura. È evidente che nel
momento in cui si sviluppa un modello lo si fa con l’obiettivo di voler riprodurre
quello che accade in altre condizioni in generale non note, in quanto lo scopo
principale è proprio quello di predire i fenomeni. È bene precisare che un
modello preciso non è detto che sia predittivo, in quanto il fatto che esso
riproduca in maniera corretta i dati sperimentali non significa che sia in grado
di stimare correttamente un dato output al variare delle condizioni di input;
molto spesso di fatto i due concetti sono antitetici: più il modello è preciso e
meno risulta predittivo. Inoltre è importante che esso non sia molto sensibile
all’errore in quanto piccole variazioni nelle condizioni di input non devono
comportare grandi variazioni sugli output (quando si hanno a disposizione
determinati dati, essi sono noti con un certo livello di precisione e talvolta non
ha neanche senso scendere al di sotto di tale livello: se il numero di giri di un
motore passa da 2000 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛 a 2000.2 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛 e il modello risponde
raddoppiando la previsione vuol dire che c’è qualcosa che non va).
 Identificabilità: deve essere possibile stimare i parametri del modello (nel caso
in cui ci siano) e la loro significatività statistica.
 Parsimonia: un modello è considerato più efficace e plausibile se di struttura
semplice (meno complesso) e con pochi parametri, a parità di tutto il resto. Se
in una giornata con clima incerto si esce di casa e si avverte la caduta di gocce
di pioggia si può concludere che quella sia acqua caduta da un elicottero,
successivamente che sia stata buttata da una persona fuori ad un balcone, …
o più semplicemente che stia piovendo! Nel primo caso si fanno troppe ipotesi,
peraltro verosimilmente poco aderenti alla realtà, mentre nel secondo caso si
fa una sola ipotesi quindi il “modello” risulta molto più semplice e
verosimilmente più aderente alla realtà. Un altro esempio può essere
rappresentato dallo studio delle traiettorie dei corpi nello spazio; nei tempi
antichi si pensava che la Terra fosse al centro dell’universo ferma, che il Sole
girava attorno ad essa, che le stesse fossero fissi e che gli altri pianeti (Marte,
15
Giove, …) percorressero una traiettoria cicloidale attorno ad un’epicicloide
molto complessa; successivamente è stato verificato più semplicemente che
la Terra non fosse al centro dell’universo ma che il sistema fosse eliocentrico
(Sole al centro) con i pianeti che attorno a questa stella percorrevano una
traiettoria ellittica e con i satelliti rotanti attorno ai pianeti: tale tesi è molto più
semplice di quella precedente anche più vicina alla realtà.
 Precisione bilanciata: il modello più adeguato è un compromesso tra validità
della struttura e precisione dei parametri. Le diverse parti di un modello devono
avere livelli di precisione comparabili. Lo studio della combustione che avviene
all’interno della camera di un motore termico presuppone conoscenze in
diversi campi; essendo degli esperti chimici si ha una conoscenza dettagliata
della catena di reazioni chimiche che avvengono all’interno della camera di
combustione che sono di tipo cinetico (⇄) e pertanto di non equilibrio;
conoscendo tali reazioni è possibile studiare accuratamente l’evoluzione della
temperatura all’interno della camera di combustione; tuttavia se non si è
esperti di meccanica e si considera la combustione a volume costante si
commette un errore abbastanza grande su tale aspetto e si ha uno
sbilanciamento eccessivo tra le diverse parti e ciò va a scapito del modello che
in ogni caso risulterà impreciso. Nella realtà molto spesso risulta complesso
capire se la precisione risulti effettivamente bilanciata in quanto essendo degli
esperti in determinati campi si riesce anche a capire il livello di
approssimazione che si sta ammettendo, ma su altri campi, non essendo molto
ferrati si rischia di ammettere un’approssimazione eccessiva se comparata con
le altre parti del modello.
I modelli possono essere classificati in vario modo:
 Presenza delle derivate:
o Modelli algebrici (Algebraic Equation: AE): non ci sono derivate
o Modelli differenziali:
 ODE (Ordinary Differential Equation): una sola variabile,
parametri concentrati
 PDE (Partial Differential Equation): più variabili, parametri
distribuiti
Si supponga di voler studiare il fenomeno dell’evaporazione del film di
combustibile all’interno del collettore di aspirazione di un motore ad
accensione comandata: la benzina iniettata vaporizza a contatto col flusso
d’aria andando all’interno del cilindro; tuttavia non tutte le gocce di
combustibile vaporizzano, ma alcune si depositano in forma liquida sulle
pareti del cilindro e trascinate dal moto dell’aria scorrono secondo un flusso
laminare alla Couette: in particolare si realizza un processo sia di
evaporazione di alcune gocce, sia di condensazione del vapore; in
condizioni di regime stazionario c’è l’uguaglianza tra la massa di
combustibile che si accumula sulla parete e quella che evapora e pertanto

16
complessivamente ciò che arriva al motore in termini di rapporto di miscela
è proprio ciò che esce dall’iniettore in quanto il fenomeno si auto compensa;
tuttavia quando il motore ha un transitorio (ad esempio si sta accelerando)
tale fenomeno ha bisogno di un certo tempo per arrivare a regime: la
quantità di fluido che evapora dalla parete è proporzionale grosso modo
allo spessore del meato di fluido depositato sulla stessa e tale spessore è
proporzionale alla portata di combustibile in uscita dall’iniettore e dunque
alla potenza del motore; pertanto raddoppiando la potenza (si sta
accelerando), il sistema per arrivare a regime deve avere uno spessore di
combustibile sulla parete corrispondente a quella modificata condizione di
potenza: quando si raggiunge tale condizione ciò che esce dall’iniettore è
quello che arriva al motore, mentre nel transitorio arriverà meno benzina
rispetto a quella iniettata; in tale condizione la miscela si smagrisce e il
catalizzatore esce fuori dalla sua finestra di abbattimento ottimale
emettendo di più allo scarico; per compensare questo fenomeno bisogna
iniettare momentaneamente di più in modo che il motore possa funzionare
in maniera adeguata. È possibile modellare questo problema, anche in
tempo reale (di fatto modelli semplici girano sulle centraline), considerando
il collettore di aspirazione come un unicum, ovvero come una camera dove
c’è una certa pressione, una certa temperatura, una certa velocità dell’aria
ed un certo spessore di combustibile e le cui condizioni variano nel tempo:
il sistema è governato da una sola variabile indipendente che è appunto il
tempo e tutte le altre grandezze sono funzioni di esso, ma non c’è una
dipendenza esplicita dallo spazio (non si considera ciò che accade in un
singolo punto); pertanto le equazioni alla base di questa modellazione sono
a derivate totale (equazioni differenziali ordinarie). Studiando invece il
processo della risposta dinamica del motore legata alle onde di pressione
che vanno avanti e indietro nel collettore (sovralimentazione naturale dei
motori da competizione), il discorso si fa più complicato; quando si apre la
valvola di aspirazione c’è una perturbazione all’interno del collettore di
aspirazione: si parla di onda di depressione a livello della valvola (si crea
una depressione rispetto a ciò che c’è nel cilindro); tale depressione si
propaga nel collettore (come tutte le onde) con velocità pari a quella del
suono, raggiungendo l’estremo del collettore dove è in contatto con
l’esterno (l’estremità del tubo è aperta): si verifica dunque un fenomeno di
riflessione dell’onda tale per cui essa appunto si riflette, riducendosi di
intensità, e torna indietro cambiando segno, diventando cioè un’onda di
compressione (se l’estremo del collettore fosse stato chiuso essa sarebbe
tornata indietro con lo stesso segno); tale onda di compressione ripercorre
tutto il collettore all’inverso raggiungendo la valvola di aspirazione: essa fa
aumentare localmente la pressione e quindi la densità del fluido ovvero la
massa in ingresso al motore; in pratica c’è una sorta di sovralimentazione
naturale di cui fanno largo uso i motori da competizione; tale meccanismo
deve funzionare in maniera adeguata con un tempo di percorrenza
17
dell’onda all’interno del condotto fasato con il tempo di apertura e chiusura
della valvola: esso funziona bene ad un certo numero di giri, motivo per cui
i motori da competizione hanno un numero di rapporti al cambio molto
elevata (devono lavorare ad una finestra stretta del numero di giri per avere
questo fenomeno). È evidente che per studiare questo fenomeno in fase di
progettazione non è sufficiente modellare il collettore di aspirazione come
un unicum in cui accade qualcosa in funzione del tempo, ma bisogna capire
anche quello che accade nello spazio e perciò si utilizzeranno delle
relazione a derivate parziali dove le diverse grandezze, quali pressione,
temperatura, … saranno funzione dello spazio (che nella migliore delle
ipotesi sarà una sola coordinata, ma nei modelli più complessi sarà
tridimensionale) e del tempo. Pertanto a seconda di ciò che si vuole
studiare si adotta un livello diverso di complessità.
 Legame funziona tra variabili:
o Modelli lineari: nel caso più semplice il concetto di linearità è
associato nel caso delle equazioni algebriche alla rappresentazione
di una funzione di primo grado (retta); nel caso di equazioni
differenziali invece per poter definire la linearità ci si rifà al principio
di sovrapposizione degli effetti: avendo un sistema che dipende da
più variabili, l’effetto generato da una singola variabile è sempre lo
stesso indipendentemente dal valore che assumono le altre variabili
(se un output dipende da due variabili 𝑥1 e 𝑥2 se raddoppiando la
prima (𝑥1 ), l’output raddoppia, esso lo farà indipendentemente dal
valore della seconda variabile (𝑥2 )); in tal modo è possibile studiare
la risposta del sistema ad una variabile per volta.
o Modelli non lineari: in tal caso non vale il principio di sovrapposizione
degli effetti; i fenomeni più complessi sono di tipo non lineare.
 Insieme di definizione della variabile indipendente:
o Continui: le diverse variabili possono assumere qualunque valori
(anche se magari solo positivi); esempi sono rappresentati sia dalle
equazioni algebriche (AE) che dalle equazioni differenziale (ODE o
PDE)
o Discreti: le variabili possono assumere solo alcuni valori (ad esempio
solo valori interi: modellando un impianto di produzione, per la scelta
del numero di torni è possibile scegliere magari 4 o 5 torni e non 4.2).
o Misti: in tal caso esistono sia variabili continue che discrete; in un
modello di un impianto a vapore ci sono sia variabili continue come
la pressione nel generatore di vapore, la pressione di spillamento per
la rigenerazione, … e variabili discrete come il numero di
risurriscaldamento da effettuare, il numero di rigeneratori da
adottare, … Esempi in generale sono rappresentati dalla scansione
delle attività, dalle equazioni alle differenze, dalle catene di Markov e
dalle macchine a stati finiti.

18
 Presenza di variabili casuali:
o Deterministici: in tal caso definite delle variabili di input e di output a
un determinato valore delle variabili di ingresso corrisponde sempre
lo stesso valore delle variabili in uscita
o Stocastici: in questo caso definite delle variabili di input e di output a
parità di input è possibile ottenere output differenti; se la variazione
dell’output non è eccesiva il sistema è detto stocastico, altrimenti è
detto caotico. La maggior parte dei fenomeni fluidodinamici con
numeri di Reynolds (maggiori di2300) elevati e dunque con moto
turbolento (è quello che accade nella quasi totalità delle macchine a
fluido) l’output del sistema non è mai deterministico, ma è stocastico;
tuttavia molto spesso si fa un’approssimazione di tipo deterministico
stimando il valore medio delle grandezze ed in alcuni casi si ammette
una certa variabilità dell’ordine del 2 % − 3 % (senza avere una
previsione precisione di come si articola questa variabilità).
Quando si costruisce un modello è necessario definire quali sono le variabili che si
vogliono dare in input e quali invece si vogliono ottenere come output; in alcuni casi
ciò è abbastanza intuitivo: nel caso della stima degli ossidi di azoto, la variabile di
ingresso è evidentemente il rapporto di miscela, mentre la variabile in uscita è proprio
l’emissione; tuttavia nessuno vieta di misurare le emissioni e risalire di conseguenza
al valore del rapporto aria/combustibile.
Date n variabili che definiscono il funzionamento del sistema è possibile organizzare
tali variabili nella maniera più libera possibile; nel caso di due variabili 𝑋 e 𝑌 si può di
fatto porre una relazione del tipo:
𝑌 = 𝑓 (𝑋 )
Oppure del tipo:
𝑋 = 𝑔 (𝑌 )
Pertanto avendo a disposizione diverse variabili è possibile stabilire liberamente ed
a seconda di quello che si vuole ottenere, quali sono gli input e quali sono gli output
e sono diverse le configurazioni possibili:

Figura 8

Un modello in n variabili è invertibile quando è possibile esprimere la dipendenza


funzionale rispetto ad una qualsiasi n-pla di variabili:
𝑌 = 𝑓 (𝑋 ) → 𝑋 = 𝑔 (𝑌 )
19
Quando ci sono delle relazioni algebriche semplici tra le diverse variabili in molti casi
ciò è possibile ed in maniera molto semplice: si spostano le variabili dal primo al
secondo membro a seconda dei casi. Se un modello è completamente invertibile si
può applicare un approccio di modellistica diretta per determinare le variabili
incognite 𝑋 ∗ , assumendo le variabili note 𝑌 ∗ come variabili di ingresso (basta
manipolare il modello in modo da portare le variabili 𝑋 ∗ al primo membro e le variabili
𝑌 ∗ al secondo membro):
𝑋 ∗ = 𝑔 (𝑌 ∗ )
Nel caso in cui non si vuole fare questo, o ciò non è possibile è necessario scegliere
una metodologia diversa, seguendo un approccio di tipo inverso. In tal caso il
modello, in cui le variabili incognite 𝑋 costituiscono le variabili di ingresso, è
interrogato iterativamente. Un opportuno algoritmo varia i valori di 𝑋 in funzione dei
risultati del confronto tra il valore attuale 𝑌 ed il valore desiderato 𝑌 ∗ (in pratica si va
a cercare la variabile 𝑋 che corrisponde ad una certa 𝑌 = 𝑌 ∗ ). In questo caso il
ragionamento è più complesso in quanto la forma funzionale (supposta non
invertibile) è del tipo:
𝑌 = 𝑓 (𝑋 )
L’incognita da determinare è proprio il valore di 𝑋.

Figura 9

Praticamente si va a verificare se il valore della 𝑋 ipotizzata corrisponde al valore


desiderato della 𝑌 e nel caso in cui ciò non sia vero, si fa riferimento ad un algoritmo
che va a variare la 𝑋 in modo da far verificare tale condizione (cioè che dia il valore
di 𝑌 voluto). Pertanto è necessario iterare con qualche metodo andando a risolvere
un’equazione.
Un esempio di quanto sinora detto può essere fatto per il calcolo dell’alesaggio 𝐷 ∗
necessario ad ottenere un determinato valore di potenza 𝑃𝑢∗ in un motore a
combustione interna. Pertanto si parte dalla formula della potenza:
20
𝑉∙𝑛 1
𝑃𝑢 = ∙ 𝜌𝑎𝑚𝑏 ∙ 𝜆𝑣 ∙ ∙ 𝐻𝑖 ∙ 𝜂𝑔
60 ∙ 𝜀 𝛼
Dove:
𝑃𝑢 = 𝑝𝑜𝑡𝑒𝑛𝑧𝑎 𝑢𝑡𝑖𝑙𝑒
𝑉 = 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎
𝜀 = 1 (𝑚𝑜𝑡𝑜𝑟𝑒 𝑎 𝑑𝑢𝑒 𝑡𝑒𝑚𝑝𝑖), 2 (𝑚𝑜𝑡𝑜𝑟𝑒 𝑎 𝑞𝑢𝑎𝑡𝑡𝑟𝑜 𝑡𝑒𝑚𝑝𝑖)
𝑛 = 𝑟𝑒𝑔𝑖𝑚𝑒 𝑑𝑖 𝑔𝑖𝑟𝑖
𝜌𝑎𝑚𝑏 = 𝑑𝑒𝑛𝑠𝑖𝑡à 𝑎𝑟𝑖𝑎 𝑎𝑚𝑏𝑖𝑒𝑛𝑡𝑒
𝜆𝑣 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑣𝑜𝑙𝑢𝑚𝑒𝑡𝑟𝑖𝑐𝑜
𝛼 = 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑑𝑖 𝑚𝑖𝑠𝑐𝑒𝑙𝑎
𝐻𝑖 = 𝑝𝑜𝑡𝑒𝑟𝑒 𝑐𝑎𝑙𝑜𝑟𝑖𝑓𝑖𝑐𝑜 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟𝑒
𝜂𝑔 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑔𝑙𝑜𝑏𝑎𝑙𝑒 𝑑𝑒𝑙 𝑚𝑜𝑡𝑜𝑟𝑒
Assumendo note le seguenti grandezze:
𝑠/𝐷 = 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑐𝑜𝑟𝑠𝑎/𝑎𝑙𝑒𝑠𝑎𝑔𝑔𝑖𝑜
𝑖 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑖
𝑣𝑚𝑝 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑡à 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 𝑝𝑖𝑠𝑡𝑜𝑛𝑒
𝑃𝑢 , 𝜌𝑎𝑚𝑏 , 𝜆𝑣 , 𝛼, 𝐻𝑖 , 𝜂𝑔

Noto che sia l’alesaggio, le altre variabili motoristiche possono essere calcolate
attraverso le seguenti espressioni:
𝑠 = (𝑆/𝐷) ∙ 𝐷
𝜋 ∙ 𝐷2
𝑉=𝑖∙ ∙𝑠
4
30 ∙ 𝑣𝑚𝑝
𝑛=
𝑠
L’approccio modellistico diretto prevede l’inversione analitica del modello (formula
della potenza), in modo da esplicitare la dipendenza dell’alesaggio 𝐷 dalla potenza
𝑃𝑢 e dalle altre variabili assegnate (in pratica si effettua una manipolazione algebrica
dell’equazione di partenza):

8 ∙ 𝑃𝑢 ∙ 𝜀 ∙ 𝛼
𝐷= √
𝜋 ∙ 𝑣𝑚𝑝 ∙ 𝜌𝑎𝑚𝑏 ∙ 𝜆𝑣 ∙ 𝐻𝑖 ∙ 𝜂𝑔

21
Secondo l’approccio modellistico inverso, il modello (formula della potenza) è
utilizzato nella sua formulazione originaria. Un opportuno algoritmo iterativo adegua
il valore di 𝐷 ai risultati del confronto sul valore della potenza:

Figura 10

Pertanto in tal caso, si parte da una scelta iniziale dell’alesaggio 𝐷, con il quale si
riescono a calcolare i valori della corsa, della cilindrata del numero di giri e dunque
della potenza utile la quale viene confrontata con il valore di riferimento; se il valore
della potenza calcolata risulta differente da quello stabilito, si ritorna all’algoritmo di
partenza in quale è in grado il valore di 𝐷 per ottenere in uscita il valore di potenza
utile richiesto (l’algoritmo tiene conto del fatto che al crescere dell’alesaggio cresce
la potenza utile).
Sintetizzando, l’approccio diretto:
 Richiede l’inversione analitica del modello, che può essere laboriosa e, per
modelli complessi, impossibile (nel caso delle equazioni di Navier-Stokes).
 Consente di ridurre i tempi di calcolo (nel caso in cui si riesca a invertire la
relazione).
Mentre l’approccio inverso:
 Permette di utilizzare il modello nella sua formulazione originaria.
 Può essere applicato anche a modelli complessi e non invertibili.
 Richiede opportune metodologie di analisi per la determinazione delle variabili
di decisione e per l’identificazione dei parametri.
 Richiede tempi di calcolo elevati.
È evidente che nel caso in cui ci siano più variabili in gioco i ragionamenti fatti sinora
si complicano ulteriormente.

22
Lezione 3 (Rizzo) 9/03/2017
Introduzione alla modellistica
Le principali modalità di utilizzazione dei modelli sono:
 La simulazione
 L’analisi parametrica
 L’ottimizzazione e l’analisi di sensitività
In fase di simulazione, si assegnano le variabili di input e si osserva il valore delle
variabili di output. Nel caso in cui il modello abbia bisogno di parametri c’è
necessità di definirli per fornirli al modello stesso.

Figura 11

Un esempio tipico in cui va fornito un parametro per la determinazione dell’output a


partire dall’input è il caso in cui tra i due sussista una relazione di tipo lineare:
𝑦 = 𝑘𝑥
Dove:
𝑦 = 𝑜𝑢𝑡𝑝𝑢𝑡
𝑥 = 𝑖𝑛𝑝𝑢𝑡
𝑘 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜
Il valore di 𝑘 deve essere tale che il modello rappresenti al meglio possibile i dati
sperimentali a disposizione:

Figura 12

23
Simulare significare proprio dare un valore alla variabile di input 𝑥 e ricavare di
conseguenza il valore di output 𝑦. È evidente peraltro che gli input e gli output
possono essere molteplici (𝑛 input ed 𝑚 output).
L’analisi parametrica è invece un’evoluzione della semplice simulazione; essa
consiste nella effettuazione di più analisi di simulazione, facendo variare una delle
variabili in ingresso in un intervallo e tenendo costanti le altre variabili. La procedura
può essere ripetuta per tutte le variabili, ottenendo così una caratterizzazione
completa (nell’ambito della validità del principio di sovrapposizione degli effetti). I
risultati possono essere facilmente posti in forma grafica. Se la variabile è unica, si
fa variare automaticamente quella e si determinano i valori dell’output in funzione
della variazione di quell’input: nell’esempio precedente si fa variare 𝑥 e si vede cosa
accade a 𝑦.

Figura 13

Nel caso in cui si abbia a che fare con due variabili ad esempio:
𝑦 = 𝑘1 𝑥1 + 𝑘2 𝑥2
Si blocca alternativamente una delle due variabili facendo invece variare l’altra (si
effettuano in pratica due simulazioni, una al variare di 𝑥1 con 𝑥2 fissata e una al
variare di 𝑥2 con 𝑥1 fissata). In questo modo si riesce a valutare l’effetto di ogni
singola variabile sull’output, ma tale metodo è adatto solo nel caso in cui valga il
principio di sovrapposizione degli effetti (funzione lineare).
Un altro esempio in cui è possibile applicare un’analisi parametrica è il seguente:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2

24
Figura 14

Le rette in figura sono riportate al variare del parametro 𝑥2 e parametrizzate rispetto


al parametro 𝑥1 . Poiché la funzione è lineare nelle due variabili indipendenti, bastano
tre osservazioni per caratterizzarne l’andamento (si possono analizzare
separatamente le influenze delle due variabili e sovrapporre gli effetti). Tutte le rette
distano da loro di un eguale valore indipendente dai valori delle singole variabili.
Fissata dunque una retta e la distanza della stessa da una retta successiva è
possibile prevedere l’andamento di tali funzioni su tutto il piano (l’effetto di 𝑥1 non
ricade su sé stesso né tantomeno su 𝑥2 e lo stesso vale per 𝑥2 ).
Nel caso in cui la dipendenza sia non lineare, ma ad esempio di tipo quadratico
relativa ad una sola delle variabili indipendenti la situazione cambia. Si supponga di
avere la seguente funzione:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥12

Figura 15

Ancora una volta le rette sono disegnate al variare di 𝑥2 e parametrizzate rispetto a


𝑥1 . In questo caso rispetto alla variabile 𝑥2 si ha ancora linearità, ma rispetto ad 𝑥1 si
perde tale caratteristica. Pertanto in questo caso, quando la 𝑥1 cambia di una unità
la 𝑦 varia in maniera differente a seconda del valore della 𝑥1 stessa. Quindi l’effetto
della variabile 𝑥2 non dipende né da 𝑥1 né tantomeno da sé stessa, mentre l’effetto
della variabile 𝑥1 dipende dal valore della stessa (ma non dal valore di 𝑥2 ): si ha cioè
una sorta di linearità parziale.
25
Stesso ragionamento, ma all’inverso, lo si può fare quando si ha la seguente
funzione:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎4 𝑥22

Figura 16

Anche in questo caso le curve sono disegnate al variare di 𝑥2 e parametrizzate


rispetto ad 𝑥1 . Questa volta si ha un andamento quadratico rispetto alla variabile 𝑥2
e lineare rispetto alla variabile 𝑥1 . Le curve si mantengono equidistanti rispetto alle
variazioni di 𝑥1 , mentre la variazione di 𝑥2 comporta un andamento non lineare: nella
parte più a sinistra al variare di 𝑥2 la 𝑦 si mantiene piuttosto costante, mentre man
mano che ci si sposta verso destra all’aumentare della 𝑥2 la 𝑦 subisce un incremento
notevole. Tuttavia si conservano alcune proprietà della curva come per esempio il
punto di minimo che rimane lo stesso indipendentemente dal valore di 𝑥1 : se essa
fosse una curva di costo, la variabile 𝑥2 che minimizza il costo è sempre la stessa
indipendentemente da 𝑥1 .
In ogni caso per caratterizzare l’effetto della variabile con dipendenza non lineare
sono necessarie più osservazioni.
Ancora diverso è il caso in cui la non linearità venga estesa ad entrambe le variabili,
come nell’esempio seguente:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥12 + 𝑎4 𝑥22

Figura 17
26
In questo caso l’effetto del cambiamento di 𝑥2 dipende dal valore della 𝑥2 stessa e
l’effetto del cambiamento della 𝑥1 dipende dal valore della 𝑥1 stessa; tuttavia non ci
sono effetti combinati e di fatto il minimo delle curve sta sempre nello stesso punto
𝑥2 indipendentemente dal valore dell’altra variabile. Pertanto è ancora possibile
analizzare l’influenza delle due variabili indipendenti e sovrapporre gli effetti.
Infine, nel caso in cui la non linearità è estesa a tutte le variabili, con effetti di
accoppiamento tra le variabili 𝑥1 e 𝑥2 la questione diventa molto più complessa: in tal
caso non è più applicabile il principio di sovrapposizione degli effetti. Un esempio può
essere il seguente:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥12 + 𝑎4 𝑥22 + 𝑎5 𝑥1 𝑥2

Figura 18

In questo caso il punto di minimo cambia in funzione del valore di 𝑥1 e dunque non
viene conservato nulla. Pertanto quando ci sono non linearità ed effetti incrociati non
è possibile studiare gli effetti separatamente.
L’utilità dell’analisi parametrica è legata in definitiva alla possibilità di applicare il
principio di sovrapposizione degli effetti. In presenza di non linearità e di interferenza
(accoppiamento) tra le variabili, la caratterizzazione del sistema richiede un’analisi
congiunta rispetto a tutte le variabili. Una analisi esaustiva di una funzione con 𝑁
variabili e 𝑀 valori per variabili, richiede 𝑀 𝑁 simulazioni. In molti problemi reali (per
esempio nella progettazione di un motore a combustione interna, in cui è necessario
considerare una serie di variabili quali: rapporto di compressione, cilindrata, …) 𝑁 ed
𝑀 assumono valori elevati. In effetti già nel caso in cui 𝑀 = 𝑁 = 10 sarebbero
necessari 1010 (10 𝑚𝑖𝑙𝑖𝑎𝑟𝑑𝑖) esperimenti (o di prototipi da realizzare). Per quanto il
computer possa essere veloce ad effettuare tali calcoli, il problema è che poi
bisognerebbe analizzare i risultati e trarre delle conclusioni e questo sarebbe
impossibile. In generale nei sistemi complessi c’è sia non linearità che
accoppiamento tra diverse variabili e pertanto è necessario adottare metodologie di
analisi differenti (per esempio analisi di ottimizzazione). Per esempio nel caso in cui
si voglia determinare il valore delle emissioni inquinanti di ossidi di azoto, è noto che

27
tale valore dipende dal regime di giri di funzionamento ed al variare di esso cambia
completamente la curva che descrive il comportamento.
Nell’analisi di ottimizzazione si assegna un criterio di ottimalità, In genere ricondotto
alla minimizzazione di una funzione obiettivo e all’eventuale soddisfacimento di
vincoli, espressi da relazioni di uguaglianza o disuguaglianza. Il valore ottimale delle
variabili di controllo è in genere cercato con metodi numerici, di tipo iterativo. In
particolare in questo caso non si ha la pretesa di caratterizzare completamente, il
sistema (ovvero di sapere cosa accade in qualunque soluzione si metta), ma solo ciò
che interessa.

Figura 19

Ad esempio, nel caso in cui si stia controllando un sistema è possibile che si voglia
definire un criterio di ottimalità nel funzionamento dello stesso: ciò si riconduce in una
funzione (o più funzioni) detta funzione obiettivo; in molti casi si riesce a sintetizzare
ciò che si vuole di un sistema da progettare e/o da controllare attraverso una
combinazione di variabili da rendere minima o massima (se per esempio si tratta di
un rendimento lo si vuole massimizzare, se si tratta di un costo lo si vuole
minimizzare): in alcuni casi è necessario trovare un criterio per poter mettere
assieme diversi aspetti separati (per esempio consumi ed emissioni) e definire di
conseguenza la funzione obiettivo; in taluni casi inoltre è necessario definire anche
delle relazioni (vincoli) da soddisfare (sotto forma di equazioni o di disequazioni). Il
problema dunque è quello di trovare la combinazione delle variabili di ingresso che
soddisfi i requisiti: invece di calcolare tutte le combinazioni possibili si punta al calcolo
della sola combinazione che soddisfi i requisiti imposti. Pertanto il modello viene
interrogato diverse volte (ovviamente si conosceranno sempre le variabili di input e i
parametri) e gli output ottenuti andranno a definire una funzione obiettivo con dei
vincoli: a questo punto si utilizza un algoritmo di ottimizzazione che modifica in
maniera opportuna le variabili di input per soddisfare il requisito imposto.
L’ottimizzazione può essere seguita da un’analisi parametrica detta analisi di
sensitività, per verificare lo scadimento della soluzione dovuto a scelte sub-ottimali
28
delle varabili di controllo. Si supponga di aver progettato un impianto termoelettrico
avendo determinato, tra le tante cose, quanto deve valere il diametro delle tubazioni
che collegano il generatore di vapore alla turbina; posto che il valore ottimale di tale
diametro sia pari a 63 𝑐𝑚 non è detto che un tubo di tale dimensione sia disponibile
in commercio: andando sul catalogo magari ci si accorge che le taglie disponibili, più
prossime al valore ottimale sono di 60 𝑐𝑚 e 65 𝑐𝑚; pertanto una volta eseguito il
calcolo per determinare l’ottimo è necessario capire se è possibile permettersi di
adottare un tubo di dimensioni differenti sulla base della disponibilità del mercato,
oppure se è necessario far realizzare tale tubo ad-hoc. Per capire quale tubo
scegliere è necessario andare a perturbare il valore ottimale e vedere come varia di
conseguenza la funzione obiettivo: se essa subisce piccole variazioni verosimilmente
si adotterà la soluzione standard che prevede l’adozione di un tubo da 60 𝑐𝑚 o da
65 𝑐𝑚, mentre se essa cambia radicalmente si preferisce realizzare il tubo ad-hoc
sebbene questo comporti dei costi notevolmente maggiori (la scelta è sempre frutto
di un compromesso).

Figura 20

I due andamenti della funzione obiettivo in funzione del diametro delle tubazioni
riportati di seguito evidenziano proprio quanto detto: se la funzione obiettivo varia
poco (curva in blu) la scelta ricade su un diametro commerciale, mentre se la
funzione obiettivo è molto sensibile alle variazioni di diametro (curva in rosso) si
preferisce adottare una soluzione ad-hoc.

Figura 21

29
Pertanto l’analisi di sensitività associata all’ottimizzazione permette di capire se è
possibile permettersi degli scostamenti dal valore ottimale ricavato oppure no.
Si tenga presente che il ruolo dei vincoli, nell’ambito dell’analisi di sensitività è talvolta
fondamentale. Si immagini di avere un impianto a gas e di voler ottimizzare il ciclo
termodinamico di riferimento (ciclo Joule: caso ideale) al variare del rapporto di
compressione 𝛽𝑐 :

Figura 22

Com’è noto al variare del rapporto di compressione (che è uguale al rapporto di


espansione), il rendimento varia ed in particolare cresce all’aumentare di tale valore.
Fissate le temperature minima (𝑇1 ) e massima (𝑇3 : fissata per motivi tecnologici) è
possibile calcolare il valore di tale rendimento e massimizzarlo in funzione di 𝛽𝑐 : il
rendimento che verrà fuori sarà pari a quello di Carnot (ciclo ideale) ed il sistema
evolverà tra la temperatura minima e quella massima senza variazione di entropia
(dal punto 1 si arriva in verticale al punto 2 che coincide con il punto 3 e si andrà
verticalmente al punto 4 coincidente con il punto 1); sebbene il rendimento risulti
massimo in tale condizione, il lavoro risulta nullo e pertanto tale ciclo non ha nessuna
utilità: non avendo fissato un valore di riferimento da rispettare per quanto riguarda il
lavoro risultante, l’algoritmo utilizzato procede non preoccupandosi di cosa accade a
quest’ultimo ma solo in funzione della massimizzazione del rendimento. Pertanto è
necessario fornire dei vincoli, in maniera da stabilire magari un lavoro minimo al di
sotto del quale non è possibile scendere.
Un altro criterio di analisi dei modelli e delle loro tipologie di applicazioni è legato al
confronto tra il tempo di simulazione (tempo necessario per effettuare la simulazione)
ed il tempo reale, caratteristico del processo in esame (tempo che si sta simulando):
ciò è valido per i processi che evolvono nel tempo. Un modo per classificare tali
modelli è confrontare i valori di questi due tempi:
 Tempo di simulazione = Tempo reale (real-time): applicazioni tipiche sono
l’hardware-in-the-loop, i simulatori (come molti giochi, o anche i simulatori di
volo: esso deve rispondere e mostrare ciò che accade esattamente nella
30
stessa sequenza temporale in cui si susseguono nel caso reale, oltre a
riprodurlo fedelmente).
 Non c’è legame tra tempo di calcolo (tempo di simulazione) e il tempo reale:
applicazioni tipiche sono studi di base, progetto (magari si studia l’evoluzione
di qualche minuto del sistema, impiegando pochi secondi o magari anche delle
ore a seconda della complessità del calcolo, ma ciò non è importante),
validazione di modelli teorici, progetto sistemi di controllo.
 Tempo di calcolo < Tempo reale: in tal caso prima che si sia completato il
processo, si deve essere in grado di predire cosa accade; tipiche applicazioni
sono l’ottimizzazione on-line (ad esempio di un impianto petrolchimico:
simulando il processo si cerca di predire quale sarebbe il comportamento
dell’impianto al variare di una serie di variabili; in tal modo si riesce a
comprendere qual è il miglior modo di agire per ottenere un determinato output:
il modello deve anticipare il sistema in modo che prima che accada qualcosa
si hanno delle alternative tra le quali scegliere), model-based control system
(controllo predittivo e adattativo basato sul modello che deve essere
sufficientemente veloce da permettere l’effettuazione di un determinato
numero di test per scegliere la soluzione migliore per il controllo del sistema).
Nell’ambito del controllo di un sistema, possono essere individuate diverse tipologie
di applicazioni a seconda che il sistema di controllo ed il sistema in esame siano reali
o simulati:

Figura 23

Quando si va a controllare un sistema si parte presumibilmente da una simulazione


del sistema (da un modello) e della logica di controllo sul computer (software-in-the-
loop): in tal caso sia il sistema fisico (ad esempio il motore), che il sistema di controllo
(ad esempio la centralina) sono replicate sul computer attraverso delle equazioni per
capire cosa accade. Il passo finale sarà quello di mettere il sistema di controllo reale
(centralina) su un sistema reale (veicolo). Tra il primo livello (software-in-the-loop) e
l’ultimo livello (implementazione reale), magari si ha l’esigenza di passare per degli
step intermedi. In particolare è possibile procedere in due modi:
 Se l’obiettivo è progettare la centralina di controllo e si ha a disposizione un
sistema reale, prima di produrre tale centralina, ci può essere la necessità di
capire come funzionano le logiche di controllo programmandole sul computer:

31
in tal caso il sistema reale si interfaccia con il calcolatore che simula il sistema
di controllo (control design, control prototyping).
 Nell’hardware-in-the-loop si fa il contrario: progettata la centralina, prima di
sperimentarla sul sistema reale, la si va a testare su un sistema simulato; tale
sistema deve essere fatto in modo che i tempi di risposta siano esattamente
uguali a quelli del sistema reale: le variabili di ingresso e di uscita del sistema
reale e di quello simulato devono essere le stesse e la sequenza temporale
deve essere la medesima. Ciò può essere fatto per motivi di sicurezza: se si
sta realizzando un sistema di controllo per un aereo prima di implementarlo su
un sistema reale per controllarne la bontà lo si testa su un simulatore di volo
che sia molto fedele e replichi esattamente il funzionamento dell’aereo
(chiaramente per le autovetture vale lo stesso in quanto può essere comunque
pericoloso).
L’interazione tra i modelli e la sperimentazione viene studiata da una disciplina detta
Experimental Design (progetto degli esperimenti). La teoria dell’Experimental Design
(ED) permette di determinare la scelta ottimale delle condizioni di misura, in modo
da massimizzare la significatività del modello da identificare. Si tenga presente che
una sperimentazione può essere in generale piuttosto lunga e costosa, nonché avere
determinate implicazioni (se si utilizzano delle cavie (animali) per effettuare tali
esperimenti è impensabile effettuare un numero elevatissimo di prove) e pertanto è
di fondamentale importanza capire quali sono i criteri su cui basare la
sperimentazione. Si supponga di avere due variabili ed in particolare di effettuare
delle prove al variare di una di esse (𝑥) per capire qual è l’andamento dell’altra (y); si
supponga di avere un legame lineare tra le due variabili: l’obiettivo è quello di
determinare i coefficienti della retta (𝑎, 𝑏), potendo effettuare un massimo di otto
esperimenti:
𝑦 = 𝑎𝑥 + 𝑏

Figura 24

32
Per condurre l’esperimento è possibile procedere in diverso modo. L’idea più intuitiva
sarebbe quella di scegliere un certo intervallo di misura e all’interno dello stesso
scegliere una distribuzione equispaziata di punti 𝑥 su cui effettuare le prove
(distribuzione uniforme); tuttavia tale idea, per quanto semplice possa sembrare, non
è quella ottimale per cui sarebbe meglio non procedere in questo modo. La soluzione
ottimale viene fornita proprio dalla teoria dell’Experimental Design la quale
suggerisce di effettuare gli otto esperimenti su punti concentrati agli estremi
dell’intervallo (quattro prove su ogni estremo). In ogni caso, in situazioni ancora più
complesse (funzione diversa da una retta) potrebbe essere difficile scegliere come
eseguire i test e pertanto si fa ricorso a questa teoria in quanto la scelta potrebbe
avere delle implicazioni sul risultato (tale disciplina aiuta a selezionare i punti). La
metodologia adotta da questa teoria si rifà all’algebra lineare implementando i modelli
realizzati su un calcolatore in grado di scegliere il prossimo esperimento da eseguire
in funzione dei risultati trovati con l’esperimento precedente: in questo modo si riesce
a ricavare in automatico il piano di sperimentazione ottimale.
Uno dei limiti dell’analisi modellistica è costituito dall’impossibilità di prevedere
completamente alcune tipologie di fenomeni (detti caotici), caratterizzata da una
elevata sensitività ai valori iniziali. È importante tenere presente che nella realtà
complessa molte volte è difficile fare delle previsioni e c’è un problema molto
significativo di affidabilità: di fatto, le stesse previsioni del tempo, sono affidabili in
tempi piuttosto brevi (dell’ordine di qualche giorno), ma generalmente molto poco
precise per tempi lunghi, sebbene esse siano ottenute allo stesso modo (ciò è dovuto
proprio al fatto che determinati fenomeni hanno un’elevata sensitività ai valori iniziali).
È interessante verificare, dagli scritti di importanti scienziati, l’evoluzione dell’idea di
predittività nel corso dei secoli e l’acquisizione della consapevolezza dei limiti alla
possibilità di una previsione quantitativa per alcune classi di fenomeni.
All’inizio dell’ottocento Laplace afferma:

Figura 25

Per intelligenza si potrebbe intendere un modello e non per forza un qualcosa legata
all’uomo.
33
Un secolo più tardi Poicaré afferma:

Figura 26

Si inizia a capire cioè che alcuni tipi di fenomeni non possono essere previsti lungo
certe scale temporali (come per i fenomeni metereologici).
Infine circa un secolo dopo Lorenz afferma:

Figura 27

In pratico esso sostiene che piccole cause possono produrre grandi effetti.
Il comportamento irregolare spesso osservato in natura può essere il risultato della
interazione di molti gradi di libertà in un sistema complesso. Il meteorologo Lorenz
ha però mostrato come il comportamento caotico può essere riprodotto anche con
tre semplici equazioni differenziali non lineari, come quelle che descrivono la
convezione di Rayleigh-Benard tra due lastre piane (fenomeno abbastanza
semplice). Si immagini di avere due lastre piane indefinite a temperature differenti
(𝑇1 e 𝑇2 ), con in mezzo un fluido quale l’aria:

Figura 28

34
Se le temperature delle due lastre sono differenti si genera un moto convettivo tra le
due lastre; tale moto convettivo tende a muovere dalla zona più calda a quella più
fredda. È possibile modellare questo fenomeno con le leggi della termodinamica
dello scambio termico ottenendo tre equazioni differenziali (𝑥, 𝑦, 𝑧) che descrivono le
coordinate con cui si muove nel tempo un generico punto:
𝑑𝑥
= 𝜎 ∙ (𝑦 − 𝑥 )
𝑑𝑡
𝑑𝑦
= −𝑥𝑧 + 𝑅𝑥 − 𝑦
𝑑𝑡
𝑑𝑧
= −𝑏𝑧 + 𝑥𝑦
𝑑𝑡
Dove:
𝜎 = 𝑡𝑖𝑒𝑛𝑒 𝑐𝑜𝑛𝑡𝑜 𝑑𝑖 𝑓𝑒𝑛𝑜𝑚𝑒𝑛𝑖 𝑑𝑖 𝑑𝑖𝑓𝑓𝑢𝑠𝑖𝑜𝑛𝑒/𝑣𝑖𝑠𝑐𝑜𝑠𝑖𝑡à
𝑅 = ℎ ∙ (𝑇2 − 𝑇1 )
ℎ = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒
𝑏 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜 𝑔𝑒𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑜
Le equazioni sono non lineari in quanto c’è accoppiamento tra due variabili. Tuttavia
non è difficile integrare tali relazioni utilizzando un computer: ovviamente è
necessario assegnare delle condizioni iniziali alle coordinate 𝑥, 𝑦, 𝑧 e un valore ai
parametri 𝜎, ℎ, 𝑏 nonché i valori di temperatura 𝑇2 , 𝑇2 .
Per verificare l’eventuale comportamento caotico, le equazioni sono risolte a partire
da valori iniziali poco differenti. In particolare con riferimento alla coordinata 𝑥 (per
𝑦, 𝑧 sarà lo stesso), posto 𝜎 = 10 e 𝑏 = 8/3, il comportamento caotico si osserva per
13 < 𝑅 < 24.06. Di fatto, posto 𝑅 = 10 si ha:

Figura 29

35
Pur avendo differenze nel valore iniziale di 𝑥0 , giacché si passa da 1 a 1.01 le curve
praticamente coincidono e non si osservano traiettorie differenti.
Tuttavia per 𝑅 = 15 si può osservare un comportamento di tipo caotico, ovvero dopo
un periodo iniziale le soluzioni divergono (per 𝑡 = 17 𝑠), senza ritrovare un
andamento comune:

Figura 30

In tal caso cambiando di poco la condizione iniziale 𝑥0 ed in particolare passando da


1 a 1.001 dopo un certo tempo (𝑡 = 17 𝑠) le curve si discostano ampiamente senza
mai più ritornare coincidenti (pur rimanendo qualitativamente simili). Pertanto in un
fenomeno simile, a partire da un certo tempo, non si è più in grado di fare delle
previsioni giacché con una piccola incertezza iniziale si hanno valori totalmente
sballati. Si tenga presente che le misure in generale sono sempre approssimate e
pertanto se un’incertezza di un solo millesimo provoca un risultato di questo tipo il
modello non è in grado di fare previsioni.
Per 𝑅 = 50 invece, le soluzioni pur divergendo, ritrovano traiettorie comuni stabili:

Figura 31

Queste tipologie di modelli vengono studiati con strumenti matematici sofisticati che
si rifanno all’algebra lineare e alla teoria dei sistemi, utilizzando metodologie quali
trasformate di Laplace, …. In ogni caso il modo più semplice per mettersi a riparo da
errori di previsione è quello di andare a simulare il sistema nel tempo perturbando le
36
variabili iniziali e cercando di capire se le previsioni siano stabili (se non sono stabili
non è possibile fidarsi dei valori numerici che si hanno in uscita).
I modelli non completamente basati sulla conoscenza a priori hanno necessità di
derivare informazioni attraverso misure sperimentali sul sistema reale. Nel caso dei
modelli black-box (struttura solo matematica) tutta l’informazione è derivata dal
confronto con misure sperimentali, mentre per i modelli grey-box, basati su una
rappresentazione fisica approssimata del sistema, è necessario derivare delle misure
delle informazioni aggiuntive. Le informazioni sono in genere incorporate nel modello
attraverso uno o più costanti numeriche dette parametri e la fase di stima degli stessi
viene detta identificazione. Oltre al valore dei parametri, la stima può essere estesa
alla misura della loro incertezza (intervalli di confidenza), attraverso una analisi di
significativà (si cerca di capire il livello di precisione dei parametri e dunque del
calcolo ottenuto).
Nel caso di proiezioni elettorali, ad esempio, l’incertezza assume un ruolo
fondamentale: affermare che un partito ha ottenuto il 51 % ± 0.1 % dei voti è cosa
diversa rispetto al dire che ne ha ottenuto il 51 % ± 5 % (nel primo caso sicuramente
ha vinto le elezioni, nel secondo caso non è detto in quanto c’è un elevato livello di
incertezza). Pertanto è necessaria un’analisi di significatività per capire l’intervallo di
incertezza del calcolo. L’identificazione stima sia il valore del parametro che la sua
incertezza.
La tecnica più universalmente adoperata per la stima dei parametri è detta dei minimi
quadrati. In particolare si supponga di avere i seguenti dati:
𝑦 = 𝑓(𝑥, 𝛽) (𝑒𝑞𝑢𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑙𝑜)
𝑥 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖 𝑖𝑛𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑖 (𝑑𝑖 𝑖𝑛𝑔𝑟𝑒𝑠𝑠𝑜)
𝑦 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖 𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑖 (𝑑𝑖 𝑢𝑠𝑐𝑖𝑡𝑎)
𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑜𝑠𝑠𝑒𝑟𝑣𝑎𝑧𝑖𝑜𝑛𝑖 (𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑑𝑎𝑡𝑖 𝑎 𝑑𝑖𝑠𝑝𝑜𝑠𝑖𝑧𝑖𝑜𝑛𝑒)
𝛽 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑖 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑙𝑜
𝑦 ∗ = 𝑣𝑎𝑙𝑜𝑟𝑖 𝑜𝑠𝑠𝑒𝑟𝑣𝑎𝑡𝑖 (𝑚𝑖𝑠𝑢𝑟𝑎𝑡𝑖 ) 𝑑𝑒𝑙𝑙𝑒 𝑣𝑎𝑟𝑎𝑖𝑏𝑖𝑙𝑖 𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑖
𝑒 = 𝑦 ∗ − 𝑦 (𝑒𝑟𝑟𝑜𝑟𝑒 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑙𝑜: 𝑑𝑒𝑣𝑒 𝑒𝑠𝑠𝑒𝑟𝑒 𝑖𝑙 𝑝𝑖ù 𝑝𝑖𝑐𝑐𝑜𝑙𝑜 𝑝𝑜𝑠𝑠𝑖𝑏𝑖𝑙𝑒)
𝑤 = 𝑝𝑒𝑠𝑜 𝑑𝑒𝑙𝑙𝑎 𝑔𝑒𝑛𝑒𝑟𝑖𝑐𝑎 𝑜𝑠𝑠𝑒𝑟𝑣𝑎𝑧𝑖𝑜𝑛𝑒
𝑆 = 𝑠𝑜𝑚𝑚𝑎 𝑑𝑒𝑔𝑙𝑖 𝑠𝑐𝑎𝑟𝑡𝑖 𝑞𝑢𝑎𝑑𝑟𝑎𝑡𝑖𝑐𝑖
Secondo la metodologia dei minimi quadrati il valore ottimale il valore ottimale dei
parametri 𝛽 è quello a cui corrisponde il minimo valore della somma degli scarti
quadrati 𝑆:
𝑛 𝑛
min 𝑆 = ∑ 𝑒𝑖2 = ∑ [𝑦𝑖 (𝑥𝑖 , 𝛽) − 𝑦𝑖∗ ]2
𝛽 𝑖=1 𝑖=1

37
È evidente che si va a minimizzare la somma degli errori elevati al quadrato per
evitare che un errore negativo compensi uno positivo dando l’illusione che il modello
dia un errore nullo. Tuttavia in questo modo si pesa allo stesso modo uno scarto in
positivo e uno scarto in negativo: in alcuni casi può non essere la cosa migliore
perché un errore negativo potrebbe essere meno grave di un errore positivo a
seconda dell’applicazione.
Una variante di tale metodo è data dal metodo dei minimi quadrati pesati, in cui è
possibile associare alla generica i-esima osservazione un peso 𝑤𝑖 , legato, per
esempio, all’attendibilità della singola misura sperimentale:
min 𝑆 = ∑𝑛𝑖=1 𝑒𝑖2 = ∑𝑛𝑖=1[𝑤𝑖 ∙ (𝑦𝑖 (𝑥𝑖 , 𝛽) − 𝑦𝑖∗ )]2 𝑐𝑜𝑛: 0 ≤ 𝑤𝑖 ≤ 1
𝛽

È possibile cioè complicare le cose e dare un certo livello di affidabilità ad una misura
piuttosto che ad un’altra; avendo effettuato due misure con strumenti differenti di cui
uno meno preciso e l’altro più preciso è possibile associare dei pesi per calibrare
diversamente le misure stesse.
La stima in blocco dei parametri è effettuata attraverso l’analisi contemporanea di
tutto l’insieme delle osservazioni disponibili: in tal caso si suppone di avere a
disposizione tutti i dati sin dall’inizio.
In molti casi applicativi, in cui i parametri non sono tutti immediatamente disponibili
si inizia a lavorare con quelli che si ha a disposizione e man mano vengono aggiunti
altri dati: in tal caso si utilizza la tecnica della stima ricorsiva. Secondo la tecnica della
stima ricorsiva i parametri sono aggiornati (update) non appena una nuova
osservazione (o un insieme di osservazioni) si renda disponibile. È utile per
l’identificazione dei modelli in real-time.
Un esempio, per capire bene la differenza tra le due tipologie di stime, può essere
fatto per il calcolo della media aritmetica di un insieme di 𝑁 valori 𝑦𝑖 con la tecnica a
blocchi e con la tecnica ricorsiva.
Nel caso in cui si abbiano tutti i dati disponibili (stima a blocchi) si ha:
𝑁
1
𝑦̅̅
̅̅𝑁 = ∑ 𝑦𝑖
𝑁
𝑖=1

Nel caso in cui non siano disponibili tutti i dati sin dall’inizio si può ricorrere alla stima
ricorsiva ed in questo caso si ha:
𝑦0 = 0
̅̅̅
1
𝑦𝑘 = 𝑦
̅̅̅ ̅̅̅̅̅̅
𝑘−1 − ∙ (𝑦 𝑘−1 − 𝑦𝑘 ) 𝑐𝑜𝑛: 𝑘 = 1, … , 𝑁
̅̅̅̅̅̅
𝑘
Pertanto si ha:

38
1
𝑦1 = ̅̅̅
̅̅̅ 𝑦0 − ∙ (̅̅̅
𝑦0 − 𝑦1 ) = 𝑦1
1
1 1
𝑦2 = ̅̅̅
̅̅̅ 𝑦1 − ∙ (̅̅̅
𝑦1 − 𝑦2 ) = ∙ (𝑦1 + 𝑦2 )
2 2
… = …………………………………………………
In questo modo, ogni volta che si ha a disposizione un nuovo valore si effettua un
solo calcolo.
Per la stima dei sistemi dinamici, si utilizzano molto spesso alcune metodologie
ricorsive di seguito indicate a titolo di esempio:
 ARMA – Auto Regressive Moving Average
 ARMAX – Auto Regressive Moving Average with eXogenous Inputs
 NARMAX – Non-Linear Auto Regressive Moving Average with eXogenous
Inputs

39
Lezione 4 (Pianese) 10/03/2017
Motori alternativi a combustione interna: introduzione
Per studiare il ciclo limite di un motore alternativo a combustione interna è necessario
fare riferimento alla termo-chimica. Nel passare dal ciclo ideale al ciclo limite di un
motore si ha una forte riduzione del rendimento. Un motore alternativo a combustione
interna non può essere studiato con la stessa facilità con cui si studia un impianto a
gas. Di fatto in quest’ultimo caso è possibile immaginare che il fluido sia ideale
giacché il rapporto di miscela è molto elevato, la combustione avviene in una camera
di combustione dedicata solo a quello e dunque non si hanno problemi di
dissociazione, mentre in un motore a combustione interna le temperature sono molto
più elevate, la miscela è prossima a quella stechiometrica e quindi tra i prodotti non
è possibile trascurare fenomeni di dissociazione (nel caso di combustione ideale
completa l’ossidazione di 𝐶𝑛 𝐻𝑚 porta alla formazione di 𝐶𝑂2 , 𝐻2 𝑂 e 𝑁2 che però è un
gas inerte e non partecipa alla combustione; nel momento in cui la miscela diventa
magra ci sarà ossigeno in più che non viene utilizzato, mentre se la miscela è ricca
ci sarà un’ossidazione parziale del carbonio con la formazione di 𝐶𝑂 e 𝐶𝑂2 e ci sarà
anche dell’idrogeno 𝐻2 che non riuscirà ad essere ossidato: pertanto si arriva almeno
a cinque specie). Nella realtà, date le temperature, anidride carbonica, ossido di
carbonio e idrogeno reagiscono dando vita alla formazione di altre specie e la
variazione di pressione e temperatura altererà le condizioni di equilibrio e quindi la
concentrazione varierà ad ogni istante; il calore che non viene rilasciato dalle reazioni
chimiche per la conversione in lavoro determina una riduzione del rendimento
rispetto al caso ideale.
Terminata la parte della combustione termochimica si analizzeranno i fenomeni di
ricambio della carica, cercando di spiegare il motivo per cui il rendimento volumetrico
𝜆𝑣 ha un andamento quadratico in funzione del regime di giri 𝑛:

Figura 32

L’andamento del rendimento volumetrico ha un impatto molto forte sulla coppia. La


progettazione del sistema di aspirazione e scarico determina le caratteristiche di
funzionamento del motore e di fatto l’applicazione: un condotto lungo consente un
elevato valore del rendimento volumetrico a bassi regimi di giri, mentre un condotto
corto consente un valore elevato del rendimento volumetrico ad alti giri.

40
Successivamente si analizzeranno i sistemi di sovralimentazione e si parlerà più
diffusamente del motore a due tempi.
Poi si parlerà della combustione analizzata da un altro punto di vista. Di fatto la
combustione può essere analizzata sia dal punto di vista della termochimica, sia dal
punto di vista della fenomenologia fisica (fluidodinamica) della combustione stessa
(il fronte di combustione avanza con una certa velocità, …), cercando di spiegare i
motivi per cui una combustione turbolenta è più veloce di una combustione laminare.
Supposto di avere un fronte di fiamma che avanza all’interno di un cilindro di un
motore ad accensione comandata:

Figura 33

La fiamma avanza con una velocità dell’ordine dei 10 𝑚/𝑠 in regime turbolento e
dell’ordine di 1 𝑚/𝑠 in regime laminare. La reazione chimica che avviene è del tipo:
𝑚 𝑚 𝑚
𝐶𝑛 𝐻𝑚 + (𝑛 + ) (𝑂2 + 3.773𝑁2 ) = 𝑛𝐶𝑂2 + 𝐻2 𝑂 + 3.773 (𝑛 + ) 𝑁2
4 2 4

Tra i reagenti e i prodotti ci sono migliaia di reazioni chimiche (reazioni a catena) e


diversi fenomeni. Scendendo nel dettaglio della fenomenologia bisogna tenere
presente che la fiamma avanza con una certa velocità e quindi c’è bisogno di un
certo tempo affinché si propaghi in tutta la camera.
Tratteremo dunque le leggi di rilascio del calore per i motori ad accensione
comandata e ad accensione per compressione ed infine si parlerà delle emissioni
inquinanti (quali sono le emissioni, quali sono i problemi alla base e fenomeni chimici
di formazione). Com’è noto nel caso del motore Diesel c’è una maggiore criticità da
un punto di vista delle emissioni ed in cui si cerca di trovare un compromesso tra le
emissioni di ossidi di azoto e di particolato solido.
Motori alternativi a combustione interna: termochimica
Esistono divere tipologie di motori alternativa a combustione interna a seconda
dell’applicazione: motori navali, motori per autotrazione, ….
Quando si devono serrare i bulloni delle teste si utilizza una chiave dinamometrica.
La chiave dinamometrica è un oggetto di una certa lunghezza dotato di una molla
che deve caricare in base alla coppia di serraggio; quando si va a stringere una volta
41
superata la coppia de serraggio la molla scatta e in tal modo si serrano i bulloni con
una coppia di chiusura; quando si deve tenere serrata la testa e il basamento del
motore è necessaria una coppia di serraggio per fare in modo che il cilindro sia a
tenuta, ma soprattutto che le forze di chiusura non siano tali da creare dei problemi
nel momento in cui ci siano deformazioni termiche. Nel caso in cui il motore abbia
elevate dimensioni si utilizzano altre tecniche perché i bulloni sono molto grandi: si
pressano la testa e il basamento e si avvita a mano: nel momento in cui si è raggiunto
un certo livello di chiusura basta rilasciare la pressa e si attua la forza di chiusura
(invece di stringere, si accoppiano con una forza maggiore di quella di chiusura e per
effetto della deformazione si va ad avvitare).
A questo punto si abbandona il ciclo ideale e si introduce il concetto di ciclo limite. Si
ricordi che il ciclo ideale nel piano pressione-volume per un motore a ciclo Otto è il
seguente:

Figura 34

Esso è costituito da una compressione adiabatica reversibile (1 – 2), un’adduzione


di calore a volume costante (2 – 3), un’espansione adiabatica reversibile (3 – 4) e
una sottrazione di calore a volume costante (4 – 1).
Nel caso del ciclo Diesel, sempre sul piano pressione-volume invece si ha:

Figura 35

Tale ciclo è costituito da una compressione adiabatica reversibile (1 – 2),


un’adduzione di calore a pressione costante (2 – 3), un’espansione adiabatica
reversibile (3 – 4) e una sottrazione di calore a volume costante (4 – 1). In questo
caso si raggiungono pressioni più elevate e volumi tendenzialmente più bassi.
42
In particolare nel caso di ciclo ideale si considerano la macchina ideale
(trasformazioni e processi ideale, assenza di attrito e resistenze) ed il fluido ideale
(fluido perfetto a calori specifici costanti, composizione costante); in tal caso non c’è
attrito tra gli elementi della macchina né tra fluido e macchina né tantomeno attrito
interno al fluido (fluido non viscoso). Nel caso del ciclo limite invece si assume che
la macchina sia ideale, ma il fluido sia reale: tuttavia per congruenza con il fatto che
la macchina sia perfetta si assume che il fluido sia non viscoso. Pertanto anche in
questo caso non ci sono irreversibilità all’interno della macchina né all’interno del
fluido.
In effetti da un punto di vista tecnologico è possibile immaginare che la macchina sia
perfetta: è solo una questione di soldi e di lavorazioni che si effettuano su di essa;
invece immaginare di andare contro il secondo principio della termodinamica è
assurdo, ecco perché il ciclo limite assume molta importanza. Spendendo molti soldi
è possibile arrivare a costruire una macchina senza attriti, perfettamente adiabatica,
…. Lo stesso ciclo può essere effettuato in modo che l’adduzione di calore avvenga
a volume costante in quanto è possibile immaginare un manovellismo di spinta
rotativo in grado di non seguire una legge sinusoidale, ma una legge caratterizzata
da una velocità costante lungo la corsa e un arresto immediato al punto morto
superiore. In effetti questa è una caratteristica dei motori elettrici lineari.

Figura 36

Si immagini di avvolgere delle spire attorno ad un cilindro, all’interno del quale vi sia
un pistone. Inviando una opportuna corrente all’interno delle spire, il pistone,
costruito di materiale opportuno, per effetto dell’induzione magnetico si muoverà
all’interno del cilindro: è possibile controllare la corrente in modo da far avanzare il
pistone alla velocità desiderata e con la legge di moto voluta; si fa in modo da
arrestare istantaneamente il pistone al punto morto superiore, dopodiché si fa partire
il pistone, si inverte la corrente e si ritorna al punto morto inferiore. Giocando dunque
sulla modulazione e sul verso della corrente è possibile determinare tale moto dal
pistone: durante la salita si prende lavoro dall’esterno, mentre durante la fase di
espansione si recupera quel lavoro grazie al fenomeno di combustione e si va a
caricare una batteria dove si va a stoccare l’energia elettrica (il principio della
conversione dell’energia chimica in lavoro rimane alterato, ma il lavoro viene
convertito direttamente in energia elettrica). Quindi basta controllare la corrente
opportunamente per avere un’adduzione di calore a volume costante, ….

43
Pertanto nel ciclo limite ci si concentra sul comportamento reale del fluido formato
da una miscela di aria e combustibile: il gas non è monocomponente, ma formato da
ossigeno, azoto e combustibile; a valle della combustione si otterrà una miscela di
gas combusti in cui si arriva fino a dieci specie differenti in proporzioni variabili a
seconda delle temperature (esse determinano effetti di dissociazione e
riassociazione e tali reazioni possono determinare un assorbimento del calore che
altrimenti potrebbe essere convertito in lavoro: questo è uno dei motivi per cui il
rendimento cala). Inoltre si assume la composizione dei gas combusti in equilibrio
chimico al di sopra dei 1700 𝐾 (equilibrio chimico vuol dire che in una qualunque
reazione non c’è ritardo nel passare da una specie all’alta, ma l’equilibrio si sposta
da un lato all’altro al variare della temperatura senza nessun fenomeno di ritardo o
di inerzia); al di sotto della temperatura di 1700 𝐾 si ha invece un congelamento cioè
le reazioni sono talmente lente da ritenere che la miscela non cambi; è evidente che
a 1700 𝐾 non c’è un vero e proprio switch, ma nella realtà c’è un passaggio
intermedio (non è un passaggio immediato). A rigore in un ciclo limite, trattandosi
ancora di una macchina ideale, si dovrebbe immaginare che non ci siano valvole, ma
per avvicinare il sistema alla realtà e dunque accoppiare a tale ciclo la parte di
ricambio della carica si assume un’apertura e una chiusura istantanea delle valvole
(al limite si potrebbe ottenere una cosa di questo tipo):

Figura 37

In tal modo si otterranno rendimenti più bassi rispetto a quelli del ciclo ideale.
Quindi schematizzando quanto detto si ha:
 Fluido di lavoro: miscela di aria, combustibile e gas combusti, in proporzioni
variabili
 Effetti della viscosità: trascurabili
 Composizione dei gas combusti: assunta in equilibrio chimico al di sopra dei
1700 𝐾, e congelata al di sotto di tale temperatura
 Fasi di compressione ed espansione: adiabatiche isoentropiche
 Combustione: istantanea (ciclo Otto), o a pressione costante (ciclo Diesel)
 Apertura della valvola di scarico al PMI: scarico istantaneo

44
 Fasi di scarico forzato ed aspirazione: si trascurano le perdite di carico e le
irreversibilità
 Chiusura della valvola di aspirazione al PMI
Di seguito si riporta un confronto grafico tra ciclo ideale e ciclo limite, prima con
riferimento al ciclo Beau de Rochas (ciclo Otto) e poi con riferimento al ciclo Diesel:

Figura 38

Figura 39

45
Lezione 5 (Pianese) 14/03/2017
Motori alternativi a combustione interna: termochimica
Si fa riferimento alla seguente figura in cui si riportano il ciclo ideale e i cicli limite con
o senza dissociazione per un motore a ciclo Otto sia sul piano pressione-volume che
sul piano temperatura-entropia.

Figura 40

Il ciclo ideale viene rappresentato in linea tratteggiata con la numerazione 1’2’3’4’ ed


è praticamente il ciclo di partenza. Nel ciclo limite il fluido, da un punto di vista
termodinamico è completo, essendo un fluido reale (tranne che per la viscosità, in
quanto si considera il fluido ancora inviscido); il fatto che il fluido sia non viscoso
spiega il perché le trasformazioni di compressione ed espansione possano essere
ancora considerate adiabatiche reversibili: la macchina è di fatto ideale (adiabaticità)
e non ci sono attriti interni al fluido (reversibilità). Nella fase 2’3’ del ciclo ideale (23
del ciclo limite) c’è un’adduzione di calore a volume costante (ciclo Otto): il pistone è
fermo al punto morto superiore, parte la combustione e raggiunto il livello massimo
di pressione il pistone inizia a scendere (fase di espansione); nel caso di impianti a
gas la forma del ciclo ideale è praticamente uguale a quella del ciclo limite in quanto
non ci sono differenze sostanziali, dato l’elevato rapporto di miscela e le basse
temperature medie. Nel caso del motore ad accensione comandata la miscela
durante la fase di compressione è costituita da aria e combustibile, mentre durante
la fase di espansione subentrano all’interno della miscela dei gas combusti: si
arriverà a considerare fino a dieci specie all’interno della miscela (non solo anidride,
carbonica, acqua e azoto, ma anche idrocarburi incombusti, monossido di carbonio,
idrogeno, …). Nel caso di combustione ideale gli unici prodotti della combustione
46
sono anidride carbonica ed acqua (oltre all’azoto che è un gas inerte) e dunque si ha
la massima conversione energetica: le trasformazioni che convertono il combustibile
di partenza in anidride carbonica e acqua rilasciano la massima quantità di calore.
Nel caso in cui si formi del monossido di carbonio, esso rappresenta un prodotto
incompleto della combustione in quanto non è completamente ossidato per formare
anidride carbonica: il calore dunque non viene rilasciato, ma rimane internamente al
composto sotto il profilo del legame chimico; in pratica nel caso di combustione
incompleta, a causa del fatto che non c’è ossigeno sufficiente (o combustibile in
eccesso) oltre alla formazione di anidride carbonica si ha anche la formazione di
monossido di carbonio e questo comporta un minore calore rilasciato in quanto
quest’ultimo ha ancora una sorta di energia potenziale da estrinsecare, ma che
rimane sotto forma di legame chimico. Di fatto la pressione massima, ma anche la
temperatura, a cui si arriva è inferiore nel caso di combustione incompleta (l’energia
potenziale chimica rimane all’interno delle specie chimiche e non viene rilasciata e
quindi non convertita in calore né tantomeno in lavoro). La combustione incompleta
si può avere sia a causa della mancanza di ossigeno sia per motivi tecnologici:
l’idrocarburo anziché essere bruciato trafila attraverso le fasce elastiche del pistone,
o va ad annidarsi in alcuni incavi presenti e quindi quell’energia potenziale chimica
non viene convertita in calore. Pertanto anziché arrivare nel punto 3’ come nel caso
ideale, si arriva nel punto 3 proprio a causa di questo fenomeno; inoltre si consideri
che anche i calori specifici considerati nel ciclo ideale e in quello limite sono differenti:
nel caso ideale infatti la miscela è praticamente costituita da aria (2’3’), mentre nel
caso limite si ha una miscela di gas il che comporta una variazione nei calori specifici
(il 𝑘 della miscela di gas è più basso di quello dell’aria e ciò porta di fatto ad una
riduzione della temperatura e della pressione). Nel caso in cui invece si abbia anche
dissociazione il fenomeno è ancora più complicato; nel caso di combustione
completa si ha la seguente reazione:
𝑚 𝑚 𝑚
𝐶𝑛 𝐻𝑚 + (𝑛 + ) (𝑂2 + 3.773𝑁2 ) → 𝑛𝐶𝑂2 + 𝐻2 𝑂 + 3.773 (𝑛 + ) 𝑁2
4 2 4

In generale la reazione può essere scritta anche nella maniera seguente:


𝑚 𝑚 𝑚
𝛷𝐶𝑛 𝐻𝑚 + (𝑛 + ) (𝑂2 + 3.773𝑁2 ) → 𝑛𝐶𝑂2 + 𝐻2 𝑂 + 3.773 (𝑛 + ) 𝑁2
4 2 4

Dove 𝛷 è il rapporto di equivalenza e può assumere i seguenti valori:


𝛷 = 1 ∶ 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎
𝛷 > 1 ∶ 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑟𝑖𝑐𝑐𝑎 (𝑝𝑟𝑒𝑠𝑒𝑛𝑧𝑎 𝑑𝑖 𝑝𝑖ù 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒)
𝛷 < 1 ∶ 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑚𝑎𝑔𝑟𝑎 (𝑝𝑟𝑒𝑠𝑒𝑛𝑧𝑎 𝑑𝑖 𝑝𝑖ù 𝑎𝑟𝑖𝑎)
Nel caso in cui c’è un eccesso di combustibile tra i prodotti della combustione si
ritrovano anche il monossido di carbonio e l’idrogeno (biatomico), mentre nel caso in
cui c’è un eccesso di ossigeno tra i prodotti si ritrova anche l’ossigeno (questi si
aggiungono a quelli già sempre presenti che sono: anidride carbonica, acqua e

47
azoto). Ciò accade anche in assenza di dissociazione in quanto non è legato a
quest’aspetto. Nel caso in cui vi sia dissociazione (fenomeno chimico) e si immagina
di avere dell’anidride carbonica all’interno della miscela, nel passaggio dal punto 2 al
punto 3’’ (caso con dissociazione) si ha la seguente reazione:
1
𝐶𝑂2 ⇄ 𝐶𝑂 + 𝑂2
2
A elevata temperatura l’anidride carbonica tende a dissociarsi formando monossido
di carbonio e ossigeno (biatomico): in pratica essa assorbe dell’energia per rompere
i legami chimici per formare 𝐶𝑂 e 𝑂2 . Se si ragiona in condizioni di equilibrio chimico
(reazioni estremamente veloci) non si introduce una dinamica, ma seguono la
temperatura: se essa varia istantaneamente si ha immediatamente un aumento di
monossido di carbonio e ossigeno; in pratica quando la temperatura aumenta si ha
una dissociazione e quando la temperatura si riabbassa si ha una riassociazione e
si riottiene l’anidride carbonica rilasciando calore. Se la trasformazione è ideale la
quantità di calore presa per dissociare l’anidride carbonica dovrà essere uguale a
quella che si ottiene durante la riassociazione: dal punto di vista del bilancio di prima
legge l’energia si conserva; il problema è che la reazione di dissociazione (da sinistra
e destra) avviene ad alta temperatura, mentre quella di riassciazione (da destra a
sinistra) avviene a bassa temperatura: l’energia termica viene dunque presa ad alta
temperatura e ceduta a bassa temperatura e quindi da un punto di vista del secondo
principio si assorbe calore più pregiato di quello si rilascia; quindi il calore rilasciato
a bassa temperatura che viene poi convertito in lavoro comporta un abbassamento
del rendimento. Quando c’è dissociazione si arriva nel punto 3’’ (piuttosto che nel
punto 3): nel momento in cui si ha l’espansione e si ha un abbassamento di
temperatura si ha un rilascio del calore (che viene convertito in lavoro) seguendo la
trasformazione 3’’544’’. Oltre all’anidride carbonica, anche l’acqua si dissocia e
quindi vale in pratica lo stesso ragionamento. Quindi in pratica si passa da una
temperatura molto elevata nel caso di ciclo ideale (punto 3’) a un livello molto più
basso nel caso di ciclo limite con dissociazione (punto 3’’). La trasformazione 3’’5 è
non reversibile (ad entropia crescente) proprio perché la dissociazione è un
fenomeno per sua natura irreversibile. Nei cicli ideale e limite si assume che le
pressioni 𝑝1′ e 𝑝1 siano le stesse (stanno sulla stessa isobara):

Figura 41

48
Nel ciclo limite si dovrebbe tener conto della frazione residua al punto morto
superiore per cui si dovrebbe avere una temperatura più elevata in quanto si ha
mescolanza dei gas freschi con quelli residui: tuttavia nella rappresentazione
riportata nel piano temperatura-entropia si ha una rappresentazione opposta a quello
che ci si aspetterebbe (il punto 1 che indica il ciclo limite viene rappresentato ad una
temperatura minore rispetto al punto 1’ che indica il ciclo ideale). Inoltre anche le
isocore dovrebbero essere differenti (𝑣1′ ≠ 𝑣1 ) a partire dai due punti 1’ e 1. Pertanto
il ciclo riportato va bene solo per la parte ad alta temperatura e pressione, mentre
per la parte inferiore la rappresentazione è sbagliata. Inoltre la massa molecolare del
gas presente nel ciclo limite è più elevata giacché nella fase di compressione si
considera aria e combustibile, che per quanto possa essere leggero, a meno del
metano, è certamente più pesante dell’aria, mentre nella fase di espansione si hanno
gas combusti che in ogni caso sono più pesanti dell’aria stessa.
Le stesse considerazione possono essere fatte per un ciclo Diesel.

Figura 42

Nel ciclo limite ancora una volta si ha una pressione ed una temperatura più bassa.
In questo caso in generale il rapporto di miscela è più elevato rispetto a un motore a
ciclo Otto (la miscela è stechiometrica solo localmente nella zona di combustione);
dato che nella rappresentazione del ciclo limite non si tiene conto del fronte di
fiamma, del getto, …, ma solo di una miscela omogenea con proprietà variabili a
seconda della fase (espansione, compressione, …) si considera la miscela
mediamente magra: valgono pertanto simili considerazioni fatte anche per gli impianti
a gas non considerando problemi di dissociazione o di combustione incompleta in
quanto l’ossigeno è appunto in eccesso. In ogni caso nel ciclo limite si raggiungono
temperature inferiori perché c’è una differenza nella massa molecolare e nei calori
49
specifici della miscela, ma la differenza rispetto al ciclo ideale è meno sostanziale. In
questo caso ovviamente l’adduzione di calore avviene a pressione costante.
La combustione è una reazione esotermica che avviene in fase gassosa tra reagenti
(ossigeno e combustibile). La fiamma individua una reazione di combustione che
evolve nello spazio in una regione a spessore “limitato”: essa è la zona che separa
gli incombusti (miscela aria-combustibile) dai combusti (miscela di gas bruciati). La
separazione tra le due regioni per quanto riguarda lo studio del ciclo limite è molto
sottile (è trascurabile). Le fiamme possono essere classificate in vari modi:
 Premiscelate: miscela in cui omogeneamente distribuita nello spazio c’è la
medesima quantità di aria e combustibile secondo un certo rapporto di
miscela.
 Diffusive: il mescolamento avviene per processi diffusivi (la candela è una
fiamma diffusiva, perché il combustibile sale attraverso lo stoppino per
capillarità e brucia perché si ha la diffusione dell’ossigeno con il conseguente
raggiungimento delle condizioni di infiammabilità); in tal caso il mescolamento
non è preparato dall’esterno.
 Laminari: mescolamento e trasporto dovuto a fenomeni molecolari.
 Turbolente: mescolamento e trasporto dovuto a fenomeni macroscopici tipici
del moto turbolento. In tal caso la turbolenza determina il mescolamento tra i
reagenti e il trasferimento delle specie chimiche.
 Stazionarie: velocità di avanzamento del fronte di fiamma costante
 Non stazionarie: in un motore a combustione interna le fiamme non sono mai
stazionarie perché si muovono da un punto della camera verso un altro punto
e soprattutto durante l’evoluzione cambiano le proprietà al contorno (pressione
e temperatura) e anche la geometria stessa (perché il pistone si sposta).
Quindi studiare la combustione all’interno dei motori è molto più critico che
studiarla all’interno dell’impianto a gas dove le fiamme sono tendenzialmente
stazionarie.
Dal punto di vista matematico e fisico la rappresentazione della combustione la si
ottiene attraverso lo studio di fenomeni non lineari legati a:
 Reazioni chimiche
 Trasporto di massa (materia): fluidodinamica
 Diffusione di massa: fluidodinamica
 Scambio termico
I reagenti possono essere in una fase inizialmente:
 Solida: nella candela inizialmente il reagente è solido (la cera) che poi si
scioglie ed evapora nella zona di reazione bruciando.
 Liquida: un combustibile liquido deve evaporare, mescolarsi e poi può bruciare
(lo si può iniettare all’interno della camera o all’esterno). In tal caso nella
valutazione energetica è necessario considerare l’energia spesa per far
50
evaporare il liquido (esso per evaporare assorbe energia per poter
incrementare la sua entalpia).
 Gassosa: in tal caso il mescolamento è più semplice e anch’esso può avvenire
sia all’interno che all’esterno della camera di combustione.
I componenti presenti nella miscela sono: ossigeno, azoto, vapori di combustibile,
anidride carbonica, vapore d’acqua, ….
Le fiamme diffusive, come la candela, sono di colore arancione (giallo), mentre le
fiamme premiscelate, come il fornello di casa per cuocere i cibi (al di sotto del piano
di cottura c’è un tubo che porta il gas e un condotto che consente l’ammissione di
aria prima di raggiungere la zona di combustione), sono di colore blu (azzurro).

Figura 43

Nella saldatura con cannello ossiacetilenico (ossigeno e acetilene), la fiamma è


premiscelata.

Figura 44

Nella figura precedente a sinistra viene rappresentata una fiamma premiscelata


turbolenta: aumentando la superficie di contatto tra reagenti e prodotti si facilita
ulteriormente la combustione; nella figura a destra si evidenzia invece la zona di
separazione tra i prodotti della combustione (zona interna) e i reagenti che
rappresentano la zona incombusta (zona esterna).
Se si prende come riferimento il ciclo limite si deve inevitabilmente tener conto del
fatto che la miscela è composta da più gas. I componenti presenti nella miscela in
termini di prodotti e reagenti sono: ossigeno, azoto, vapori di combustibile, anidride
carbonica, vapore d’acqua, …. Tutti questi componenti possono essere
51
singolarmente trattati come gas ideali e dunque per ciascuno di essi vale l’equazione
di stato: è possibile immaginare che si abbia a che fare con una miscela di gas ideali.
Nel motore ad accensione comandata si può avere una miscela di aria e
combustibile, una miscela di gas combusti, ma anche una miscela di aria,
combustibile e gas combusti (quando ci sono le fasi di incrocio delle due valvole di
aspirazione e scarico: il gas combusto che si trova al punto morto superiore in parte
espande durante la discesa del pistone per la fase di aspirazione e si mescola con
l’aria e il combustibile che stanno arrivando). Per ciascun componente vale
l’equazione di stato:
𝑅̃
𝑝𝑉 = 𝑚𝑅𝑇 ⟹ 𝑝𝑉 = 𝑚 𝑇 = 𝑛𝑅̃ 𝑇
𝑀𝑤
Dove:
𝑝 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒
𝑉 = 𝑣𝑜𝑙𝑢𝑚𝑒
𝑚 = 𝑚𝑎𝑠𝑠𝑎
𝑅 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒𝑙 𝑔𝑎𝑠
𝑇 = 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎
𝐽
𝑅̃ = 8313.3 (𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑙𝑒 𝑑𝑒𝑖 𝑔𝑎𝑠)
𝑘𝑚𝑜𝑙 ∙ 𝐾
𝑀𝑤 = 𝑚𝑎𝑠𝑠𝑎 𝑚𝑜𝑙𝑒𝑐𝑜𝑙𝑎𝑟𝑒
𝑚
𝑛= (𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑚𝑜𝑙𝑖)
𝑀𝑤
Inoltre si definiscono:
𝑝𝑖 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑝𝑎𝑟𝑧𝑖𝑎𝑙𝑒 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒
𝑚𝑖
𝑦𝑖 = (𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑚𝑎𝑠𝑠𝑖𝑐𝑎: 𝑚𝑎𝑠𝑠𝑎 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑠𝑢 𝑚𝑎𝑠𝑠𝑎 𝑡𝑜𝑡𝑎𝑙𝑒)
∑ 𝑚𝑖
𝑛𝑖
𝑥𝑖 = (𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑚𝑜𝑙𝑎𝑟𝑒: 𝑚𝑜𝑙𝑖 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑠𝑢 𝑚𝑜𝑙𝑖 𝑡𝑜𝑡𝑎𝑙𝑖)
∑ 𝑛𝑖

𝑉 = ∑ 𝑉𝑖

Si ricordi che la pressione parziale dell’i-esimo componente corrisponde alla


pressione a cui si troverebbe quel gas se occupasse da solo l’intero volume. Inoltre
𝑉𝑖 indica il volume occupato dall’i-esimo componente (volume parziale) alla pressione
ed alla temperatura della miscela.
Vale la seguente relazione:

52
𝑝𝑖 𝑉𝑖 𝑀𝑤
= = 𝑦𝑖 = 𝑥𝑖
𝑝 𝑉 𝑀𝑤,𝑖
Dove:
𝑀𝑤,𝑖 = 𝑚𝑎𝑠𝑠𝑎 𝑚𝑜𝑙𝑒𝑐𝑜𝑙𝑎𝑟𝑒 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒
1
𝑀𝑤 = ∑ 𝑛𝑖 𝑀𝑤,𝑖 = ∑ 𝑥𝑖 𝑀𝑤,𝑖 (𝑚𝑎𝑠𝑠𝑎 𝑚𝑜𝑙𝑒𝑐𝑜𝑙𝑎𝑟𝑒 𝑚𝑒𝑑𝑖𝑎)
𝑛
𝑖 𝑖

In tal modo è stato possibile legare la frazione massica alla frazione molare. La
massa molecolare media si ottiene come media ponderata delle masse molecolari i
cui pesi sono le moli di ciascun componente della miscela.
Per una miscela di gas perfetti vale la seguente relazione:
𝑝𝑉 = 𝑚𝑅̅ 𝑇
Dove:
𝑅̃
𝑅̅ = = ∑ 𝑦𝑖 𝑅𝑖 (𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒𝑙𝑙𝑎 𝑚𝑖𝑠𝑐𝑒𝑙𝑎)
∑𝑖 𝑥𝑖 𝑀𝑤,𝑖
𝑖

A questo punto è possibile calcolare le proprietà della miscela (energia interna,


entalpia, entropia, calore specifico a volume costante, calore specifico a pressione
costante), in funzione delle proprietà del singolo componente (i-esima specie):

𝑢 = ∑ 𝑥𝑖 𝑢𝑖
𝑖

ℎ = ∑ 𝑥𝑖 ℎ𝑖
𝑖

𝑠 = ∑ 𝑥𝑖 𝑠𝑖
𝑖

𝑐𝑣 = ∑ 𝑥𝑖 𝑐𝑣,𝑖
𝑖

𝑐𝑝 = ∑ 𝑥𝑖 𝑐𝑝,𝑖
𝑖

Si tenga presente che con riferimento all’energia interna ad esempio (ma vale in
generale per tutte le proprietà) si ha:
𝑛

𝑢(𝑇, 𝑃) = ∑ 𝑥𝑖 (𝑇, 𝑃) ∙ 𝑢𝑖 (𝑇, 𝑃)


𝑖=1

53
È evidente che 𝑥𝑖 indica la frazione molare (o la concentrazione) e può essere
costante (ovvero non dipendere da temperatura e pressione) oppure no: in un ciclo
ideale senza dissociazione allora la si può ritenere costante, ma nel momento in cui
c’è dissociazione anch’essa dipenderà da temperatura e pressione. Pertanto
l’energia interna della miscela dipenderà da pressione e temperatura non solo perché
l’energia interna dell’i-esimo componente è funzione di queste proprietà, ma anche
perché la concentrazione potrebbe esserlo: c’è dunque una duplice variabilità. Ecco
perché è anche difficile trattare analiticamente problemi di questo tipo. In effetti per
le proprietà esistono dei polinomi che forniscono la variazione della stessa in
funzione della temperatura (e/o della pressione); per esempio sempre con riferimento
all’energia interna:
𝑢 = 𝑎 + 𝑏𝑇 + 𝑐𝑇 2 + 𝑑𝑇 3
Ciò evidentemente vale anche per le altre proprietà (d’altro canto il calore specifico
a pressione costante è legato all’energia interna attraverso la relazione: 𝑢 = 𝑐𝑝 𝑇).
C’è poi anche la variabilità della concentrazione che dipende dalla reazione chimica
e da dov’è spostato l’equilibrio (se più a destra o più a sinistra).
La generica reazione di combustione completa è la seguente:
𝑚 𝑚 𝑚
𝐶𝑛 𝐻𝑚 + (𝑛 + ) (𝑂2 + 3.773𝑁2 ) → 𝑛𝐶𝑂2 + 𝐻2 𝑂 + 3.773 (𝑛 + ) 𝑁2
4 2 4

Essa è bilanciata rispetto ad una mole di idrocarburo: per ossidare tutta la mole di
idrocarburo (combustibile) sono necessarie 𝑛 + 𝑚/4 moli di ossigeno (è evidente che
si può far riferimento anche ad una mole di aria e vedere quante moli di idrocarburo
essa può ossidare: si tratta giusto di bilanciare diversamente la reazione).
Si ricordi che principalmente l’aria è costituita da ossigeno e azoto più altri gas nelle
seguenti proporzioni:
𝑂2 → 20.95 % (∼ 21 %)
𝑁2 → 78.09 % (∼ 79 %)
𝑅𝑒𝑠𝑖𝑑𝑢𝑜 → 0.93 % (∼ 0%)
Pertanto il peso molecolare dell’aria ottenuto come media ponderata tra il peso
molecolare dell’ossigeno e quello dell’azoto è circa pari a 28.9 𝑔/𝑚𝑜𝑙; per ogni mole
di ossigeno ci sono 3.773 moli di azoto (gas inerte). Di seguito vengono riportate le
masse molecolari delle specie chimiche di interesse:

54
Figura 45

L’alcool metilico e l’alcool etilico sono dei composti ossigenati. In particolare, metano,
propano, butano, isottano, alcool metilico, alcool etilico sono dei combustibili. Il
metano è più leggero dell’aria così come l’acqua (ecco perché il vapore d’acqua
tende a salire così come il metano tende ad addensarsi verso l’alto). Questo è il
motivo per cui nei garage chiusi c’è il divieto di parcheggiare le auto a GPL (che è
una miscela di butano e isottano e dunque è più pesante dell’aria) in quanto una
perdita del combustibile dal serbatoio tenderebbe ad addensarsi verso il basso,
mentre tale divieto non vale per le auto a metano in quanto esso si sposta verso
l’alto. In genere quando ci sono fughe di metano l’innesco (lo scoppio) avviene
nell’ambiente dove c’è la fuga, mentre nel caso del GPL (tipiche bombole del gas)
esso tende a scendere verso il basso stratificando e “camminando” in tutte le stanze.
Anche l’anidride carbonica è più pesante dell’aria: infatti quando si apre una bottiglia
di spumante molto fredda fuoriesce del fumo che va verso il basso (questo fumo è
nient’altro che anidride carbonica che tende a condensare ed essendo più pesante
dell’aria tende a scendere). Un gas che ha una massa molecolare più piccola rispetto
all’aria tende ad occupare più spazio, a parità di massa, rispetto ad un composto più
pesante: questo è il motivo per cui le vetture a metano sono in genere meno
performanti di quelle a GPL in quanto il rendimento è più scadente (quando si
mescola aria e metano, esso tende ad espandersi e dunque a rubare spazio
abbassando il rendimento); di fatto le vetture sportive a gas sono tipicamente a GPL.
La presenza dell’ossigeno caratterizza gli alcool che hanno la caratteristica di essere
bassobollenti (evaporano più facilmente) e dunque a raffreddare rapidamente
(l’alcool quando evapora sulle mani ad esempio dà quella sensazione di freddo; lo
stesso capita con la benzina, ma in misura minore, mentre con la nafta ciò non
accade perché essa non vaporizza facilmente). Quindi in generale si ha 𝐶𝑛 𝐻𝑚 o
anche 𝐶𝑛 𝐻𝑚 𝑂𝑝 : nel caso dell’alcool il rapporto di miscela viene alterato essendo già
presente dell’ossigeno all’interno del combustibile. In generale molto spesso
piuttosto che considerare il combustibile come 𝐶𝑛 𝐻𝑚 lo si considera come 𝐶𝐻𝑦 , dove:
𝑚 (𝑎𝑡𝑜𝑚𝑖 𝑑𝑖 𝑖𝑑𝑟𝑜𝑔𝑒𝑛𝑜)
𝑦=
𝑛 (𝑎𝑡𝑜𝑚𝑖 𝑑𝑖 𝑐𝑎𝑟𝑏𝑜𝑛𝑖𝑜)
55
Il rapporto di miscela invece è il rapporto tra la massa d’aria e quella di combustibile:
𝑦
𝐴 (1 + ) (32 + 3.773 ∙ 28.12) 34.56 ∙ (4 + 𝑦)
𝛼=( ) = 4 =
𝐹 𝑠𝑡 12.011 + 1.008𝑦 12.011 + 1.008𝑦
Con il metano il rapporto di miscela stechiometrico è intorno a 17, mentre con un
combustibile quale l’isottano si è interno a 15.
Per una reazione di combustione è verificata la conservazione della massa. A fine
combustione si ha un aumento del numero di moli (ovvero a parità di volume e
temperatura, un incremento di pressione): ciò comporta una riduzione del peso
molecolare medio della miscela (ciò è vero per atomi di idrogeno nel combustibile
maggiori di quattro, quindi a partire dal metano).
È possibile individuare il rapporto di equivalenza:
𝛼𝑠𝑡
𝛷=
𝛼
Dove:
𝛼 = 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑑𝑖 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑎𝑡𝑡𝑢𝑎𝑙𝑒
Ed in particolare:
 𝛷 < 1: 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑚𝑎𝑔𝑟𝑎
 𝛷 = 1: 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎
 𝛷 > 1: 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑟𝑖𝑐𝑐𝑎
L’inverso del rapporto di equivalenza è l’indice di aria:
𝛼
𝜆=
𝛼𝑠𝑡
Ed in particolare:
 𝜆 < 1: 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑟𝑖𝑐𝑐𝑎
 𝜆 = 1: 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎
 𝜆 > 1: 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑚𝑎𝑔𝑟𝑎
Si consideri la reazione di combustione completa:
𝑚 𝑚 𝑚
𝐶𝑛 𝐻𝑚 + (𝑛 + ) (𝑂2 + 3.773𝑁2 ) → 𝑛𝐶𝑂2 + 𝐻2 𝑂 + 3.773 (𝑛 + ) 𝑁2
4 2 4

Nel caso in cui la miscela sia stechiometrica (𝛼 = 𝛼𝑠𝑡 ) come prodotti si avranno
proprio anidride carbonica, acqua e azoto.
Se invece 𝛼 > 𝛼𝑠𝑡 si avrà un eccesso di ossigeno e dunque tra i prodotti oltre ad
avere anidride carbonica, acqua e azoto, si avrà anche ossigeno (𝑂2 ). In particolare
la reazione sarà del tipo:

56
𝑚 𝑚 𝑚 𝑚
𝐶𝑛 𝐻𝑚 + 𝜆 (𝑛 + ) (𝑂2 + 3.773𝑁2 ) → 𝑛𝐶𝑂2 + 𝐻2 𝑂 + 3.773𝜆 (𝑛 + ) 𝑁2 + (𝜆 − 1) (𝑛 + ) 𝑂2
4 2 4 4
Quando invece 𝛼 < 𝛼𝑠𝑡 nei prodotti oltre ad avere anidride carbonica, acqua ed
azoto, ci sarà anche monossido di carbonio e idrogeno molecolare (𝐻2 ): in tal caso
non c’è sufficiente ossigeno per ossidare completamente il carbonio e l’idrogeno
(combustione incompleta).
Pertanto banalmente si passa da una reazione a tre specie (combustione
stechiometrica) a una a quattro specie (miscela magra) o eventualmente a cinque
(miscela ricca). Quando c’è l’ossigeno in eccesso è più semplice da trattare da un
punto di vista del modello, mentre nel caso in cui si ha a che fare con cinque specie
nei prodotti la questione è più complessa. Infatti in quest’ultimo caso non c’è un
numero sufficiente di equazioni di scrivere per il bilancio degli atomi. Quando ci sono
quattro specie si possono scrivere quattro equazioni, avendo appunto quattro
incognite; quando si hanno cinque specie (ovvero cinque incognite) è possibile
scrivere sempre quattro equazioni di bilancio degli atomi, ma serve una quinta
equazione per il calcolo di tutti i coefficienti stechiometrici: la quinta equazione viene
fuori da una reazione aggiuntiva che mette insieme anidride carbonica, acqua,
monossido di carbonio e idrogeno. Nel momento in cui si arriverà a trattare di dodici
specie bisognerà individuare ben dodici equazioni per poter risolvere il problema.
Quindi per le miscele magre la quantità di aria in eccesso non prende parte alla
combustione ed è presente nei prodotti, l’equazione di bilancio stechiometrica
continua a valere. In presenza di miscele ricche con eccesso di combustibile
l’equazione scritta invece non è più valida in quanto la reazione è incompleta, non
essendo disponibile la quantità di ossigeno necessaria ad ossidare carbonio e
idrogeno per la formazione completa di anidride carbonica e acqua: nei prodotti sono
ancora presenti anidride carbonica, acqua e azoto, ma con la presenza anche di
monossido di carbonio e idrogeno.
L’equazione di bilancio (3 composti a miscela stechiometrica, 6 composti a miscele
magre) è valida a basse temperature (miscele congelate: 𝑇 < 1500 𝐾). A
temperature superiore a 2200 𝐾 è necessario tener conto della dissociazione di 𝐶𝑂2
e 𝐻2 𝑂 e in fase di raffreddamento (espansione) in funzione della velocità di
raffreddamento possono verificarsi fenomeni di ricombinazione. Quindi quando la
temperatura aumenta, pur avendo una miscela magra, l’energia presente è tale da
dissociare l’acqua e l’anidride carbonica arrivando anche a sei specie (perché
comunque si forma idrogeno e monossido di carbonio). Nel ciclo limite c’è l’ipotesi di
equilibrio chimico ovvero non c’è dinamica, ma avviene tutto istantaneamente al
variare della temperatura (le concentrazioni seguono la temperatura): quando invece
si parla di cinetica chimica il tempo avrà un ruolo.
Nel caso della combustione in un impianto a gas, facendo il bilancio sulla camera di
combustione basta considerare la quantità di aria e di combustibile che entrano
all’ingresso e la miscela (aria-combustibile) che si ritrova all’uscita: il combustibile

57
porta con sé un bagaglio di energia che trasferisce al fluido per incrementarne la
temperatura (e dunque l’entalpia). Quando si studia la combustione bisogna
considerare che il combustibile porta con sé un bagaglio di energia (potere calorifico)
e dunque si trova ad un certo livello energetico e a seguito della combustione tale
livello si abbassa: la variazione di entalpia la si ritrova in seno al fluido come calore.
Il primo principio della termodinamica in forma integrale può essere scritto nel
seguente modo:
𝑄𝑅−𝑃 − 𝐿𝑅−𝑃 = 𝑈𝑃 − 𝑈𝑅
Dove:
𝑄𝑅−𝑃 = 𝑐𝑎𝑙𝑜𝑟𝑒 𝑠𝑐𝑎𝑚𝑏𝑖𝑎𝑡𝑜 𝑛𝑒𝑙 𝑝𝑎𝑠𝑠𝑎𝑟𝑒 𝑑𝑎 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖 𝑎 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖
𝐿𝑅−𝑃 = 𝑙𝑎𝑣𝑜𝑟𝑜 𝑠𝑐𝑎𝑚𝑏𝑖𝑎𝑡𝑜 𝑛𝑒𝑙 𝑝𝑎𝑠𝑠𝑎𝑟𝑒 𝑑𝑎 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖 𝑎 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖
𝑈𝑃 − 𝑈𝑅 = 𝑣𝑎𝑟𝑖𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑒𝑛𝑒𝑟𝑔𝑖𝑎 𝑖𝑛𝑡𝑒𝑟𝑛𝑎 𝑡𝑟𝑎 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖 𝑒 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖
Quindi si passa da uno stato iniziale (reagenti) ad uno stato finale (prodotti) attraverso
fenomeni di combustione e di scambio di energia nella forma calore e lavoro.

Figura 46

Il processo di combustione può avvenire a volume e temperatura costante, o a


pressione e temperatura costante. Nel caso di combustione a volume e temperatura
costante, il lavoro che è di variazione di volume sarà certamente nullo per cui si avrà:
𝑄𝑅−𝑃 = 𝑈𝑃 − 𝑈𝑅 = −(𝛥𝑈)𝑉,𝑇
In effetti il termine 𝑄𝑅−𝑃 risulta essere minore di zero, essendo la combustione una
reazione esotermica (quando il calore viene ceduto dal sistema il segno è negativo:
si tenga presente che il sistema è la miscela aria combustibile: quindi a partire da un
livello energetico superiore si scende ad un livello inferiore cedendo calore che poi
incrementerà la temperatura): l’energia dei prodotti alla fine sarà minore.
Nel caso in cui il processo di combustione avvenga a pressione e temperatura
costante, il lavoro non sarà più nullo, ma sarò proprio dato dalla variazione di volume
tra prodotti e reagenti, per cui si avrà:
𝑄𝑅−𝑃 − 𝐿𝑅−𝑃 = 𝑄𝑅−𝑃 − 𝑃(𝑉𝑃 − 𝑉𝑅 )
Pertanto:
𝑄𝑅−𝑃 − 𝑃(𝑉𝑃 − 𝑉𝑅 ) = 𝑈𝑃 − 𝑈𝑅
Quindi:

58
𝑄𝑅−𝑃 = 𝑈𝑃 + 𝑃𝑉𝑃 − 𝑈𝑅 − 𝑃𝑉𝑅 ⟹ 𝑄𝑅−𝑃 = 𝐻𝑃 − 𝐻𝑅 = −(𝛥𝐻 )𝑃,𝑇
Ovviamente vale la stessa considerazione fatta precedentemente sul fatto che
essendo una reazione esotermica 𝑄𝑅−𝑃 risulta minore di zero.
Mettendo assieme i due termini ottenuti:
(𝛥𝐻 )𝑃,𝑇 − (𝛥𝑈)𝑉,𝑇 = 𝑝(𝑉𝑃 − 𝑉𝑅 ) = 𝑅0 (𝑛𝑃 − 𝑛𝑅 )𝑇

Nel caso in cui (𝛥𝐻 )𝑃,𝑇 = (𝛥𝑈)𝑉,𝑇 non c’è variazione del numero di moli; ovvero nelle
reazioni in cui il numero di moli tra i prodotti e i reagenti è invariata non si ha
differenza tra calore di combustione a volume e temperatura costane e calore a
pressione e temperatura costante (la presenza di gas inerti non influisce sul risultato:
il numero di moli di gas inerte nei reagenti è pari al numero di moli di gas inerte nei
prodotti). In particolare nella reazione:
1
𝐶𝑂2 ⇄ 𝐶𝑂 + 𝑂2
2
A partire da una mole di reagenti (anidride carbonica) si ottengono una mole e mezzo
di prodotti (monossido di carbonio più ossigeno), pertanto in tal caso la variazione di
entalpia a pressione e temperatura costante e la variazione di energia interna a
volume e temperatura costante non è la stessa. Ovviamente ciò è anche intuibile in
quanto se non c’è variazione tra numero di moli non c’è nemmeno variazione di
volume e dunque effetto legato al lavoro.
Nel caso delle reazioni chimiche è necessario stabilire un riferimento assoluto (alle
variazioni di composizione si associa una variazione delle proprietà): le entalpie e le
energie di riferimento non possono essere assegnate arbitrariamente per ogni
sostanza; in genere ci si riferisce alle condizioni di 𝑇 = 25 °𝐶 e 𝑃 = 1 𝑎𝑡𝑚.
Nella reazione chimica nel passaggio da reagenti a prodotti si ha una riduzione del
livello di entalpia o di energia interna. C’è una differenza sostanziale tra il caso in cui
si hanno prodotti in fase liquida o in fase vapore, così come per i reagenti da questo
punto vista.

Figura 47

59
Se il combustibile è allo stato liquido (reagente allo stato liquido: benzina) prima c’è
bisogno di riscaldare per vaporizzarla (reagente allo stato vapore) e quindi si passa
da 1 a 2 e successivamente a seguito della combustione si passa ad un livello
energetico inferiore (da 2 a 3 o da 2 a 4 a seconda che i prodotti siano in fase vapore
o in fase liquida). Pertanto il combustibile in tal caso per bruciare deve prendere
prima una quantità di energia per evaporare e poi rilascia quella parte di energia (più
altra energia) nel momento in cui avviene la combustione fino allo stato vapore o
eventualmente sino allo stato liquido (livello più basso). Questo è il motivo per cui si
utilizza il potere calorifico inferiore (è quello più basso possibile) in quanto esso viene
decurtato di tutti questi effetti. Alla fine quando si valuta il rendimento:
𝐿
𝜂=
𝑚𝑐 ∙ 𝐻𝑖
Se il potere calorifico tiene conto del combustibile allo stato vapore e dei prodotti allo
stato liquido si avrebbe un rendimento più basso (in quanto il potere calorifico
sarebbe maggiore); invece considerando i reagenti liquidi e i prodotti sotto forma di
vapore il termine si riduce e dunque il rendimento aumenta. Quindi volendo effettuare
un calcolo preciso è sempre necessario conoscere lo stato in cui si trovano i reagenti
e i prodotti.

Figura 48

60
Lezione 6 (Pianese) 15/03/2017
Motori alternativi a combustione interna: termochimica
Le reazioni di combustione permettono la conversione di energia potenziale chimica
in calore: la quantità di calore rilasciata in linea di massima è uguale alla variazione
di energia potenziale chimica tra reagenti e prodotti; il calore può essere generato
sia a pressione e temperatura costante sia a volume e temperatura costante. È
possibile far avvenire questa reazione all’interno di in un calorimetro; esso è
nient’altro che una scatola all’interno della quale a partire da reagenti avviene la
reazione ed è possibile misurare la quantità di calore valutando l’innalzamento di
temperatura dell’acqua contenuta all’interno; ovviamente la temperatura iniziale
dell’acqua è nota ed è dunque possibile misurare l’energia trasferita all’acqua (più
propriamente si parla di bombe calorimetriche proprio perché avviene la reazione
chimica all’interno. È evidente che alla fine, a seguito del rilascio del calore, la
temperatura aumenta, ma questo è un passaggio ulteriore: a seguito della
conversione dei reagenti nei prodotti, si genera calore che in realtà potrebbe anche
essere ceduto all’esterno raffreddando i prodotti piuttosto che facendo salire la
temperatura; quando invece il sistema è adiabatico (non si scambia calore con
l’esterno) si sfrutta il calore generato per innalzare la temperatura dei prodotti. Quindi
praticamente ci sono due effetti: l’effetto chimico in cui l’energia potenziale chimica
viene convertita in calore (passando dai reagenti ai prodotti) e l’effetto termo-
fluidodinamico che comporta un innalzamento di temperatura in quanto questo calore
lo si ritrova in seno al fluido (questo avviene contestualmente).
In un ciclo termodinamico si parte da una condizione di riferimento iniziale ritornando
alla fine a quale e dunque si assume un riferimento arbitrario. Con le reazioni
chimiche ciò non è possibile in quanto le energie in gioco oltre che legate al calore e
al lavoro sono anche legate ai legami chimici: i prodotti formatisi portano con sé
un’energia legata al processo chimico che porta alla loro formazione.
L’entalpia di formazione (ℎ𝑓 ) di un composto alla temperatura 𝑇 è l’aumento di
entalpia per formare una mole dai suoi elementi, con ogni elemento allo stato
standard alla pressione di 1 𝑎𝑡𝑚 ed alla temperatura 𝑇. Quindi per l’anidride
carbonica ad esempio l’entalpia di formazione è l’energia necessaria a formale la
𝐶𝑂2 partendo dal carbonio e dall’ossigeno. Si assume che per le specie ossigeno
molecolare (𝑂2 ), azoto molecolare (𝑁2 ), idrogeno molecolare (𝐻2 ) e carbonio (𝐶)
un’entalpia di formazione nulla; di fatto essi sono gli stati più stabili (l’ossigeno ad
esempio si trova sotto forma di 𝑂2 allo stato base, per poter ottenere l’ossigeno
atomico (𝑂) è necessario spendere dell’energia; lo stesso vale per l’idrogeno e per
l’azoto), ovvero quelli che hanno energia minima. Per formare l’anidride carbonica
(allo stato gassoso) l’energia necessaria a formare questa molecola da carbonio e
ossigeno è pari a −393.52 𝑀𝐽/𝑘𝑚𝑜𝑙 alle condizioni di 𝑇 = 25 °𝐶 e 𝑃 = 1 𝑎𝑡𝑚. Di
seguito viene riportata una tabella riassuntiva, con riferimento a quanto detto:

61
Figura 49

È bene precisare che tra la formazione di un composto allo stato liquido o allo stato
gassoso c’è una netta differenza. Per l’acqua liquida per esempio il livello energetico
è più basso, dunque la quantità di energia da fornire (o sottrarre) è maggiore rispetto
a quella dello stato gassoso. La differenza tra i due valori (𝑙𝑖𝑞𝑢𝑖𝑑𝑜 − 𝑣𝑎𝑝𝑜𝑟𝑒) è
nient’altro che il calore latente di vaporizzazione dell’acqua. Il combustibile quando
entra porta con sé un livello di entalpia di formazione (livello energetico). Si tenga
presente che la benzina (combustibile) l’idrocarburo di riferimento è l’isottano (𝐶8 𝐻18 ):
se si entra con l’idrocarburo 𝐶8 𝐻18 con un certo livello energetico (−249.35 𝑀𝐽/𝑘𝑚𝑜𝑙)
e si uscirà con 𝐶𝑂2 e 𝐻2 𝑂 che avranno altri livelli energetici in termini di entalpia di
formazione: la variazione di energia sarà data proprio dalla differenza tra l’entalpia di
formazione dei reagenti e l’entalpia di formazione dei prodotti (in realtà tra i reagenti
c’è anche ossigeno e azoto che però ha un’entalpia di formazione nulla, così come
tra i prodotti si ritrova lo stesso azoto che appunto non darà alcun contributo); questa
variazione di energia è nient’altro che il potere calorifico inferiore, quindi è calcolabile
nota che sia la composizione del combustibile e quella dei prodotti (le bombe
calorimetriche servono proprio per valutare il potere calorifico). Si tenga presente che
le bombe calorimetriche servono per valutare empiricamente il potere calorifico
anche e soprattutto quando non si conosce la composizione dei reagenti e dei
prodotti: l’idrocarburo che si acquista al distributore per le auto a benzina non è solo
l’isottano, ma è composto da una miscela (blend) di idrocarburi (c’è anche ossigeno
(miscele ossigenate) e dello zolfo come nelle nafte). Nelle torri di distillazione si
passa dal GPL (gas di petrolio liquefatto) che sta sulla sommità essendo più leggero,
man mano si scende incontrando le benzine, poi alle nafte, al cherosene, … ed infine
al bitume (parte più pesante): le benzine si trovano nella zona intermedia e sono
composte da frazioni più leggere e frazioni più pesanti. Quindi alla pompa non si
acquista l’isottano vero e proprio, ma una miscela i cui atomi di carbonio saranno
mediamente otto e gli atomi di idrogeno saranno mediamente diciotto.

62
È dunque possibile calcolare l’entalpia totale (non specifica: si tiene conto del numero
di moli) dei prodotti e dei reagenti:

𝐻𝑝0 = ∑ 𝑛𝑖 𝛥ℎ𝑓,𝑖

𝐻𝑅0 = ∑ 𝑛𝑖 𝛥ℎ𝑓,𝑖

Ovviamente con 𝑖, nel primo caso viene indicato l’i-esimo elemento dei prodotti
(anidride carbonica, acqua, monossido di carbonio, …) e nel secondo caso l’i-esimo
elemento dei reagenti (combustibile in quanto l’ossigeno e l’azoto non danno
contributo). Pertanto la variazione di entalpia della reazione sarà:
𝛥𝐻 = 𝐻𝑅0 − 𝐻𝑃0
Nel caso in cui non sia nota la composizione di un combustibile il calore di reazione
(per unità di massa) risulta:
𝑄𝐻𝑝 = −(𝛥𝐻 )𝑝,𝑇0
{
𝑄𝐻𝑉 = −(𝛥𝑈)𝑉,𝑇0
Il calore viene proprio misurato all’interno di una bomba calorimetrica. Nei casi in cui
i due calori siano uguali ci si trova nella condizione in cui non c’è variazione di moli
tra reagenti e prodotti.
Quando la miscela è stechiometrica o magra la variazione di entalpia tra reagenti e
predetti non varia in quanto l’ossigeno non dà contributo né tra i reagenti né tra i
prodotti. Se la miscela invece è ricca nei prodotti c’è anche monossido di carbonio e
idrogeno: la presenza del 𝐶𝑂 comporta un certo livello di entalpia di formazione e
quindi le cose cambiano (l’idrogeno molecolare non dà contributo).
Se si immagina di avere una mole di tutti i prodotti nel caso di miscela ricca (una
mole di anidride carbonica, una mole di acqua, una mole di monossido di carbonio e
una mole di idrogeno molecolare), per il semplice fatto di avere monossido di
carbonio tra i prodotti ci si sposterà più in alto e dunque il 𝛥𝐻 sarà minore
(all’aumentare del monossido di carbonio ci si sposta sempre più in alto e il 𝛥𝐻
diminuisce sempre di più):

Figura 50
63
Quindi il rendimento di combustione sarà certamente più basso rispetto al caso in cui
si ha una miscela magra o stechiometrica nel qual caso si riesce ad ossidare tutto
per formare anidride carbonica. L’idrogeno molecolare di per sé non dà contributo,
ma in presenza di reazioni in cui a una certa temperatura l’idrogeno molecolare viene
scisso in idrogeno atomico si avrà un contributo anche di questo termine.
Pertanto conoscendo la composizione della miscela è possibile calcolare le moli di
ciascuno dei reagenti e di ciascuno dei prodotti (dalla stechiometria) e dunque si può
valutare l’entalpia dei prodotti e quella dei reagenti; calcolando quindi la variazione
di entalpia è possibile valutare il calore rilasciato dalla reazione. Dal punto di vista
sperimentale se non si conosce la composizione chimica dei reagenti e dei prodotti
basta mettere il combustibile in una bomba calorimetrica e si misura il calore
generato da quella reazione: si faranno più tentativi partendo da una quantità di
ossigeno verosimilmente maggiore di quella stechiometrica riducendola man mano
per arrivare alla condizione stechiometrica di riferimento.
Di seguito viene riportata una tabella più completa dove con riferimento alle diverse
specie viene indicato il peso molecolare e l’entalpia di formazione:

Figura 51

A questo punto si vuole analizzare il processo di combustione adiabatico: nell’ipotesi


di ciclo limite si immagina che la combustione avvenga in un ambiente in cui non c’è
scambio di calore con l’esterno per cui tutto il calore generato dalla combustione lo
si ritrova in seno al fluido. Se il processo è adiabatico ed è a volume costante, il
calore scambiato nonché il lavoro sono nulli per cui:

64
𝑈𝑃 − 𝑈𝑅 = 0 ⟹ 𝑈𝑃 = 𝑈𝑅
Se invece il processo è adiabatico e a pressione costante, allora il calore scambiato
sarà nullo, mentre il lavoro di variazione di volume sarà diverso da zero e quindi si
può ragionare più agevolmente in termini di entalpia avendo:
𝐻𝑃 − 𝐻𝑅 = 0 ⟹ 𝐻𝑃 = 𝐻𝑅
Rappresentando quanto detto sul piano energia-interna temperatura si avrà:

Figura 52

La temperatura finale 𝑇𝑃 è detta temperatura adiabatica di fiamma.


Si immagini di partire dalle condizioni del punto A (sulla curva dei reagenti) ad un
certo livello di energia interna (𝑈𝑅 ) e a una certa temperatura (𝑇0 ). Nel caso di
combustione adiabatica a volume costante si percorre il segmento AB in quanto
l’energia interna dei reagenti è pari a quella dei prodotti e si avrà dunque un
incremento di temperatura. Se invece la combustione è adiabatica a pressione
costante (ciclo Diesel o nel generatore di vapore) si segue il segmento AC.
In particolare considerando:
𝑝𝑅 = 𝑝𝑃 = 𝑝𝐴 𝑒 𝑇 = 𝑇𝐴
La variazione di energia chimica sarà data da:

𝐻𝑅 (𝑇𝐴 ) − 𝐻𝑃 (𝑇𝐴 ) = 𝑚 (∑ 𝑛𝑖 𝛥ℎ𝑓,𝑖 − ∑ 𝑛𝑖 𝛥ℎ𝑓,𝑖 )


𝑅 𝑃

È possibile valutare il rendimento di combustione nella maniera seguente:


[𝐻𝑅 (𝑇𝐴 ) − 𝐻𝑃 (𝑇𝐴 )]
𝜂𝐶 =
𝑚𝑓 𝑄𝐻𝑉
Dove:

65
𝐻𝑅 = 𝑒𝑛𝑡𝑎𝑙𝑝𝑖𝑎 𝑑𝑖 𝑓𝑜𝑟𝑚𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑖 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖
𝐻𝑃 = 𝑒𝑛𝑡𝑎𝑙𝑝𝑖𝑎 𝑑𝑖 𝑓𝑜𝑟𝑚𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑖 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖
𝑚𝑓 = 𝑚𝑎𝑠𝑠𝑎 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒 (𝑓𝑢𝑒𝑙)

𝑄𝐻𝑉 = 𝑝𝑜𝑡𝑒𝑟𝑒 𝑐𝑎𝑙𝑜𝑟𝑖𝑓𝑖𝑐𝑜 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟𝑒 𝑎 𝑣𝑜𝑙𝑢𝑚𝑒 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒


I termini al numeratore e al denominatore del rendimento di combustione sono molto
simili tra loro in quanto l’unica differenza sta nel fatto che le reazioni chimiche sono
irreversibili, ma non c’è una limitazione forte come per il limite del secondo principio
della termodinamica: ciò spiega perché il rendimento di combustione è una
grandezza grosso modo unitaria; nel caso di miscela stechiometrica o magra tale
rendimento sicuramente è circa pari ad uno, mentre quando si lavora con miscele
ricche (eccesso di combustibile) non avendo ossigeno sufficiente non si riesce ad
ottenere il massimo dalla reazione di combustione e quindi il rendimento si abbassa
in quanto il termine al numeratore è minore rispetto al potenziale di energia chimica
al denominatore.

Figura 53

Ovviamente se il sistema non è perfettamente adiabatico anziché passare dal punto


A al punto B lungo una linea orizzontale ci si ritroverà un po’ più sotto e si passerà
attraverso una trasformazione obliqua (una quantità di energia si perde a causa della
non adiabaticità del sistema):

Figura 54

66
Quindi non tutta l’energia potenziale chimica viene trasferita al fluido, ma una parte
si perde per scambio termico. Quindi considerando la catena dei rendimenti:
𝜂𝑔 = 𝜂𝐶 ∙ 𝜂𝑟 ∙ 𝜂𝑚
L’effetto di avere una combustione adiabatica impatta sia sul rendimento di
combustione (in quanto si perde una quantità di calore) sia sul rendimento reale (del
ciclo) in quanto la temperatura finale sarà più bassa e quindi il calore sarà meno
pregiato e quindi “meno convertibile” in lavoro. Pertanto i rendimenti di combustione
e reale sono legati.
Si assuma dunque un volume di controllo che circonda il motore: in ingresso si hanno
aria e combustibile ed in uscita si ottengono gas combusti.

Figura 55

Analizzando il motore da questo punto di vista è possibile andare a calcolare il


rendimento di combustione in funzione del rapporto di equivalenza dei gas di scarico
(che è un dato sperimentale). Nella figura seguente i punti riportati a forma di croce
sono relativi a dati acquisiti su un motore Diesel, mentre i punti a forma circolare
riguardano un motore ad accensione comandata.

Figura 56

67
Nel motore Diesel tendenzialmente si lavora in condizioni di eccesso di aria (rapporto
di equivalenza minore dell’unità) e quindi anche da un punto di vista probabilistico si
ha buona possibilità che l’ossigeno riesca ad ossidare completamente tutto il
monossido di carbonio e l’idrogeno e quindi si avrà un rendimento prossimo all’unità.
È evidente che quando il rapporto di equivalenza è bassissimo (prossimo a0.2) il
rendimento di combustione comunque si abbassa in quanto in tali condizioni si ha
praticamente solo aria (e pochissimo combustibile). Anche nel caso di motore ad
accensione comandata, con miscela leggermente magra si hanno rendimenti
prossimi all’unità, ma nel momento in cui aumenta la quantità di combustibile la
combustione inizia a diventare incompleta e si ha una decrescenza del rendimento
praticamente lineare con il rapporto di equivalenza (quanto minore è l’ossigeno
maggiore sarà la formazione di monossido di carbonio rispetto all’anidride
carbonica). Quindi uno dei motivi per cui il motore Diesel ha un rendimento
complessivamente più elevato sta proprio nel fatto che il rendimento di combustione
è sempre più elevato (è evidente che la miscela, dove avviene la combustione, è
localmente stechiometrica anche nel caso di motore Diesel, se non ricca). Nel caso
del motore Diesel si sfrutta il vantaggio della combustione ricca localmente
(temperatura di fiamma più elevata) e il vantaggio della miscela magra
complessivamente. Oggigiorno i motori ad iniezione diretta a benzina nel 90 % delle
condizioni operative lavorano con miscele stechiometriche o ricche addirittura e in
pochissime circostanze si lavora con miscele magre per esigenze legate alle
emissioni inquinanti.
Le reazioni chimiche in seno al fluido possono:
 Essere tanto rapide da poter considerare la composizione in equilibrio chimico
(in genere per combustione a temperatura elevata).
 Essere uno dei fenomeni che controllano la variazione temporale della
composizione della miscela (cinetica chimica).
 Essere così lente da non avere alcun effetto sulla composizione della miscela
(la composizione è detta “congelata”: cinetica lenta).
Nel caso in cui le reazioni siano molto rapide si può considerare valida l’ipotesi di
equilibrio chimico:
1
𝐶𝑂2 ⇄ 𝐶𝑂 + 𝑂2
2
In particolare all’aumentare della temperatura l’equilibrio si sposta verso destro: ciò
significa che quando la temperatura si incrementa aumentano le moli di monossido
di carbonio e ossigeno; la reazione è intesa all’equilibrio se si segue perfettamente
la dinamica della temperatura. Si immagini cioè di avere la seguente situazione e di
ragionare sul monossido di carbonio (per gli altri composti vale lo stesso
ragionamento):

68
Figura 57

Se nel tempo la temperatura rimane invariata (linea continua in blu) anche la


composizione (numero di moli) rimarrà invariata (linea continua in rosso); se si
immagina che la temperatura vari istantaneamente da un certo punto in poi (linea
continua e quindi tratteggiata in blu) è possibile avere diverse risposte in termini di
variazione del numero di moli; supposto che la temperatura sia tale da fare in modo
che la miscela risenta di una sua variazione (se si è a temperatura ambiente non
accade niente e il numero di moli non varia: miscela “congelata”) è possibile avere o
una risposta “squadrata” che segue la variazione istantanea della temperatura
oppure diverse risposte “arrotondate” tali per cui per arrivare alla composizione
determinata da quella temperatura sarà necessario un certo tempo. Nel caso in cui
la reazione di variazione del numero di moli segua perfettamente l’andamento della
temperatura ci si trova nelle ipotesi di equilibrio chimico: si ha cioè un cambiamento
istantaneo (così come accade per la forza esterna che è la temperatura) che non
determina alcun ritardo (lo stesso discorso potrebbe essere fatto con riferimento alla
pressione). Nel momento in cui il sistema ha bisogno di un certo tempo caratteristico
(𝜏) per arrivare a regime e questo tempo è sufficientemente elevato da determinare
un sostanziale ritardo si è in condizioni di cinetica chimica: avvengono delle reazioni
che hanno dei tempi caratteristici (magari i legami sono talmente forti che c’è bisogno
di molta energia per romperli e dunque c’è bisogno di un accumulo di energia che
richiede un certo tempo, perché magari la temperatura non è molto elevata); la
cinetica chimica è tipica delle reazioni di formazione delle emissioni inquinanti quali
monossido di azoto, idrocarburi incombusti, …, mentre l’equilibrio chimico è tipico
della formazione di specie chimiche quali anidride carbonica, acqua, idrogeno
atomico, idrogeno molecolare, … (si tenga presente che alcuni composti quali il
monossido di carbonio può fermarsi sia a causa di reazioni che avvengono in
equilibrio chimico, sia quando è coinvolta proprio la cinetica chimica).
Quindi ad altissima temperatura la miscela è in equilibrio chimico, mentre a
bassissima temperatura la miscela è “congelata”. Nel caso intermedio invece,
quando cioè le temperature non sono molto elevata da considerare l’equilibrio

69
chimico, ma nemmeno tanto basse da far valere l’ipotesi di miscela “congelata” è
necessario considerare fenomeni di cinetica chimica.
È evidente peraltro che tutte le reazioni chimiche sono reazioni cinetiche: se la
cinetica è velocissima si parla di equilibrio chimico, se è lentissima si parla di
composizione “congelata”. Quindi da un punto di vista ingegneristico si vanno a
confrontare le scale temporali:

Figura 58

Se la scala temporale è dell’ordine di grandezza della durata del ciclo allora non è
possibile assumere la reazione in equilibrio perché il fenomeno si completa in un
intervallo confrontabile col fenomeno principale, ma se il tempo caratteristico è molto
piccolo (dell’ordine del centesimo di grado di manovella ad esempio) allora è
possibile considerare l’ipotesi di equilibrio chimico (in quanto il giro completo è di
360° e il ciclo si completa in ben due giri: quindi si ha un tempo di circa 60000 volte
minore). Pertanto a meno di non studiare fenomeni particolari come la detonazione,
dove i tempi caratteristici sono dell’ordine del millesimo, allora non ha senso
considerare la reazione di cinetica chimica.
Pertanto un sistema è in equilibrio se le costanti di tempo delle reazioni sono piccole
rispetto alle scale dei tempi con cui variano le condizioni del sistema (pressione e
temperatura: forzanti del sistema).
Le specie formatesi a seguito del processo di combustione reagiscono a loro volta
(l’anidride carbonica ad esempio si dissocia a formare monossido di carbonio e
ossigeno), trovandosi in condizioni di equilibrio se le reazioni producono e rimuovono
ciascuna specie con la stessa velocità. Nel momento in cui si ha la reazione:
1
𝐶𝑂2 ⇄ 𝐶𝑂 + 𝑂2
2
Se si ha un equilibrio vuol dire che tante moli di 𝐶𝑂 e di 𝑂2 si associano a formare
𝐶𝑂2 quante le moli di anidride carbonica che si dissociano per formare monossido di
carbonio e ossigeno: l’equilibrio è stabile, ma comunque dinamico (non è di tipo
statico); ovviamente la dissociazione dell’anidride carbonica, così come la
riassociazione di monossido di carbonio e ossigeno richiedono comunque un certo
tempo affinché possano realizzarsi.

70
Se 𝐶 è il numero di elementi presenti in una miscela con 𝑁 specie chimiche in
equilibrio, per il principio di conservazione, si ottengono 𝐶 equazioni per il calo delle
concentrazioni delle 𝑁 specie. Pertanto quando la miscela è stechiometrica o è
magra il problema non è complicato: si hanno a disposizione quattro equazioni di
bilancio degli atomi e quattro sono i coefficienti da calcolare; quando però la miscela
è ricca si devono calcolare cinque coefficienti, ma si possono scrivere solo quattro
equazioni di bilancio degli atomi: la quinta equazione si ricava mettendo insieme tutte
e quattro le specie dei prodotti (anidride carbonica, acqua, monossido di carbonio e
idrogeno); essa sarà caratterizzata da una costante di equilibrio 𝐾 che dipenderà
dalle concentrazioni in cui rientra proprio la quinta incognita: la quinta equazione si
basa proprio sull’equilibrio chimico. Quindi se 𝐶 < 𝑁 servono altre equazioni (𝑁 − 𝐶)
oltre a quelle di bilancio degli atomi per poter risolvere il problema. Si ottiene dunque
un set di equazioni non lineari da risolvere con tecniche numeriche.
L’equilibrio chimico può essere affrontato con un’analisi di secondo principio. Si
ragioni sempre sulla solita reazione:
1
𝐶𝑂 + 𝑂2 ⇄ 𝐶𝑂2
2
Le molecole di 𝐶𝑂2 si dissociano in 𝐶𝑂 e 𝑂2 alla stessa velocità con cui le molecole
di 𝐶𝑂 ed 𝑂2 si ricombinano in 𝐶𝑂2 secondo le proporzioni richieste dalla reazione di
equilibrio. Il secondo principio della termodinamica fornisce un criterio per la
valutazione delle condizioni di equilibrio, a pressione e temperatura costante (in
generale esso fornisce la direzione in cui si muove il calore). Si ricordi che una
condizione di stabilità è legata alla condizione minima di energia compatibilmente
con i vincoli imposti: se un corpo inizialmente ad una certa quota, lo si lascia cadere,
esso arriverà nel punto più basso possibile compatibilmente coi vincoli imposti (se
c’è il pavimento cadrà su di esso, ma se lo si rimuove continuerà a cadere
inesorabilmente).
Per il primo principio, a pressione e temperatura costante vale:
𝛿𝑄 = 𝑑𝐻
Dal secondo principio, sotto le stesse ipotesi, a causa delle irreversibilità, si ha:
𝛿𝑄 ≤ 𝑇𝑑𝑆
Pertanto combinando i due principi è possibile scrivere:
𝑑𝐻 − 𝑇𝑑𝑆 ≤ 0
In particolare è possibile scrivere:
𝛥𝐻 − 𝑇𝛥𝑆 = 𝛥𝐺 ≤ 0
Dove 𝛥𝐺 è la variazione di energia libera di Gibbs.
Nel caso in cui:
71
𝛥𝐻 = 𝛥𝐺 ⟹ 𝛥𝑆 = 0
La trasformazione è reversibile e dunque la reazione di combustione è completa (si
arriva al minimo livello energetico per quel processo).
Viceversa se risulta:
𝛥𝑆 > 0
La trasfromazione non è reversibile e c’è la presenza di altre specie chimiche oltre
che di quelle che comunemente si ottengono (reazione di combustione incompleta:
il sistema non ha raggiunto il livello energetico minimo).

Figura 59

Nel caso di una reazione completa si passa da un livello di energia dato dal punto 1
al livello di energia più basso possibile che è proprio del punto 2. Nel caso in cui non
si arrivasse nel punto estremo (2), ma ci si ferma prima, per esempio nel punto 3,
vuol dire che la reazione non è completa in quanto non si rilascia tutta l’energia.
Quindi una reazione a pressione e temperatura costante può avvenire solo se 𝐺𝑃 <
𝐺𝑅 (𝑒𝑛𝑒𝑟𝑔𝑖𝑎 𝑙𝑖𝑏𝑒𝑟𝑎 𝑑𝑖 𝐺𝑖𝑏𝑏𝑠 𝑑𝑒𝑖 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖 < 𝑒𝑛𝑒𝑟𝑔𝑖𝑎 𝑙𝑖𝑏𝑒𝑟𝑎 𝑑𝑖 𝐺𝑖𝑏𝑏𝑠 𝑑𝑒𝑖 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖) in
condizioni di equilibrio inoltre (𝛥𝐺 )𝑝,𝑇 = 0; la reazione ha luogo tendendo ad uno
stato in cui l’energia libera di Gibbs è la minima compatibile (ad entropia più elevata).
Si tenga presente che l’energia libera di Gibbs è il massimo dell’energia che è
possibile ottenere da una reazione.
È evidente che quando si parla di combustione, non ci si riferisce solamente alla
reazione di combustione nota, ma ad essa si associano una serie di reazioni per cui
valgono tutte le considerazioni fatte sinora.
La presenza della dissociazione porta a dei livelli energetici inferiori disponibili per il
motore.
È evidente che nel momento in cui avviene la reazione di combustione dietro al fronte
di fiamma ci saranno i prodotti (gas combusti), mentre davanti ad esso ci saranno i
reagenti che non sono stati ancora raggiunti:

72
Figura 60

È evidente che la reazione di combustione principale non è di tipo reversibile: una


volta che si sono formati i prodotti (a partire dai reagenti) si rilascia talmente tanta
energia che non è più possibile ritornare alla composizione di partenza (combustibile
e aria); questo è il motivo per cui la reazione viene espressa attraverso una freccia
unidirezionale (→). I prodotti dietro al fronte di fiamma inoltre si combinano tra di loro,
ma in questo caso le reazioni hanno una doppia freccia:
1
𝐶𝑂2 ⇄ 𝐶𝑂 + 𝑂2
2
𝐻2 ⇄ 2𝐻
………
Dato che la temperatura varia (e anche la pressione) le concentrazioni variano e non
sono fisse: nei prodotti ci sono dunque reazioni di dissociazione di riassociazione. È
evidente che le reazioni chimiche che avvengono sono anche quelle più probabili: la
formazione di carbonio atomico per esempio è improbabile, sebbene ciò possa
accadere per alcune condizioni operative (nel motore Diesel quando non c’è
ossigeno sufficiente è possibile che si abbia la formazione di questo composto).

73
Lezione 7 (Pianese) 16/03/2017
Motori alternativi a combustione interna: termochimica
L’equilibrio chimico è legato ad una costante di equilibrio denominata 𝐾𝑝 . Per una
generica reazione è possibile scrivere:
𝜈𝑎 𝑀𝑎 + 𝜈𝑏 𝑀𝑏 + ⋯ = 𝜈𝑙 𝑀𝑙 + 𝜈𝑚 𝑀𝑚 + ⋯
Dove:
𝑀𝑖 = 𝑖 − 𝑒𝑠𝑖𝑚𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑐ℎ𝑖𝑚𝑖𝑐𝑎
𝜈𝑖 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒
In particolare con 𝜈𝑖 > 0 si intendono i coefficienti stechiometrici per i prodotti, mentre
con 𝜈𝑖 < 0 si intendono quelli per i reagenti; pertanto assumendo che 𝑀𝑖 sia l’i-esima
massa molecolare e che 𝜈 esprima il numero di moli si avrà:

∑ 𝜈𝑖 𝑀𝑖 = 0 (𝑐𝑜𝑛𝑠𝑒𝑟𝑣𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙𝑙𝑎 𝑚𝑎𝑠𝑠𝑎)


𝑖

In condizioni di equilibrio la costante di equilibrio della reazione sarà data da:


𝑝𝑖 𝜈𝑖
𝐾𝑝 = ∏ ( )
𝑝0
𝑖

Dove:
𝑝𝑖 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑝𝑎𝑟𝑧𝑖𝑎𝑙𝑒 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒
𝑝 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑑𝑖 𝑟𝑖𝑓𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜
𝜈𝑖 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒
Scrivendo la relazione precedente in forma logaritmica si ha:

log10 (𝐾𝑝 ) = ∑ 𝜈𝑖 log10 (𝐾𝑝 )𝑖


𝑖

Dove log10 (𝐾𝑝 )𝑖 sono le costanti di equilibrio relative alla formazione di una mole di
ciascuna specie a partire dai suoi elementi allo stato di riferimento: la costante di
equilibrio complessiva può essere scritta come la somma delle costanti di equilibrio
delle reazioni che portano alla formazione di una mole di ciascuna specie presente
nella reazione di partenza a partire dai componenti di base. Ciò consente di studiare
qualsiasi reazione chimica complessa a partire dalle costanti di equilibrio delle
singole reazioni. I dati su log10 (𝐾𝑝 )𝑖 sono disponibili nelle tabelle JANAF (Joint Army
Navy Air Force): essi sono già implementati in alcune routine di calcolo.
La pressione ha ovviamente influenza sulle reazioni. Se si immagina di avere
dell’anidride carbonica, la quale a una certa temperatura inizia a dissociarsi, è
74
evidente che all’aumentare della pressione la reazione di dissociazione non è affatto
facilitata; di fatto una mole di 𝐶𝑂2 si dissocia per dare vita ad una mole di 𝐶𝑂 e mezza
di 𝑂2 , con un aumento del numero di moli: nel momento in cui c’è un aumento della
pressione l’incremento del numero di moli è evidentemente sfavorito (le moli sono
legate al volume). Analiticamente si avrà:
𝑝𝑖 𝜈𝑖 𝑝 𝜈𝑖 𝑝 ∑𝑖 𝜈𝑖 𝜈
𝐾𝑝 = ∏ ( ) = ∏ (𝑥𝑖 ) = ( ) ∏ 𝑥𝑖 𝑖
𝑝0 𝑝0 𝑝0
𝑖 𝑖 𝑖

Dove:
𝑥𝑖 = 𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑚𝑜𝑙𝑎𝑟𝑒 𝑑𝑒𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑎 𝑠𝑝𝑒𝑐𝑖𝑒
𝑝𝑖 = 𝑥𝑖 ∙ 𝑝
𝑝0 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑑𝑖 𝑟𝑖𝑓𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜 (𝑖𝑛 𝑔𝑒𝑛𝑒𝑟𝑒 1 𝑏𝑎𝑟)
La costante di equilibrio tiene conto dell’effetto della pressione e dell’effetto della
concentrazione. Nel caso in cui:

∑ 𝜈𝑖 = 0

Vuol dire che non c’è variazione del numero di moli tra reagenti e prodotti e pertanto
la pressione non influenza il bilancio (in quanto il rapporto 𝑝/𝑝0 elevato proprio al
termine di sommatoria sarà pari ad uno poiché l’esponente vale zero); in tale
situazione la costante di equilibrio (e dunque l’equilibrio stesso) sarà solamente
influenzata dalla concentrazione e non dalla pressione.
Invece nel caso in cui:

∑ 𝜈𝑖 > 0

Si è in presenza di dissociazione ed un incremento della pressione determina una


riduzione della frazione molare dei prodotti di dissociazione (𝐾𝑝 aumenta). Questo è
proprio il caso della reazione:
1
𝐶𝑂2 ⇄ 𝐶𝑂 + 𝑂2
2
In cui il numero di moli nel passaggio da 𝐶𝑂2 a 𝐶𝑂 e 𝑂2 aumenta.
Viceversa nel caso in cui:

∑ 𝜈𝑖 < 0

Si è in presenza di riassociazione ed un incremento della pressione determina un


aumento dei prodotti di dissociazione (𝐾𝑝 si riduce).
In generale quindi se si ha una generica reazione del tipo:
75
𝜈𝑎 𝐴 + 𝜈𝑏 𝐵 = 𝜈𝑐 𝐶 + 𝜈𝐷 𝐷
La costante di dissociazione sarà data da:
𝑝 ∑𝑖 𝜈𝑖 1 1 −1 −1 𝑝 ∑𝑖 𝜈𝑖 𝑥𝐶 ∙ 𝑥𝐷
𝐾𝑝 = ( ) 𝑥𝐶 ∙ 𝑥𝐷 ∙ 𝑥𝐴 ∙ 𝑥𝐵 ⟹ 𝐾𝑝 = ( ) ∙
𝑝0 𝑝0 𝑥𝐴 ∙ 𝑥𝐵
Nel caso in cui:
𝜈𝑖 = 1, ∀ 𝑖 = 𝐴, 𝐵, 𝐶, 𝐷
Si avrà:
𝐴+𝐵 =𝐶+𝐷
E pertanto:

∑ 𝜈𝑖 = 0

Quindi:
𝑥𝐶 ∙ 𝑥𝐷
𝐾𝑝 =
𝑥𝐴 ∙ 𝑥𝐵
È evidente peraltro che:
𝜈𝑖
𝑥𝑖 =
𝜈𝐶 + 𝜈𝐷
E quindi alla fine:
𝜈𝑐 ∙ 𝜈𝐷
𝐾𝑝 =
𝜈𝐴 ∙ 𝜈𝐵
La concentrazione dell’i-esima specie è data dal rapporto tra il coefficiente
stechiometrico dell’i-esima specie e la somma dei coefficienti stechiometrici dei
prodotti.
Sempre sotto l’ipotesi di equilibrio chimico è possibile riferirsi a due costanti
particolari 𝐾𝑝 e 𝐾𝑐 , dove la prima è proprio quella sinora caratterizzata e vale:
𝑝𝑖 𝜈𝑖
𝐾𝑝 = ∏ ( )
𝑝0
𝑖

Dall’equazione di stato si ha:


𝑛𝑖
𝑝𝑖 = 𝑅̃𝑇
𝑉
Dove:
𝑅̃ = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑙𝑒 𝑑𝑒𝑖 𝑔𝑎𝑠
Pertanto mettendo assieme queste ultime due relazioni si ha:
76
𝑛𝑖 𝜈𝑖 ∑𝑖 𝜈𝑖 𝑛𝑖 𝜈𝑖 ∑𝑖 𝜈𝑖
𝐾𝑝 = ∏ ( 𝑅̃𝑇) = (𝑅̃𝑇) ∏ ( ) = 𝐾𝑐 (𝑅̃𝑇)
𝑉 𝑉
𝑖 𝑖

Avendo posto:
𝑛𝑖 𝜈𝑖
𝐾𝑐 = ∏ ( ) (𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑖 𝑒𝑞𝑢𝑖𝑙𝑖𝑏𝑟𝑖𝑜 𝑏𝑎𝑠𝑎𝑡𝑎 𝑠𝑢𝑙𝑙𝑒 𝑐𝑜𝑛𝑐𝑒𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑖 ) [𝑚𝑜𝑙𝑖/𝑐𝑚3 ]
𝑉
𝑖

Inoltre sapendo che:


𝑝𝑖 𝑛𝑖
= = [𝑐𝑖 ]
𝑅̃𝑇 𝑉
Si avrà:

𝐾𝑐 = ∏[𝑐𝑖 ]𝜈𝑖
𝑖

Dove:
𝑐𝑖 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑖 − 𝑒𝑠𝑖𝑚𝑎
C’è quindi una relazione tra le costanti 𝐾𝑝 e 𝐾𝑐 .
Quindi se si prende come riferimento la solita reazione:
1
𝐶𝑂2 ⇄ 𝐶𝑂 + 𝑂2
2
Sapendo che:
𝑝𝑖 𝜈𝑖 𝑝 𝜈𝑖 𝑝 ∑𝑖 𝜈𝑖 𝜈𝑖 𝑝 ∑𝑖 𝜈𝑖
𝐾𝑝 = ∏ ( ) = ∏ (𝑥𝑖 ) = ( ) ∏ 𝑥𝑖 = ( ) 𝐾𝑐
𝑝0 𝑝0 𝑝0 𝑝0
𝑖 𝑖 𝑖

Nel caso in esame si avrà:


1 1
∑ 𝜈𝑖 = −1 − +1= −
2 2
E quindi:
[𝐶𝑂2 ] 1 1
𝐾𝑝 = ∙ = 𝐾𝑐 ∙
[𝐶𝑂][𝑂2 ]1/2 𝑝1/2 𝑝1/2
In tutte le relazioni scritte sinora, quando manca il termine 𝑝0 è perché si è assunto
che esso valesse 1 𝑏𝑎𝑟 (pressione atmosferica).
Nella seguente figura si vanno a riportare le temperature di equilibrio dei prodotti in
una combustione adiabatica a volume costante (𝑇𝑃,𝑣 : prodotti a volume costante) e a
pressione costante (𝑇𝑃,𝑝 : prodotti a pressione costante) della miscela isottano-aria
inizialmente alla temperatura di 700 𝐾 e alla pressione di 10 𝑎𝑡𝑚, in funzione del
rapporto di equivalenza carburante/aria. Inoltre viene anche riportata la pressione
77
𝑝𝑃,𝑣 che indica la pressione di equilibrio dei prodotti in una combustione adiabatica a
volume costante.

Figura 61

È evidente che a volume costante, a seguito della combustione la pressione


aumenta, mentre nel caso a pressione costante essa rimane appunto la stessa. In
particolare quando si procede con una combustione a pressione costante si ottiene
una temperatura più bassa rispetto a quella che si ha nel caso di combustione a
volume costante; ciò accade perché nella combustione c’è l’effetto della pressione
sulla dissociazione: dato che la pressione si oppone alla dissociazione, la quale per
avvenire dovrebbe prendere il calore dal fluido, ha praticamente un effetto benefico
in quanto evita che il calore possa essere prelevato per la dissociazione, ma fa sì
che esso rimanga in seno al fluido; pertanto giacché nel caso di combustione a
volume costante la pressione aumenta la temperatura sarà più elevata (il calore resta
in seno al fluido). Sintetizzando:
𝑃𝑃,𝑣 > 𝑃𝑃,𝑝 ⟹ 𝑇𝑃,𝑣 > 𝑇𝑃,𝑝 (𝑒𝑓𝑓𝑒𝑡𝑡𝑜 𝑑𝑒𝑙𝑙𝑎 𝑑𝑖𝑠𝑠𝑜𝑐𝑖𝑎𝑧𝑖𝑜𝑛𝑒 𝑟𝑖𝑑𝑜𝑡𝑡𝑜)
Si tenga presente che la temperatura in ogni caso raggiunge un massimo poco dopo
la miscela stechiometrica, cioè a miscela leggermente ricca. Da un punto di vista
teorico il massimo dovrebbe aversi proprio quando si ha una miscela perfettamente
stechiometrica: in realtà per effetto di tutte le reazioni chimiche quando la miscela è
leggermente ricca la temperatura è un po’ più elevata rispetto al caso perfettamente
stechiometrico. Con un po’ più di combustibile, rispetto a quello stechiometrico, si
riesce a generare più calore grazie alla generazione di più prodotti, ma la
combustione è meno efficiente (il rendimento di combustione si abbassa comunque).
78
È evidente che nel caso in cui la miscela sia molto ricca, la temperatura si abbasserà.
Questo è il motivo per cui i motori che hanno elevate prestazione tendono a lavorare
con rapporti di miscela leggermente maggiori rispetto a quello stechiometrico (un
10 % in più), in modo da aumentare il calore che successivamente viene convertito
in lavoro: in tal caso l’energia in più generata dalla massa in più che brucia è
maggiore di quella che si perde per effetto della dissociazione (ecco perché la
temperatura aumenta; con rapporti di miscela ancora maggiori, la mancanza di
ossigeno, porta alla non ossidazione del combustibile e dunque ad un abbassamento
di temperatura). Pertanto alla fine ci sono due effetti: un effetto legato alla maggiore
presenza di combustibile e dunque di energia chimica a disposizione da bruciare per
incrementare la temperatura ed un effetto legato al fatto che minore è la presenza di
ossigeno peggiore sarà la combustione (incombusti che non rilasciano calore).
Di seguito viene riportato un grafico in cui in funzione di una certa reazione si va a
plottare l’andamento della costante di equilibrio in scala logaritmica (log 𝐾) al variare
della temperatura 𝑇.

Figura 62

79
Per esempio per la reazione:
1
𝐻2 + 𝑂2 → 𝐻2 𝑂
2
La costante di equilibrio decresce all’aumentare della temperatura.
La reazione generica riportata in questo grafico è esprimibile come:
𝑛𝐴 𝐴 + 𝑛𝐵 𝐵 = 𝑛𝐶 𝐶 + 𝑛𝐷 𝐷
E la costante di equilibrio è data da:
𝑛 𝑛
𝑥𝐶 𝐶 ∙ 𝑥𝐷 𝐷 𝑝 [(𝑛𝐶+𝑛𝐷)−(𝑛𝐴 +𝑛𝐵)]
𝐾 = 𝑛𝐴 𝑛𝐵 ∙ ( )
𝑥𝐴 ∙ 𝑥𝐵 𝑝0

Dove:
𝑥 = 𝑐𝑜𝑛𝑐𝑒𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑖 𝑚𝑜𝑙𝑎𝑟𝑖
La tabella successiva riporta il valore del logaritmo in base dieci della costante di
equilibrio 𝐾 per differenti reazioni al variare della temperatura.

Figura 63

È evidente che la temperatura po’ invertire l’effetto della reazione e dunque cambiare
il segno della costante 𝐾.
Le specie formatesi a seguito di un processo di combustione reagiscono e si trovano
in equilibrio chimico (le reazioni producono e rimuovono ciascuna specie con la
stessa velocità). In generale, si ricordi che nel caso di miscela stechiometrica (𝛷 =
1), si ha la formazione di tre specie grazie alla reazione dei reagenti (aria e
combustibile):
𝑚 𝑚 𝑚
𝐶𝑛 𝐻𝑚 + (𝑛 + ) (𝑂2 + 3.773𝑁2 ) → 𝑛𝐶𝑂2 + 𝐻2 𝑂 + 3.773 (𝑛 + ) 𝑁2
4 2 4
80
Nel caso di miscela magra tra i prodotti si aggiunge l’ossigeno 𝑂2 (𝛷 < 1), mentre nel
caso di miscela ricca tra i prodotti si ritrovano 𝐻2 e 𝐶𝑂 (𝛷 > 1).
Una volta avvenuta la reazione, si ha una situazione di questo tipo (dove la divisione
tra prodotti e reagenti è data proprio dal fronte di fiamma che avanza con una certa
velocità):

Figura 64

I prodotti ovviamente reagiscono tra di loro, dando luogo ad una serie di altre specie.
Nell’ipotesi di equilibrio chimico fissata la temperatura si ha una concentrazione
stabilita: se essa varia, varierà di conseguenza anche la concentrazione che
inseguirà istantaneamente la variazione di temperatura. Tuttavia si tenga presente
che l’ipotesi di equilibrio chimico non è valida per la fase finale dell’espansione e
durante lo scarico: in tal caso la reazione risulta essere congelata (temperatura
troppo bassa).
Nel caso in cui le temperature siano inferiori a 2200 𝐾 la miscela è composta da:
𝑁2 , 𝐻2 𝑂, 𝐶𝑂2 , 𝑂2 : 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑚𝑎𝑔𝑟𝑎
𝑁2 , 𝐻2 𝑂, 𝐶𝑂2 , 𝐶𝑂, 𝐻2 : 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑟𝑖𝑐𝑐𝑎
Per temperature superiori ai 2200 𝐾 le sei specie (la quale dipende solo dal fatto che
una parte dell’idrocarburo non viene ossidata (miscela ricca) o al fatto che c’è un
eccesso di ossigeno (miscela magra)) si dissociano e reagiscono a formare altre
specie (fino a 10 specie). Per esempio, la combustione adiabatica di una miscela
stechiometrica di un tipico carburante idrocarburico con aria produce le seguenti
frazioni molari:
𝑁2 ≃ 70 %, 𝐻2 𝑂 ≃ 10 %, 𝐶𝑂2 ≃ 10 %, 𝐶𝑂 ≃ 1 %, 𝑂𝐻 ≃ 1 %, 𝑂2 ≃ 1 %, 𝑁𝑂 ≃ 1 %, 𝐻2
≃ 1 %, 𝐻 ≃ 0.1 %, 𝑂 ≃ 0.1 %
Quindi un 90 % è formato da azoto, acqua ed anidride carbonica, mentre il residuo è
formato da una serie di altri composti (sebbene essa sia stechiometrica). Ad elevata
temperatura l’azoto reagisce con l’ossigeno portando alla formazione di 𝑁𝑂, così
come reagiscono anche idrogeno e ossigeno per formare 𝑂𝐻; inoltre l’idrogeno e
l’ossigeno molecolare si dissociano in idrogeno e ossigeno atomico (𝐻 e 𝑂).
Per il calcolo delle concentrazioni di equilibrio si considera l’equilibrio degli elementi
ed il sistema di equazioni viene chiuso attraverso le equazioni di equilibrio necessarie
(alla fine il tutto si riconduce al calcolo delle proprietà quali entalpia, entropia, calori
specifici, energia interna):

81
 Se 𝐶 è il numero degli elementi (carbonio, idrogeno, azoto, ossigeno) presenti
in una miscela con 𝑁 specie chimiche in equilibrio (per esempio le dieci viste
finora), il principio di conservazione degli elementi fornisce 𝐶 equazioni
(quattro equazioni in questo esempio) per il calcolo delle concentrazioni delle
𝑁 specie.
 Un qualsiasi set di 𝑁 − 𝐶 reazioni chimiche in equilibrio in cui siano presenti,
almeno una volta, tutte le specie consente di calcolare le concentrazioni delle
𝑁 specie.
 Le 𝑁 − 𝐶 equazioni costituiscono un set di equazioni non lineari da risolvere
con tecniche numeriche.
Alla fine si riuscirà a scrivere un set di 𝑁 equazioni in 𝑁 incognite per poter risolvere
il sistema.
Per fare ciò si hanno a disposizione delle routine denominate FARG ed ECP, a
pressione temperatura e 𝛷 costanti.
Si ricordi che un sistema è in equilibrio chimico se le costanti di tempo delle reazioni
chimiche sono piccole rispetto alle scale dei tempi con cui variano le condizioni del
sistema (temperatura e pressione); se la costante di tempo del fenomeno è
confrontabile con quella della reazione chimiche non è possibile più trascurare la
cinetica chimica. Condizioni di non equilibrio si verificano per i processi di formazione
degli inquinanti (𝐻𝐶, 𝐶𝑂, 𝑁𝑂𝑥 ) che sono controllate dalle velocità di formazione dei
prodotti. Le velocità di formazione sono dipendenti dalla concentrazione dei reagenti
e dalla temperatura: ad esempio se c’è una grande concentrazione di acqua sarà più
facile farla scindere (anche per una batteria vale lo stesso principio: quando essa è
molto carica, la resistenza di carica è molto elevata, mentre quando è quasi scarica
la resistenza da essa opposta è molto bassa (lo stesso vale all’inverso per la scarica:
è molto più difficile scaricare una batteria già quasi scarica, rispetto ad una carica al
massimo); lo stesso vale per un serbatoio in pressione: in condizioni di massima
pressione inserire altra massa all’interno richiederebbe moltissima energia, mentre
quando il serbatoio è quasi vuoto è molto semplice andare a riempirlo (lo stesso vale
all’inverso per svuotare il serbatoio: se esso è quasi vuoto è molto difficile svuotarlo
ulteriormente); inoltre se all’interno del serbatoio c’è una elevata pressione la velocità
con cui esce il fluido è molto elevata, così come se c’è un’elevata concentrazione di
reagenti la velocità di reazione sarà più elevata). Alla temperatura è legata l’energia
che serve a rompere i legami per formare altre specie (energia di attivazione).
La somma dei coefficienti stechiometrici dei reagenti ∑ 𝜈𝑖 individua l’ordine della
reazione:
1
𝐶𝑂 + 𝑂2 ⇄ 𝐶𝑂2 (𝐼 𝑜𝑟𝑑𝑖𝑛𝑒 (𝑑𝑖𝑠𝑠𝑜𝑐𝑖𝑎𝑧𝑖𝑜𝑛𝑒) 𝜈𝑎 = 1)
2
𝑂 + 𝑁2 ⇄ 𝑁𝑂 + 𝑁 (𝐼𝐼 𝑜𝑟𝑑𝑖𝑛𝑒 𝜈𝑎 + 𝜈𝑏 = 2)
Si immagini di avere la seguente reazione:
82
𝑀𝑎 + 𝑀𝑏 = 𝑀𝑐 + 𝑀𝑑
Dalla legge di azione di massa, nella reazione diretta, la velocità con cui si forma una
specie sarà:

+
𝑑 [𝑀𝑎 ]+ 𝑑 [𝑀𝑐 ]+
𝑅 = − = = 𝑘 + [𝑀𝑎 ]𝜈𝑎 [𝑀𝑏 ]𝜈𝑏
𝑑𝑡 𝑑𝑡
Dove:
𝑘 + = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑖 𝑟𝑒𝑎𝑧𝑖𝑜𝑛𝑒 (𝑑𝑖𝑟𝑒𝑡𝑡𝑎 )
[𝑀𝑎 ] = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑎
[𝑀𝑏 ] = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑏
𝜈𝑎 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑎
𝜈𝑏 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑏
La velocità con cui scompaiono le moli di A (velocità negativa), è pari alla velocità
con cui compaiono le moli di C (velocità positiva).
Allo stesso modo la velocità di reazione inversa sarà data da:
𝑑 [𝑀𝑐 ]− 𝑑 [𝑀𝑎 ]−
𝑅− = − = = 𝑘 − [𝑀𝑐 ]𝜈𝑐 [𝑀𝑑 ]𝜈𝑑
𝑑𝑡 𝑑𝑡
La velocità con cui scompare C (velocità negativa) è uguale alla velocità con cui
compare A (velocità positiva).
Dove:
𝑘 − = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑖 𝑟𝑒𝑎𝑧𝑖𝑜𝑛𝑒 (𝑖𝑛𝑣𝑒𝑟𝑠𝑎)
[𝑀𝑐 ] = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑐
[𝑀𝑑 ] = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑑
𝜈𝑐 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑐
𝜈𝑑 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑒𝑙𝑙𝑎 𝑠𝑝𝑒𝑐𝑖𝑒 𝑑
Pertanto la velocità di formazione dei prodotti (bilancio netto tra la velocità della
reazione di retta e quella inversa: in effetti le due reazioni avvengono in
contemporaneo) sarà data da:

+
𝑑[𝑀𝑐 ]+ 𝑑[𝑀𝑐 ]−

𝑑[𝑀𝑎 ]+ 𝑑[𝑀𝑎 ]−
𝑅 −𝑅 = + = − − = 𝑘 + [𝑀𝑎 ]𝜈𝑎 [𝑀𝑏 ]𝜈𝑏 − 𝑘 − [𝑀𝑐 ]𝜈𝑐 [𝑀𝑑 ]𝜈𝑑
𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡
Quindi la velocità di formazione dei prodotti è uguale alla differenza tra la velocità
della reazione diretta e la velocità della reazione inversa. Nel caso in cui le velocità
di reazione diretta ed inversa siano uguali si è nell’ipotesi di equilibrio chimico. Nella

83
cinetica chimica invece ci sarà una velocità di dissociazione diversa dalla velocità di
riassociazione.
Per una generica reazione con 𝑛 specie reagenti ed 𝑚 specie prodotte si avrà:
𝑛 𝑚

∑ 𝜈𝑅,𝑖 𝑀𝑅,𝑖 = ∑ 𝜈𝑃,𝑖 𝑀𝑃,𝑖


𝑖=1 𝑖=1

Le velocità di reazione diretta ed inversa sono:


𝑛
𝜈𝑅,𝑖
𝑅+ = 𝑘 + ∏[𝑀𝑅,𝑖 ]
𝑖=1
𝑚
− − 𝜈𝑃,𝑖
𝑅 = 𝑘 ∏[𝑀𝑃,𝑖 ]
𝑖=1

La costante della reazione è fornita dalla legge di Arrhenius:


𝐸𝐴
𝑘 = 𝐴 ∙ exp (− )
𝑅𝑇
Dove:
𝐸𝐴 = 𝑒𝑛𝑒𝑟𝑔𝑖𝑎 𝑑𝑖 𝑎𝑡𝑡𝑖𝑣𝑎𝑧𝑖𝑜𝑛𝑒
L’energia di attivazione è la soglia al di sopra della quale bisogna arrivare per
innescare la reazione:

Figura 65

𝑅 → 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖
𝑃 → 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖
Quindi a partire dall’energia dei reagenti, si fornisce una certa quantità di energia per
superare la soglia di attivazione e successivamente si ha un rilascio di energia per la
formazione dei prodotti (la scintilla che scocca localmente all’interno di un motore
84
benzina dà il via al processo di combustione perché fornisce in quella zona la quantità
di energia necessaria ad attivare tale processo; nel motore Diesel invece si
raggiunge un livello di pressione e temperatura tale da raggiungere quel certo valore
di energia di attivazione). Ovviamente la differenza di energia tra reagenti e prodotti
(𝛥𝐻) è nient’altro che il calore rilasciato.
Come precisato anche precedentemente, in condizioni di equilibrio chimico si avrà:
𝑃,𝑖 𝜈
+ −
𝑘 + ∏𝑚 𝑖=1[𝑀𝑃,𝑖 ]
𝑅 −𝑅 =0 ⟹ − = 𝜈
𝑘 ∏𝑛𝑖=1[𝑀𝑅,𝑖 ] 𝑅,𝑖

Per tutta la trattazione seguente si farà tuttavia riferimento alle ipotesi di equilibrio
chimico.
I dati termodinamica per elementi prodotti dalla combustione e molti inquinanti sono
raccolti in una serie di tavole JANAF pubblicata dal National Bureau of Standards. I
calori specifici si trovano interpolati con polinomi del quarto ordine:
𝑐𝑝
= 𝑎1 + 𝑎2 𝑇 + 𝑎3 𝑇 2 + 𝑎4 𝑇 3 + 𝑎5 𝑇 4
𝑅
Per l’entalpia (si ricordi che: 𝑑ℎ = 𝑐𝑝 𝑑𝑇 ⟹ ℎ = ∫ 𝑐𝑝 𝑑𝑇) e l’entropia a pressione
atmosferica valgono invece le seguenti relazioni:
ℎ 𝑎2 𝑎3 𝑎4 𝑎5 𝑎6
= 𝑎1 + 𝑇 + 𝑇 2 + 𝑇 3 + 𝑇 4 +
𝑅𝑇 2 3 4 5 𝑇
𝑠0 𝑎3 𝑎4 𝑎5
= 𝑎1 ln 𝑇 + 𝑎2 𝑇 + 𝑇 2 + 𝑇 3 + 𝑇 4 + 𝑎7
𝑅 2 3 4
Dove 𝑎6 e 𝑎7 sono costanti di integrazione determinate uguagliando l’entalpia e
l’entropia ai valori di riferimento.

85
Lezione 8 (Sorrentino) 17/03/2017
Note introduttive a Matlab
Nella scrittura di modelli è molto importante programmare in vettoriale per ridurre i
tempi di calcolo e le linee di codice scritto: in tal modo si riesce a snellire il
programma.
Molto spesso per legare una variabile dipendente ad una variabile indipendente è
sufficiente utilizzare un’espressione polinomiale, il cui grado va ovviamente
determinato. Nel caso in cui invece si vuole legare una variabile dipendente a più
variabili indipendenti è necessario passare alle regressioni lineari multiple; è
possibile combinare la regressione lineare multipla con funzioni avanzate per l’analisi
di ottimizzazione (minimizzazione di funzioni); inoltre tra le funzioni avanzate è anche
presente il tool denominato ODE (Ordinary Differential Equation) che permette la
risoluzione di equazioni differenziali ordinarie per fare delle simulazioni e/o dei calcoli
modellistici. Attraverso le equazioni differenziali ordinarie è possibile ad esempio
calcolare le variabili pressione e temperatura in un ciclo limite, al variare dell’angolo
di manovella o al variare del tempo (si tenga presente che tempo ed angolo di
manovella sono due grandezze legate, ma si preferisce in genere ragionare sulla
seconda).
Un modello può avere diverse finalità: per esempio esso può essere utile per stimare
l’efficienza di un motore a combustione interna in certi punti di funzionamento
individuati da coppia e regime di giri (in questo caso si sviluppa un modello alle
regressioni lineari multiple).
Per valutare cosa accade nel tempo ad un determinato processo e/o ad un
determinato sistema è necessario andare a simulare ciò che accade.
MATLAB è l’acronimo inglese che sta per MATrix LABoratory: si tratta cioè di un
ambiente di lavoro matriciale. MATLAB permette di:
 Effettuare calcoli (computation).
 Visualizzare i risultati (visualization): al variare del tempo (evoluzione) o anche
il risultato finale.
 Programmare (programming): questo concetto si integra con i due
precedentemente esposti (si decide, a seconda dei casi, se optare per un ciclo
for o un while, se effettuare un’iterazione oppure no, …).
Nella programmazione è necessario trovare il giusto compromesso tra efficacia
(programma che dia buoni risultati) ed efficienza (tempi di calcolo ridotti).
MATLAB è un linguaggio di programmazione ad alto livello learning by using (si
impara usandolo). Esso è corredato da una famiglia di applicazioni specifiche
(toolbox) quali: signal processing, statistics, optimization, neural networks, ….
Pertanto prima di iniziare a programmare è necessario capire se esistono già delle

86
funzioni built-in che consentono di risparmiare tempo e di ridurre la complessità del
programma.
Gli ambienti principali che si possono trovare in MATLAB sono:
 Workspace: in cui è contenuto l’elenco delle variabili attualmente esistenti; si
tenga presente che nel momento in cui si sta realizzando un programma c’è
uno strato principale (main) con una serie di sotto-strati costituiti dalle diverse
funzioni: ad ogni strato è associato un workspace; pur utilizzando una funzione
banale quale somma (sum) di due scalari 𝑎 e 𝑏 questi ultimi sono definiti nel
workspace “principale”, ma la funzione sum non conosce i due scalari perché
ha un suo workspace allo strato inferiore dove ci sono le funzioni built-in di
MATLAB; con la sintassi di sum è necessario specificare quali gli elementi da
sommare: entrando quindi nel workspace del comando sum si ritrovano solo
le variabili sommate e non le altre variabili eventualmente presenti all’interno
del programma che si sta scrivendo. C’è pertanto una struttura detta “a cipolla”.
 Current directory: è la cartella di lavoro nella quale si sta lavorando.
 Command history: contiene tutte le azioni (storia) eseguite fino a quel
momento; in tal modo è possibile rieseguire un calcolo molto velocemente con
un semplice click anziché riscrivere ogni volta la stessa operazione.
 Command window: in cui si possono scrivere le operazioni da effettuare.
In generale quando si vuole creare un programma è buona norma lavorare nell’editor
piuttosto che nella command window, soprattutto se essi sono molto lunghi.
Si tenga inoltre presente che per MATLAB la sintassi in maiuscolo è diversa da quella
in minuscolo.
Per la definizione di un vettore in MATLAB è possibile utilizzare due notazioni
differenti:
𝑎 = [1, 2, 3, 4] 𝑜𝑝𝑝𝑢𝑟𝑒 𝑎 = [1 2 3 4]
Per la definizione di una matrice invece si ha la seguente notazione:
𝐴 = [1, 2, 3; 4, 5, 6; 7, 8, 9]
È inoltre possibile andare a capo nella scrittura dei diversi valori in modo da evitare
di scrivere sempre sulla stessa riga:
𝑎 = [1, 2, 3, …
5, 6, 7]
Si tenga presente che MATLAB tratta tutto come delle matrici, anche scalari, vettori
e stringhe sono trattati come tali.
Nel caso in cui non viene assegnato esplicitamente il risultato di un calcolo ad una
data variabile, MATLAB crea in automatico una variabile provvisoria riportata nel
workspace chiamata Ans.
87
In MATALB c’è una sostanziale differenza tra le espressioni seguenti:
𝑏 = 𝑎 (𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑒 𝑏 𝑠𝑖 𝑡𝑟𝑎𝑠𝑓𝑜𝑟𝑚𝑎 𝑛𝑒𝑙𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑒 𝑎)
𝑏 == 𝑎 (𝑐𝑜𝑚𝑎𝑛𝑑𝑜 𝑙𝑜𝑔𝑖𝑐𝑜)
Nel caso in cui si utilizza la sintassi per il comando logico, MATLAB risponde con il
valore 1 se le due variabili sono uguali e con il valore 0 se sono differenti (risposta di
tipo binario).
Esistono poi una serie di comandi quali ad esempio la funzione diag che estrae la
diagonale principale di una matrice data. In genere le funzioni built-in come il
comando diag sono di tipo generale, ovvero a seconda della sintassi utilizzata è
possibile ottenere diverse risposte: per capire come utilizzare tali comandi è possibile
riferirsi all’help messo a disposizione da MATLAB stesso. Il comando diag per
esempio in generale presenta la seguente sintassi:
𝑑𝑖𝑎𝑔 (𝑉, 𝑘 ) (𝑘 = 0 𝑑𝑖 𝑑𝑒𝑓𝑎𝑢𝑙𝑡 )
Dove:
𝑉 = 𝑣𝑒𝑡𝑡𝑜𝑟𝑒 (𝑜 𝑚𝑎𝑡𝑟𝑖𝑐𝑒)
𝑘
= 𝑠𝑐𝑒𝑔𝑙𝑖𝑒 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑒 𝑑𝑒𝑙𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑑𝑎 𝑠𝑒𝑙𝑒𝑧𝑖𝑜𝑛𝑎𝑟𝑒 (𝑜 𝑐𝑜𝑚𝑒 𝑝𝑜𝑠𝑖𝑧𝑖𝑜𝑛𝑎𝑟𝑒 𝑖𝑙 𝑣𝑒𝑡𝑡𝑜𝑟𝑒 𝑛𝑒𝑙𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒)
Si possono avere dunque tre casi:
 𝑘 = 0: diagonale principale
 𝑘 > 0: sopra la diagonale principale
 𝑘 < 0: sotto la diagonale principale
In tal modo se si parte da un vettore, si ottiene una matrice, mentre se si parte da
una matrice si ottiene un vettore.
È possibile inoltre anche creare una matrice con un certo vettore sulla diagonale, nel
seguente modo:
𝑑𝑖𝑎𝑔([4 5 6 7])
È possibile specificare anche il valore di 𝑘 per scegliere la diagonale su cui inserire
il vettore.
Supposto di avere a disposizione il seguente set di dati:

Figura 66

88
Se si immagina di avere questi dati disponibili in un file testo di nome eng_data per
caricarli in MATLAB è necessario utilizzare il seguente comando:
𝑙𝑜𝑎𝑑 𝑒𝑛𝑔_𝑑𝑎𝑡𝑎. 𝑡𝑥𝑡
È necessario specificare l’estensione del file in quanto esso risulta essere esterno a
MATLAB stesso (se si tratta di un file .mat è possibile anche omettere l’estensione).
Se si utilizza il comando save è possibile salvare un delle variabili create in MATLAB:
𝑠𝑎𝑣𝑒 𝑛𝑜𝑚𝑒_𝑓𝑖𝑙𝑒
In questo modo si salvano automaticamente tutte le variabili contenute all’interno del
workspace. Volendo salvare solo alcune variabili è necessario specificarle:
𝑠𝑎𝑣𝑒 𝑛𝑜𝑚𝑒_𝑓𝑖𝑙𝑒 𝑣𝑎𝑟1 𝑣𝑎𝑟2
È possibile inoltre estrarre da una matrice dei vettori utilizzando la seguente sintassi:
𝑡 = 𝑒𝑛𝑔_𝑑𝑎𝑡𝑎(: ,1)
In tal modo si prendono tutte le righe, ma solo la prima colonna; volendo invece
caricare tutte le righe e le prime due colonne la sintassi diventa:
𝑡_𝑛 = 𝑒𝑛𝑔_𝑑𝑎𝑡𝑎(: ,1: 2)
È possibile anche affiancare due o più matrici (o due o più vettori) nella maniera
seguente:
𝐶 = [𝐶, 𝐶 + 2]
Con il comando eye invece si crea una matrice identità:
𝑒𝑦𝑒(3,3) → 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑡à 3𝑥3
Con MATLAB si possono convertire numeri (vettori, …) in stringhe o stringhe in
vettori:
𝑎 = [1, 2, 3, 4, 5, 6]
𝑎_𝑠𝑡𝑟𝑖𝑛𝑔𝑎 = 𝑛𝑢𝑚2𝑠𝑡𝑟(𝑎) (𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑒 𝑛𝑢𝑚𝑒𝑟𝑜 𝑖𝑛 𝑠𝑡𝑟𝑖𝑛𝑔𝑎 (𝑛𝑢𝑚𝑏𝑒𝑟 𝑡𝑜 𝑠𝑡𝑟𝑖𝑛𝑔))

𝑏 = 𝑠𝑡𝑟2𝑛𝑢𝑚(𝑎_𝑠𝑡𝑟𝑖𝑛𝑔𝑎 )(𝑐𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑒 𝑠𝑡𝑟𝑖𝑛𝑔𝑎 𝑖𝑛 𝑛𝑢𝑚𝑒𝑟𝑜 (𝑠𝑡𝑟𝑖𝑛𝑔 𝑡𝑜 𝑛𝑢𝑚𝑏𝑒𝑟))


Con il comando hist è possibile creare un istogramma, mentre con il comando axis è
possibile decidere la scala del plot:
𝑎𝑥𝑖𝑠 ([5 7 30 35])
È possibile gestire legenda, griglia, titolo, … di un plot dall’opzione tools del plot
stesso.

89
Quando si salvano delle immagini di plot su MATLAB è possibile salvarle in diversi
formati: con il formato .fig è possibile visualizzare l’immagine solo con MATLAB
stesso, mentre con il formato .emf è possibile aprirla in word, ….
Si tenga inoltre presente che in MATLAB c’è una differenza sostanziale tra slash e
backslash:
2
2/3 =
3
3
3\2 =
2
Tuttavia, in generale, il comando backslash si utilizza per la risoluzione di sistemi di
equazioni.
Quando si vuole creare una variabile dipendente che è funzione di più variabili
indipendenti e ci sono dipendenze miste come ad esempio:
𝑦 = 𝑥1 ∗ 𝑥2
Se 𝑥1 e 𝑥2 sono due vettori di 𝑛 elementi e l’obiettivo è moltiplicare i due vettori
elemento per elemento per ottenere 𝑦 il comando è il seguente:
𝑦 = 𝑥1 .∗ 𝑥2
In tal modo, si ragiona su ogni singolo elemento del vettore (o della matrice) e non
sul vettore (o matrice) nel suo insieme. Ovviamente oltre al .∗ c’è anche il comando
. ^ per cui valgono le stesse considerazioni. Pertanto nel momento in cui si vuole
ottenere la potenza moltiplicando il vettore numero di giri (opportunamente convertito
in velocità angolare) per il vettore coppia è necessario utilizzare il comando .∗ (e non
semplicemente ∗).

90
Lezione 9 (Pianese) 21/03/2017
Motori alternativi a combustione interna: termochimica
Si tenga presente che la reazione di combustione, che porta alla formazione dei
prodotti a partire dai reagenti (aria e combustibile) è stata considerata di tipo one-
step, sebbene nella realtà vi siano una serie di reazioni intermedie che a rigore
andrebbero considerate; inoltre la reazione di combustione è di tipo irreversibile
ovvero una volta che i reagenti si trasformano in prodotti non è più possibile
ricombinare i prodotti per riottenere i reagenti di partenza (→); per l’innesco della
reazione di combustione è inoltre necessaria una certa quantità di energia in modo
da superare un valore limite noto come energia di attivazione: raggiunto tale valore
la miscela brucia ed i reagenti si trasformano in prodotti. Tale trasformazione one-
step dà vita a prodotti che poi si dissociano e ri-associano dando vita ad ulteriori
composti presenti all’interno della miscela. In generali tali reazioni possono essere di
equilibrio, congelate o più in generale governate dalle leggi della cinetica chimica.
Nel caso di miscela congelate le costanti chimiche sono tali da non modificare le
concentrazioni (la miscela non cambia e ciò accade al di sotto di una certa
temperatura che vale circa 1700 𝐾). Al di sopra dei 2300 𝐾 al contrario la miscela
può essere considerata in equilibrio: anidride carbonica, acqua e azoto molecolare
costituiscono una buona percentuale della miscela, mentre la restante parte è
costituita da altri elementi. Le specie formatesi a seguito del processo di combustione
sono soggette ad un processo di dissociazione (processo non reversibile) che porta
alla dissipazione di energia e alla generazione di entropia: parte dell’energia rimane
in seno alle specie chimiche le quali se fossero completamente ossidate
rilascerebbero altro calore in modo da avere un rendimento di combustione unitario.
Le reazioni all’equilibrio sono valide nel momento in cui si fanno delle considerazioni
energetiche globali (racchiudendo tutto il motore all’interno di un volume di controllo).
Si noti peraltro che in generale tutte le reazioni sono di tipo cinetico: l’equilibrio
chimico o il congelamento sono da interpretarsi come casi particolari della più
generale cinetica chimica; si tenga inoltre presente che gli stessi fenomeni possono
essere analizzati sotto le ipotesi di equilibrio o attraverso un modello di cinetica
chimica a seconda dei tempi caratteristici in gioco: nel caso della detonazione i tempi
caratteristici sono molto brevi e pertanto le reazioni non possono essere considerate
all’equilibrio, ma devono essere studiate ed analizzate con approcci di tipo cinetico.
In condizioni di equilibrio chimico la velocità di reazione diretta e la velocità di
reazione inversa sono uguali. Si ricordi inoltre che nel caso in cui si ha a che fare con
più di quattro specie chimiche, c’è un problema per la scrittura delle equazioni utili a
ricavare i coefficienti stechiometrici: nel caso di combustione stechiometrica in cui
c’è presenza di anidride carbonica, acqua e azoto molecolare, o al limite magra, in
cui rispetto ai composti precedenti si aggiunge l’ossigeno molecolare, il problema
non sussiste in quanto quattro sono i prodotti e quattro sono le equazioni che è
possibile scrivere in relazione alle specie chimiche (idrogeno, carbonio, azoto,
ossigeno). Si tenga inoltre presente che le proprietà della miscela si ottengono come

91
media pesata delle proprietà dei singoli componenti costituenti (i pesi sono proprio le
concentrazioni).
Si tenga presente che volendo essere precisi, è più corretto parlare di eccesso di
ossigeno e di deficit di ossigeno piuttosto che di deficit di carburante e di eccesso di
carburante.
Si faccia riferimento ad una mole di aria (e non più una mole di idrocarburo), nel caso
di una combustione ideale stechiometrica si ha la seguente reazione:
𝜀𝛷𝐶𝛼 𝐻𝛽 𝑂𝛾 𝑁𝛿 + (0.21𝑂2 + 0.79𝑁2 ) → 𝜈1 𝐶𝑂2 + 𝜈2 𝐻2 𝑂 + 𝜈3 𝑁2

Dove:
𝑛𝑓𝑢𝑒𝑙
𝜀= (𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑚𝑜𝑙𝑎𝑟𝑒 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒/𝑎𝑟𝑖𝑎)
𝑛𝑎𝑟𝑖𝑎
𝛷 = 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑑𝑖 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑧𝑎 (𝑒𝑐𝑐𝑒𝑠𝑠𝑜 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒)
𝜈𝑖 = 𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑖 𝑚𝑜𝑙𝑎𝑟𝑖 (𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑖 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖 ) 𝑝𝑒𝑟 𝑢𝑛𝑎 𝑚𝑜𝑙𝑒 𝑑𝑖 𝑎𝑟𝑖𝑎
𝛼, 𝛽, 𝛾, 𝛿 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑎𝑡𝑜𝑚𝑖
Ovviamente i coefficienti davanti ad ogni composto rappresentano il numero di moli
(la reazione si considera in funzione di una mole di aria, la quale è costituita
prevalentemente da 0.21 moli di ossigeno e 0.79 moli di azoto: una mole di aria è
costituita di fatto dal 21 % di ossigeno e dal 79 % di azoto circa).
L’idrocarburo generico 𝐶𝛼 𝐻𝛽 𝑂𝛾 𝑁𝛿 risulta essere formato anche da ossigeno ed azoto,
oltre che da idrogeno e carbonio: nella realtà spesso ci sono anche altri componenti
quali ad esempio lo zolfo, in quanto si ha a che fare con delle miscele di idrocarburi
in cui alla fine si considera una media pesata tra tutti i componenti per poter
caratterizzare l’idrocarburo di riferimento.
Per le reazioni stechiometriche si individua il seguente set di equazioni:
0.210𝛼
𝜈1 = (𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝐶𝑂2 )
𝛼 + 0.25𝛽 − 0.5𝛾
0.105𝛽
𝜈2 = (𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝐻2 𝑂)
𝛼 + 0.25𝛽 − 0.5𝛾
0.790 + 0.105𝛿
𝜈3 = (𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑁2 )
𝛼 + 0.25𝛽 − 0.5𝛾
0.210
𝜀= (𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑚𝑜𝑙𝑎𝑟𝑒)
{ 𝛼 + 0.25𝛽 − 0.5𝛾
Il rapporto stechiometrico combustibile/aria in massa è quindi:
𝜀 (12.01𝛼 + 1.008𝛽 + 16.00𝛾 + 14.01𝛿
𝐹𝑠 =
28.85

92
Dove:
𝑀𝑀 = 28.85 𝑔/𝑚𝑜𝑙 (𝑚𝑎𝑠𝑠𝑎 𝑚𝑜𝑙𝑎𝑟𝑒 𝑎𝑟𝑖𝑎)
Per molti tipi di idrocarburi si fa l’ipotesi 𝛾 = 𝛿 = 0 ed il rapporto stechiometrico è
approssimativamente costante:
𝐹𝑠 ∼ 0.067
In realtà sebbene sia possibile considerare effettivamente 𝛿 = 0, in generale risulta
sempre 𝛾 ≠ 0 in quanto nell’idrocarburo è sempre presente ossigeno (alcool):
composti ossigenati vengono aggiunti per evitare la detonazione (questo avviene
soprattutto da quando è stato bandito l’utilizzo del piombo tetraetile). Inoltre molte
compagini petrolifere forniscono parecchi idrocarburi nei quali è presente ossigeno
perché tali combustibili sono derivati da biocombustibili in maniera da ottenere
miscele “più verdi”, per motivi di legge (in Germania ad esempio, in molti distributori
è possibile scegliere con che tipo di miscela rifornirsi ed in genere queste miscele
contengono etanolo; esistono inoltre dei combustibili che contengono il 100 % di
etanolo, sebbene in molti casi è stato stimato che il vantaggio in termini di riduzione
di 𝐶𝑂2 è praticamente inesistente).
Si ricordi inoltre che il rapporto di equivalenza 𝛷 dà informazione riguardo al tipo di
miscela ed in particolare:
𝐹
𝛷=
𝐹𝑠
𝛷 < 1 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑝𝑜𝑣𝑒𝑟𝑎
𝛷 = 1 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎
𝛷 > 1 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑟𝑖𝑐𝑐𝑎
Per basse temperature (𝑇 < 1500 𝐾) e per rapporti 𝑐𝑎𝑟𝑏𝑜𝑛𝑖𝑜/𝑜𝑠𝑠𝑖𝑔𝑒𝑛𝑜 < 1 è
possibile ritenere che la miscela sia costituita dai seguenti componenti:
𝐶𝑂2 , 𝐻2 𝑂, 𝑁2 , 𝑂2 , 𝐶𝑂, 𝐻2
In particolare la reazione può essere scritta nel seguente modo:
𝜀𝛷𝐶𝛼 𝐻𝛽 𝑂𝛾 𝑁𝛿 + (0.21𝑂2 + 0.79𝑁2 ) → 𝜈1 𝐶𝑂2 + 𝜈2 𝐻2 𝑂 + 𝜈3 𝑁2 + 𝜈4 𝑂2 + 𝜈5 𝐶𝑂 + 𝜈6 𝐻2

Evidentemente o è presente ossigeno in eccesso (e dunque non c’è monossido di


carbonio e idrogeno), oppure al contrario è presente il monossido di carbonio e
l’idrogeno molecolare, ma non è presente ossigeno. Di fatto, approssimativamente,
è possibile considerare che:
𝛷 ≤ 1: 𝜈5 = 𝜈6 = 0
𝛷 > 1: 𝜈4 = 0

93
Si tenga presente che in generale per miscela povere risulta 𝑁 − 𝐶 = 0 per cui il
problema matematico risulta chiuso: i quattro coefficienti stechiometrici 𝜈𝑖
(concentrazioni) possono essere calcolati attraverso le equazioni di bilancio degli
atomi. Quindi per miscele povere o stechiometriche le equazioni di bilancio sono
sufficienti a determinare la composizione dei prodotti:
0.210𝛼
𝜈1 = (𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝐶𝑂2 )
𝛼 + 0.25𝛽 − 0.5𝛾
0.105𝛽
𝜈2 = (𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝐻2 𝑂)
𝛼 + 0.25𝛽 − 0.5𝛾
0.790 + 0.105𝛿
𝜈3 = (𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑁2 )
𝛼 + 0.25𝛽 − 0.5𝛾
0.210
𝜀= (𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑚𝑜𝑙𝑎𝑟𝑒)
{ 𝛼 + 0.25𝛽 − 0.5𝛾
Si tenga presente che la concentrazione dei prodotti andrebbe considerata rispetto
alla somma di tutte le moli (numero di moli di uno dei prodotti rispetto alle moli totali
di tutti i prodotti): in tal caso invece la concentrazione, ovvero i coefficienti 𝜈𝑖 , sono
da intendersi rispetto a una mole di aria.
Per miscele ricche invece, in cui sono presenti cinque specie, per poter risolvere il
problema matematico è necessario considerare un’altra reazione aggiuntiva
(reazione rispetto alla quale considerare l’equilibrio chimico):
𝐶𝑂2 + 𝐻2 ⇄ 𝐶𝑂 + 𝐻2 𝑂
Le specie chimiche rimangono dunque in equilibrio tra loro secondo la reazione
chimica su scritta, con una costante di equilibrio 𝐾 pari a:
𝜈2 ∙ 𝜈5
𝐾=
𝜈1 ∙ 𝜈6
In questo modo si hanno a disposizione cinque equazioni (4 + 1) in cinque incognite.
In particolare dalle tabelle JANAF è possibile ricavare il valore della costante 𝐾 in
funzione della temperatura di riferimento espressa in millesimi (𝑡 = 𝑇/1000):
1.761 1.611 0.2803
ln(𝐾) = 2.743 − − 2 +
𝑡 𝑡 𝑡3
Con:
400 𝐾 < 𝑇 < 3200 𝐾
La concentrazione segue dunque la costante di equilibrio 𝐾 comunque vari la
temperatura (ipotesi di equilibrio chimico).
Pertanto per miscele ricche, sostituendo nella costante 𝐾 l’espressione di 𝜈1 , 𝜈2 , 𝜈6 , è
possibile calcolare 𝜈5 :

94
− 𝑏 + √𝑏2 − 4𝑎𝑐
𝜈5 =
2𝑎
Con:
𝑎 =1−𝐾
𝑏 = 0.42 − 𝛷𝜀 (2𝛼 − 𝛾 ) + [0.42(𝛷 − 1) + 𝛼𝛷𝜀 ]
𝑐 = −0.42𝛼𝛷𝜀 (𝛷 − 1)𝐾
In particolare riassumendo quanto detto, la composizione dei prodotti (𝜈𝑖 [𝑚𝑜𝑙𝑖/
𝑚𝑜𝑙𝑖 𝑑𝑖 𝑎𝑟𝑖𝑎]) della combustione a bassa temperatura, al variare di 𝛼, 𝛽, 𝛾, 𝛿, 𝛷
sarà:

Figura 67

Per esempio nel caso dell’azoto, nei prodotti si ritrova proprio la quantità presente a
monte nei reagenti (0.79), essendo esso un gas inerte che non partecipa alla
reazione, più eventualmente l’aliquota presente all’interno del combustibile di
partenza (𝛿𝛷𝜀/2). Per quanto riguarda l’ossigeno invece, nel caso di combustione
magra, nei prodotti si ritrova una quantità variabile a seconda del “livello di magrezza”
della miscela (0.21(1 − 𝛷): se inizialmente si ha un 10 % di aria in più, allo scarico ci
si ritrova con un 10 % di ossigeno in più; nel caso in cui la miscela sia stechiometrica
(𝛷 = 1) tra i prodotti non è presente ossigeno). Nel caso dell’anidride carbonica
invece, per una miscela ricca, al numero di moli totali che si potrebbero formare (𝛼𝛷𝜀)
nel caso di miscela stechiometrica, va sottratto il numero di moli di monossido di
carbonio (𝜈5 ) che si sono formate a seguito dell’ossidazione parziale.
Tutte queste relazioni sono facilmente implementabili, attraverso una routine di
calcolo in cui si dà la possibilità di scegliere a monte se ci si ritrova nel caso di miscela
magra o nel caso di miscela ricca:
𝑖𝑓 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑚𝑎𝑔𝑟𝑎 → … … …
𝑖𝑓 𝑚𝑖𝑠𝑐𝑒𝑙𝑎 𝑟𝑖𝑐𝑐𝑎 → … … …

95
Dove si daranno i seguenti parametri (parametri del modello):
𝛼, 𝛽, 𝛾, 𝛿, 𝛷
È evidente che giacché la costante di equilibrio 𝐾, viene data in funzione della
temperatura è possibile effettuare il calcolo al variare ella stessa. Ovviamente nel
caso di miscela ricca si suppone che tra i prodotti sia presente soltanto monossido
di carbonio e idrogeno molecolare (ipotesi di bassa temperatura), oltre ai tre composti
sempre presenti in qualsiasi caso.
Il modello di cui si è discusso sinora può essere utilizzato nel caso in cui si vuole fare
un’analisi energetica sui gas di scarico, mentre nel caso in cui si voglia studiare la
formazione delle emissioni inquinanti (cinetica chimica) il modello non risulta adatto.
Ovviamente si tenga presente che nel ciclo di un motore la temperatura è fortemente
variabile in funzione delle diverse fasi. Si ricordi che il ciclo reale di un motore
alternativo a combustione interna è il seguente:

Figura 68

Le valvole di aspirazione e scarico si aprono con un certo anticipo e si chiudono con


un certo ritardo. Il ciclo è composto da un tratto a valvole aperte (a bassa pressione)
e un ciclo a valvole chiuse (ad alta pressione). La zona in cui vale il sistema di
equazioni scritte (a bassa temperatura) è caratterizzata dal tratto 𝐴𝐵: fine della fase
di espansione, scarico, aspirazione e prima parte della compressione. Ovviamente
nel calcolo si ragiona sempre sulla temperatura e non sull’angolo di manovella:
𝑖𝑓 𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 < 1700 𝐾 ⟹ 𝑢𝑡𝑖𝑙𝑖𝑧𝑧𝑎 𝑖𝑙 𝑚𝑜𝑑𝑒𝑙𝑙𝑜 𝑎𝑛𝑎𝑙𝑖𝑧𝑧𝑎𝑡𝑜
96
Pertanto da questo punto di vista non c’è alcun problema. È evidente che se la
miscela è preparata nel collettore di aspirazione in camera entrerà una miscela di
aria e combustibile e dunque durante la fase di compressione le proprietà sono quelle
legate ai reagenti, mentre dopo la combustione le proprietà sono legate ai prodotti;
tuttavia nella fase intermedia la miscela si compone anche di gas combusti che sono
i gas residui del ciclo precedente in una certa percentuale; tuttavia la presenza di una
frazione residua 𝑓 di gas combusti del ciclo precedente non modifica la trattazione,
riscrivendo la reazione per basse temperature nella maniera seguente (ciclo a
valvole aperte ovvero quando c’è il ricambio della carica):
𝜈0′ 𝐶𝛼 𝐻𝛽 𝑂𝛾 𝑁𝛿 + 𝜈4′ 𝑂2 + 𝜈3′ 𝑁2 → 𝜈1′′ 𝐶𝑂2 + 𝜈2′′ 𝐻2 𝑂 + 𝜈3′′ 𝑁2 + 𝜈4′′ 𝑂2 + 𝜈5′′ 𝐶𝑂 + 𝜈6′′ 𝐻2

Nel momento in cui c’è aria, combustibile e gas residui, le concentrazioni cambiano
completamente perché l’ossigeno non sarà soltanto quello che viene dall’aria fresca
aspirata, ma proviene anche dalla reazione di combustione se a monte c’era un
eccesso di ossigeno (lo stesso vale per l’azoto). La frazione massica può essere
riscritta come:
𝑥𝑖 = (1 − 𝑓)𝑥𝑖′ + 𝑓𝑥𝑖′′ (𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑥𝑖 è 𝑙𝑎 𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑚𝑎𝑠𝑠𝑖𝑐𝑎 𝑑𝑖 𝑐𝑖𝑎𝑠𝑐𝑢𝑛𝑎 𝑠𝑝𝑒𝑐𝑖𝑒)
Dove:
𝑓 = 𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑔𝑎𝑠 𝑟𝑒𝑠𝑖𝑑𝑢𝑖
In pratica in funzione della frazione dei gas residui si vanno a pesare i prodotti della
combustione. Nel caso in cui 𝑓 = 0 ⟹ 𝑥𝑖 = 𝑥𝑖′ , mentre nel caso in cui 𝑓 ≠ 0 una
percentuale sarà composta dai reagenti e una percentuale dai prodotti (se 𝑓 = 10 %
ci sarà un 90 % costituito da 𝑥𝑖′ (reagenti) e un 10 % formato da 𝑥𝑖′′ (prodotti)).
La frazione molare invece si riscriverà come:
𝑦𝑖 = (1 − 𝑦𝑟 )𝑦𝑖′ + 𝑦𝑟 𝑦𝑖′′ (𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑦𝑖 è 𝑙𝑎 𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑚𝑜𝑙𝑎𝑟𝑒 𝑑𝑖 𝑐𝑖𝑎𝑠𝑐𝑢𝑛𝑎 𝑠𝑝𝑒𝑐𝑖𝑒)
Dove:
𝑖 = 1, 2, 3, 4, 5, 6
La frazione molare dei residui si ottiene come:
−1
𝑀′′ 1
𝑦𝑟 = [1 + ′ ( − 1)]
𝑀 𝑓
Essa si ottiene tenendo conto della massa molecolare dei reagenti (𝑀′ ) e dei prodotti
(𝑀′′ ).
Nel momento in cui si arriva a temperature elevate anche la frazione residua presente
nella miscela potrebbe dissociarsi: pertanto anche i reagenti potrebbero trovarsi a
temperatura tale da determinare una dissociazione ulteriore delle specie chimiche (si
arriverà alla soluzione a dieci specie). Ovviamente prima della combustione si ha a

97
che fare solo con i reagenti, mentre dopo la combustione si ha a che fare solo con in
prodotti.
Note temperatura, pressione, rapporto di equivalenza e frazione di gas residui è
possibile, una volta determinata la composizione della miscela, calcolarne tutte le
proprietà termodinamiche (entalpia, entropia, volume specifico, energia interna,
calore specifico a pressione costante (quello a volume costante si ricava da questo)
e due derivate logaritmiche del volume (variazione del volume) a pressione costante
∂ ln 𝑣 / ∂ ln P e del volume (variazione del volume) a temperatura costante
∂ ln 𝑣/ ∂ ln T) da cui è possibile risalire con apposite formule a quelle di tutte le altre.
Il calcolo di queste proprietà (di una miscela aria combustibile e gas residui) è
eseguito da un’apposita subroutine, denominata FARG (Fuel-Air-Residual Gas).
È evidente che nel momento in cui si ha l’aspirazione di aria risulta 𝑓 = 0, ma se
all’interno del cilindro c’è gas residuo allora 𝑓 ≠ 0 (𝑓 = 3 % − 5 %), mentre in
espansione e scarico si ha 𝑓 = 1 poiché sono tutti gas residui.
𝑓 = 0 ⟹ 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖
𝑓 = 1 ⟹ 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖
𝑓 ≠ 0 ⟹ 𝑟𝑒𝑎𝑔𝑒𝑛𝑡𝑖 + 𝑝𝑟𝑜𝑑𝑜𝑡𝑡𝑖
In particolare 𝑓 ≠ 0 si otterrà quando si apre la valvola di aspirazione e si chiude
quella di scarico fino all’innesco della combustione.
Nel caso di combustione reale c’è una maggiore complicatezza da un punto di vista
delle reazioni e dei composti che si vengono a formare (il ciclo limite risulta essere
comunque un’astrazione, mentre ciò che realmente si misura è il ciclo reale: non
bisogna mai confondere realtà è modello). Pertanto volendosi avvicinare alla realtà
(sebbene vi sia comunque un’approssimazione) bisogna considerare la seguente
reazione (riferita ad una mole di aria):
𝜀𝛷𝐶𝛼 𝐻𝛽 𝑂𝛾 𝑁𝛿 + (0.21𝑂2 + 0.79𝑁2 )
→ 𝜈1 𝐶𝑂2 + 𝜈2 𝐻2 𝑂 + 𝜈3 𝑁2 + 𝜈4 𝑂2 + 𝜈5 𝐶𝑂 + 𝜈6 𝐻2 + 𝜈7 𝐻 + 𝜈8 𝑂 + 𝜈9 𝑂𝐻
+ 𝜈10 𝑁𝑂 + 𝜈11 𝑁 + 𝜈12 𝐶 (𝑠) + 𝜈13 𝑁𝑂2 + 𝜈14 𝐶𝐻4 + . . .
La composizione dei prodotti della combustione a sei specie è una buona
approssimazione per temperature inferiori a 1000 𝐾 − 1500 𝐾 (non si considera la
dissociazione, ma solo l’eventuale eccesso di ossigeno o l’eventuale ossidazione
parziale per carenza di ossigeno). A temperature maggiori si verificano i fenomeni di
dissociazione per cui compaiono altre specie in quantità non più trascurabili (in tal
caso vi è una perdita di energia in quanto non tutto il combustibile si ossida); in tal
caso parte dell’energia messa a disposizione dalla combustione viene utilizzare per
avere dissociazione e pertanto si passa da sei specie a un numero di specie
maggiori; si tenga conto che anche piccole concentrazioni di una data specie
possono pesare sulla miscela complessiva in termini di proprietà. Tuttavia è

98
possibile ottenere delle buone approssimazioni estendendo l’analisi a sole dieci
specie:
𝜀𝛷𝐶𝛼 𝐻𝛽 𝑂𝛾 𝑁𝛿 + (0.21𝑂2 + 0.79𝑁2 )
→ 𝜈1 𝐶𝑂2 + 𝜈2 𝐻2 𝑂 + 𝜈3 𝑁2 + 𝜈4 𝑂2 + 𝜈5 𝐶𝑂 + 𝜈6 𝐻2 + 𝜈7 𝐻 + 𝜈8 𝑂 + 𝜈9 𝑂𝐻
+ 𝜈10 𝑁𝑂
Si tenga presente che il monossido di azoto (𝑁𝑂) presente all’interno del bilancio non
è da confondersi con quello che si ritrova nelle emissioni allo scarico: la
concentrazione che verrà fuori è in tal caso particolarmente bassa perché segue le
ipotesi di equilibrio chimico; nella realtà la formazione di ossidi di azoto è regolata
dalla cinetica chimica per cui le percentuali saranno più elevate.
Le frazioni molari dei prodotti saranno:
𝜈𝑖
𝑦𝑖 =
∑10
𝑖=1 𝜈𝑖

Dove:
𝜈𝑖 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑖 𝑠𝑡𝑒𝑐ℎ𝑖𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑖 𝑟𝑖𝑠𝑝𝑒𝑡𝑡𝑜 𝑎𝑑 𝑢𝑛𝑎 𝑚𝑜𝑙𝑒 𝑑𝑖 𝑎𝑟𝑖𝑎
Il numero totale di moli presenti nei prodotti della combustione vale:
10

𝑁 = ∑ 𝜈𝑖
𝑖=1
Da queste due relazioni poi è possibile dire che la frazione molare complessiva
(concentrazione totale) vale:
10

∑ 𝑦𝑖 = 1 (𝑏𝑖𝑙𝑎𝑛𝑐𝑖𝑜 𝑑𝑖 𝑚𝑎𝑠𝑠𝑎)
𝑖=1

Nella combustione a dieci specie ovviamente ci saranno dieci incognite da calcolare


(coefficienti 𝜈𝑖 ), ma si avranno a disposizione solo quattro equazioni di bilancio.
Imponendo la conservazione della massa (bilancio atomico) per le quattro specie
(𝐶, 𝐻, 𝑂, 𝑁) si ottengono dunque quattro equazioni:
𝜀𝛷𝛼 = (𝑦1 + 𝑦5 )𝑁 (𝑐𝑎𝑟𝑏𝑜𝑛𝑖𝑜)
𝜀𝛷𝛽 = (2𝑦2 + 2𝑦6 + 𝑦7 + 𝑦9 )𝑁 (𝑖𝑑𝑟𝑜𝑔𝑒𝑛𝑜)
𝜀𝛷𝛾 + 2(0.21) = (2𝑦1 + 𝑦2 + 2𝑦4 + 𝑦5 + 𝑦8 + 𝑦9 + 𝑦10 )𝑁 (𝑜𝑠𝑠𝑖𝑔𝑒𝑛𝑜)
{ 𝜀𝛷𝛿 + 2(0.79) = (2𝑦3 + 𝑦10 )𝑁 (𝑎𝑧𝑜𝑡𝑜)
Si tenga presente che:
𝑦1 𝑁 → 𝜈1
𝑦5 𝑁 → 𝜈5
………
99
A questo punto servono ulteriori sei relazioni che possono essere ottenute dalla
legge di azione di massa per le reazioni di equilibrio chimico intercorrenti tra i prodotti
della combustione (equazioni di equilibrio):
1
𝐻 ⇄𝐻 𝐾1 = 𝑦7 √𝑃/√𝑦6
2 2
1
𝑂 ⇄𝑂 𝐾2 = 𝑦8 √𝑃/√𝑦4
2 2
1 1
𝐻2 + 𝑂2 ⇄ 𝑂𝐻 𝐾3 = 𝑦9 /(√𝑦4 ∙ √𝑦6 )
2 2
1 1
𝑂2 + 𝑁2 ⇄ 𝑁𝑂 𝐾4 = 𝑦10 /(√𝑦4 ∙ √𝑦3 )
2 2
1
𝐻2 + 𝑂2 ⇄ 𝐻2 𝑂 𝐾5 = 𝑦2 /(𝑦6 ∙ √𝑦4 ∙ √𝑃)
2
1
𝐶𝑂 + 𝑂2 ⇄ 𝐶𝑂2 𝐾6 = 𝑦1 /(𝑦5 ∙ √𝑦4 ∙ √𝑃)
2
Inoltre vale la conservazione della massa:
10

∑ 𝑦𝑖 − 1 = 0
𝑖=1

Ovviamente le incognite sono proprio le 𝑦𝑖 in quanto la pressione 𝑃 risulta nota (in


effetti si fissa sia la pressione che la temperatura), mentre le costanti 𝐾 si ricavano
dalle tabelle JANAF. Grazie alle routine di calcolo è proprio possibile andare a
valutare le frazioni molari.
Nel caso di miscela magra, a basse temperature sono presenti solo le quattro specie
di cui si è ampiamente discusso: anidride carbonica, acqua, azoto molecolare e
ossigeno molecolare. Man mano che aumenta la temperatura iniziano ad essere
presenti anche altri composti con concentrazioni via via crescenti. A temperature
intorno ai 4000 𝐾 le concentrazioni di tutti i componenti diventano praticamente
confrontabili e sono dello stesso ordine di grandezza. Aumentando il rapporto di
miscela e arrivando in condizioni stechiometriche fino alla temperatura di circa
2700 𝐾 è possibile individuare la presenza delle sole tre specie fondamentali:
anidride carbonica, acqua, azoto molecolare; nel momento in cui la temperatura
cresce ancor di più a causa della dissociazione, sebbene la combustione sia
stechiometrica, si iniziano a formare altre specie che man mano aumentano la
propria concentrazione. Infine per miscele ricche a bassa temperatura si ha la
presenza delle sole cinque specie di cui si è ampiamente discusso (anidride
carbonica, acqua, azoto molecolare, monossido di carbonio, idrogeno molecolare),
mentre a più elevate temperature inizia a farsi sentire l’effetto di altri specie chimiche
sempre a causa di fenomeni di dissociazione:

100
Figura 69

Si tenga presente che sistemi con di questo tipi, con dieci equazioni in dieci incognite,
venivano originariamente risolti con routine iterative; solo successivamente è stata
proposta una decomposizione LU della matrice per poter risolvere il problema.
Si noti che la differenza tra le subroutine FARG ed ECP sta nel fatto che la prima
calcola le proprietà della miscela tenendo conto di sole sei specie (bassa
temperatura), mentre la seconda tiene conto di dieci specie (alta temperatura).

101
Lezione 10 (Sorrentino) 22/03/2017
Esercitazione sulla termochimica (esercizi tratti da Heywood)
Esempio 3.1
Traccia
Un combustibile idrocarburo di composizione 84.1 % in massa di 𝐶 e 15.9 % in massa
di 𝐻 ha un peso molecolare di 114.15 𝑔/𝑚𝑜𝑙. Determinare il numero di moli dell’aria
richiesta per una combustione stechiometrica e il numero di moli di prodotti prodotte
per mole di combustibile. Calcolare 𝐴/𝐹, 𝐹/𝐴, e i pesi molecolari dei reagenti e dei
prodotti.
Svolgimento
Il combustibile è a base di carbonio ed idrogeno ed è del tipo 𝐶𝑎 𝐻𝑏 . In particolare
viene fornita la frazione in massa di ogni singolo componente dell’idrocarburo per
cui:
𝑚𝐶
𝑦𝐶 = = 84.1 % (𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑖𝑛 𝑚𝑎𝑠𝑠𝑎 𝑑𝑖 𝑐𝑎𝑟𝑏𝑜𝑛𝑖𝑜)
𝑚𝑓𝑢𝑒𝑙
𝑚𝐻
𝑦𝐻 = = 15.9 % (𝑓𝑟𝑎𝑧𝑖𝑜𝑛𝑒 𝑖𝑛 𝑚𝑎𝑠𝑠𝑎 𝑑𝑖 𝑖𝑑𝑟𝑜𝑔𝑒𝑛𝑜)
𝑚𝑓𝑢𝑒𝑙

È possibile dunque ricavare il numero di moli di carbonio e idrogeno:


𝑚𝑓𝑢𝑒𝑙 = 𝑛𝑓𝑢𝑒𝑙 ∙ 𝑀𝑀𝑓𝑢𝑒𝑙

𝑚𝐶 = 𝑛𝐶 ∙ 𝑀𝑀𝐶 = 𝑎 ∙ 𝑀𝑀𝐶
𝑚𝐻 = 𝑛𝐻 ∙ 𝑀𝑀𝐻 = 𝑏 ∙ 𝑀𝑀𝐻
Dove:
𝑚 = 𝑚𝑎𝑠𝑠𝑎
𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑚𝑜𝑙𝑖
𝑀𝑀 = 𝑚𝑎𝑠𝑠𝑎 𝑚𝑜𝑙𝑎𝑟𝑒
Siccome si ragiona su una singola mole di combustibile e giacché l’idrocarburo ha
un peso molare noto si avrà:
𝑚𝑓𝑢𝑒𝑙 = 𝑛𝑓𝑢𝑒𝑙 ∙ 𝑀𝑀𝑓𝑢𝑒𝑙 = 1 ∙ 114.15 = 114.15 𝑔

Ovviamente in una singola mole di combustibile ci saranno 𝑎 moli di carbonio e 𝑏


moli di idrogeno pertanto si avrà:
𝑚𝑓𝑢𝑒𝑙 ∙ 𝑦𝐶 114.15 ∙ 0.841
𝑚𝐶 = 𝑎 ∙ 𝑀𝑀𝐶 = 𝑚𝑓𝑢𝑒𝑙 ∙ 𝑦𝐶 ⟹ 𝑎 = = ≃8
𝑀𝑀𝐶 12.01

102
𝑚𝑓𝑢𝑒𝑙 ∙ 𝑦𝐻 114.15 ∙ 0.159
𝑚𝐻 = 𝑏 ∙ 𝑀𝑀𝐻 = 𝑚𝑓𝑢𝑒𝑙 ∙ 𝑦𝐻 ⟹ 𝑏 = = ≃ 18
𝑀𝑀𝐻 1.008
Pertanto l’idrocarburo di riferimento sarà 𝐶8 𝐻18 . Tale combustibile reagirà con
l’ossigeno per far sì che si realizzi la combustione:
𝐶8 𝐻18 + 𝑂2 → 𝐶𝑂2 + 𝐻2 𝑂
Bilanciando la reazione:
𝐶8 𝐻18 + 12.5𝑂2 → 8𝐶𝑂2 + 9𝐻2 𝑂
In tal modo si ottiene una reazione stechiometrica: ciò che si conserva nel passaggio
da reagenti a prodotti non è il numero di moli, ma la massa (conservazione della
massa) e il numero di atomi (per esempio per il carbonio ci sono 8 atomi tra i reagenti
ed 8 nei prodotti).
In realtà all’interno dell’aria non c’è solo ossigeno, ma anche azoto, che tuttavia è un
gas inerte che non partecipa alla combustione (almeno a determinate temperature);
pertanto più correttamente l’equazione di bilancio diventa:
𝐶8 𝐻18 + 12.5𝑂2 + 𝑋𝑁2 → 8𝐶𝑂2 + 9𝐻2 𝑂 + 𝑋𝑁2
È evidente che il numero di moli di azoto nei reagenti è pari al numero di moli nei
prodotti; si vuole a questo punto calcolare la 𝑋. Com’è noto l’aria è composta per
circa il 21 % da ossigeno e per il 79 % da azoto (frazioni in volume), pertanto:
𝑛𝑂2
𝑥𝑂2 = = 21 %
𝑛𝑎𝑖𝑟
𝑛𝑁2
𝑥𝑁2 = = 79 %
𝑛𝑎𝑖𝑟
Le frazioni in volume corrispondono di fatto alle frazioni molari. Quindi dalla prima
relazione si ricava:
𝑛𝑂2
𝑛𝑎𝑖𝑟 =
𝑥𝑂2
Mentre dalla seconda si ricava:
𝑛𝑁2 = 𝑥𝑁2 ∙ 𝑛𝑎𝑖𝑟
E pertanto sostituendo la prima nella seconda:
𝑥𝑁2 0.79
𝑛𝑁2 = 𝑥𝑁2 ∙ 𝑛𝑎𝑖𝑟 = ∙ 𝑛𝑁2 = ∙ 12.5 ≃ 3.773 ∙ 12.5 = 47.16 𝑚𝑜𝑙
𝑥𝑂2 0.21
Per cui la reazione sarà:
𝐶8 𝐻18 + 12.5(𝑂2 + 3.773𝑁2 ) → 8𝐶𝑂2 + 9𝐻2 𝑂 + 47.16𝑁2

103
In particolare è possibile calcolare il numero di moli dei reagenti e il numero di moli
dei prodotti:
𝑛𝑅 = 𝑛𝑓𝑢𝑒𝑙 + 𝑛𝑂2 + 𝑛𝑁2 = 1 + 12.5 + 47.16 = 60.66 𝑚𝑜𝑙 (𝑝𝑒𝑟 𝑚𝑜𝑙𝑒 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒)

𝑛𝑃 = 𝑛𝐶𝑂2 + 𝑛𝐻2𝑂 + 𝑛𝑁2 = 8 + 9 + 47.16 = 64.16 𝑚𝑜𝑙 (𝑝𝑒𝑟 𝑚𝑜𝑙𝑒 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒)


Esse come già anticipato risultano differenti. Tuttavia risulterà sempre verificata la
relazione:
𝑚 𝑇𝑂𝑇,𝑅 = 𝑚 𝑇𝑂𝑇,𝑃 (𝑐𝑜𝑛𝑠𝑒𝑟𝑣𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙𝑙𝑎 𝑚𝑎𝑠𝑠𝑎: 𝑛𝑜𝑛 𝑐 ′ è 𝑝𝑒𝑟𝑑𝑖𝑡𝑎 𝑑𝑖 𝑚𝑎𝑠𝑠𝑎)
A questo punto è possibile calcolare il rapporto aria combustibile stechiometrico,
nonché il suo inverso:
𝐴 𝑚𝑎𝑖𝑟 𝑚𝑂2 + 𝑚𝑁2 𝑛𝑂2 ∙ 𝑀𝑀𝑂2 + 𝑛𝑁2 ∙ 𝑀𝑀𝑁2 12.5 ∙ 32 + 47.16 ∙ 28.02
( ) = = = = = 15.07
𝐹 𝑠𝑡 𝑚𝑓𝑢𝑒𝑙 𝑚𝑓𝑢𝑒𝑙 𝑛𝑓𝑢𝑒𝑙 ∙ 𝑀𝑓𝑢𝑒𝑙 1 ∙ 114.15

𝐹 𝐴 −1
( ) = ( ) = (15.07)−1 = 0.066
𝐴 𝑠𝑡 𝐹 𝑠𝑡
Ovviamente i reagenti e i prodotti sono costituiti da una miscela di componenti per cui la
massa molare complessiva sarà data da:
1
𝑀𝑀 = ∙ ∑ 𝑛𝑖 𝑀𝑀𝑖
𝑛𝑡𝑜𝑡 𝑖

Pertanto:
𝑛𝑓𝑢𝑒𝑙 ∙ 𝑀𝑀𝑓𝑢𝑒𝑙 + 𝑛𝑂2 ∙ 𝑀𝑀𝑂2 + 𝑛𝑁2 ∙ 𝑀𝑀𝑁2 1 ∙ 114.15 + 12.5 ∙ 32 + 47.16 ∙ 28.02
𝑀𝑀𝑅 = = = 30.3 𝑔/𝑚𝑜𝑙
𝑛𝑓𝑢𝑒𝑙 + 𝑛𝑂2 + 𝑛𝑁2 1 + 12.5 + 47.16

𝑛𝐶𝑂2 ∙ 𝑀𝑀𝐶𝑂2 + 𝑛𝐻2𝑂 ∙ 𝑀𝑀𝐻2𝑂 + 𝑛𝑁2 ∙ 𝑀𝑀𝑁2 8 ∙ 44.01 + 9 ∙ 18.016 + 47.16 ∙ 28.02
𝑀𝑀𝑃 = = = 28.6 𝑔/𝑚𝑜𝑙
𝑛𝐶𝑂2 + 𝑛𝐻2𝑂 + 𝑛𝑁2 8 + 9 + 47.16

Esempio 3.2
Traccia
Calcolare l’entalpia dei prodotti e dei reagenti, e l’incremento di entalpia e dell’energia
interna della reazione, di una miscela stechiometrica di metano e ossigeno a
298.15 𝐾.
Svolgimento
La reazione di combustione sarà del tipo:
𝐶𝐻4 + 𝑂2 → 𝐶𝑂2 + 𝐻2 𝑂
Bilanciando (per una mole di combustibile):
𝐶𝐻4 + 2𝑂2 → 𝐶𝑂2 + 2𝐻2 𝑂

104
In questo caso, il numero di moli dei reagenti è pari al numero di moli dei prodotti ma
questa è una pura casualità:
𝑛𝑅 = 𝑛𝐶𝐻4 + 𝑛𝑂2 = 1 + 2 = 3 𝑚𝑜𝑙

𝑛𝑃 = 𝑛𝐶𝑂2 + 𝑛𝐻2𝑂 = 1 + 2 = 3 𝑚𝑜𝑙


A questo punto è necessario stimare i contenuti entalpici dei reagenti e dei prodotti.
L’entalpia di formazione è l’energia richiesta per formare una mole dell’elemento
desiderato a partire dai suoi elementi di base: per ossigeno (𝑂2 ), carbonio (𝐶),
idrogeno (𝐻2 ) e azoto (𝑁2 ) essa vale zero (tali componenti sono già in forma pura); il
metano per esempio, per potersi formare ha bisogno di energia così come l’anidride
carbonica ed altri componenti. In particolare per il metano l’entalpia di formazione
alla temperatura di riferimento 𝑇 0 = 𝑇 = 298.15 𝐾 = 25 °𝐶, vale:
𝛥ℎ𝑓0𝐶𝐻4 = −74.87 𝑀𝐽/𝑘𝑚𝑜𝑙 (𝑡𝑎𝑏𝑒𝑙𝑙𝑒 𝐽𝐴𝑁𝐴𝐹)

Il motivo per cui composti come l’idrogeno hanno un’entalpia di formazione (entalpia
specifica) pari a zero è legato al fatto che essi hanno già energia libera da poter
sfruttare; quando si ha a che fare con composti quale il metano è necessario prima
estrarre l’idrogeno per poter sfruttare quella quantità di energia e pertanto c’è bisogno
di una spesa energetica a monte (entalpia di formazione): in particolare per avere
1 𝑘𝑚𝑜𝑙 di 𝐶𝐻4 sono necessari 74.87 𝑀𝐽 di energia. Per quanto riguarda l’anidride
carbonica l’entalpia di formazione vale:
𝛥ℎ𝑓0𝐶𝑂 = −393.52 𝑀𝐽/𝑘𝑚𝑜𝑙 (𝑡𝑎𝑏𝑒𝑙𝑙𝑒 𝐽𝐴𝑁𝐴𝐹)
2

Mentre per quanto riguarda l’acqua bisogna distinguere il caso in cui essa si trovi in
fase liquida o in fase gassosa:
𝛥ℎ𝑓0𝐻 = −285.84 𝑀𝐽/𝑘𝑚𝑜𝑙 (𝑡𝑎𝑏𝑒𝑙𝑙𝑒 𝐽𝐴𝑁𝐴𝐹)
2 𝑂,𝐿

𝛥ℎ𝑓0𝐻 = −241.83 𝑀𝐽/𝑘𝑚𝑜𝑙 (𝑡𝑎𝑏𝑒𝑙𝑙𝑒 𝐽𝐴𝑁𝐴𝐹)


2 𝑂,𝐺

Per quanto riguarda l’ossigeno esso non dà contributo poiché risulta:


𝛥ℎ𝑓0𝑂 = 0 𝑀𝐽/𝑘𝑚𝑜𝑙 (𝑡𝑎𝑏𝑒𝑙𝑙 𝐽𝐴𝑁𝐴𝐹)
2

Pertanto l’entalpia complessiva dei reagenti, per 1 𝑘𝑚𝑜𝑙 di metano sarà:


0
𝐻𝑅 = ∑ 𝑛𝑖 𝛥ℎ𝑓,𝑖 = 𝑛𝐶𝐻4 ∙ 𝛥ℎ𝑓0𝐶𝐻 + 𝑛𝑂2 ∙ 𝛥ℎ𝑓0𝑂 = 1 ∙ (−74.87) + 2 ∙ (0) = −74.87 𝑀𝐽/𝑘𝑚𝑜𝑙
4 2
𝑖

Per quanto riguarda i prodotti, si segue lo stesso ragionamento, ma bisogna


distinguere il caso in cui l’acqua è in fase liquida dal caso in cui lo stesso composto
è in fase gassosa, pertanto si avrà (si fa l’ipotesi che o si formi tutto vapore o si formi
tutto liquido):
0
𝐻𝑃𝐿 = ∑ 𝑛𝑖 𝛥ℎ𝑓,𝑖 = 𝑛𝐶𝑂2 ∙ 𝛥ℎ𝑓0𝐶𝑂 + 𝑛𝐻2 𝑂 ∙ 𝛥ℎ𝑓0,𝐿
𝐻 𝑂
= 1 ∙ (−393.52) + 2 ∙ (−285.84) = −965.20 𝑀𝐽/𝑘𝑚𝑜𝑙
2 2
𝑖

105
0
𝐻𝑃𝐺 = ∑ 𝑛𝑖 𝛥ℎ𝑓,𝑖 = 𝑛𝐶𝑂2 ∙ 𝛥ℎ𝑓0𝐶𝑂 + 𝑛𝐻2 𝑂 ∙ 𝛥ℎ𝑓0,𝐺
𝐻 𝑂
= 1 ∙ (−393.52) + 2 ∙ (−241.83) = −877.18 𝑀𝐽/𝑘𝑚𝑜𝑙
2 2
𝑖

Pertanto anche per calcolare il salto entalpico della reazione, nel passaggio da
reagenti a prodotti, è necessario distinguere il caso dei prodotti in fase liquida (acqua
in fase liquida) dal caso dei prodotti in fase gassosa (acqua in fase gassoso) e quindi
si avrà:
𝛥𝐻 𝐿 = 𝐻𝑃𝐿 − 𝐻𝑅 = −965.20 + 74.87 = −899.33 𝑀𝐽/𝑘𝑚𝑜𝑙
𝛥𝐻 𝐺 = 𝐻𝑃𝐺 − 𝐻𝑅 = −877.18 + 74.87 = −802.31 𝑀𝐽/𝑘𝑚𝑜𝑙
Ovviamente avendo considerato 1 𝑘𝑚𝑜𝑙 di combustibile è possibile anche ragionare
in termini di entalpia complessiva (e non specifica):
𝛥𝐻 𝐿 = −899.33 𝑀𝐽
𝛥𝐻 𝐺 = −802.31 𝑀𝐽

Figura 70

L’entalpia di prodotti indica il contenuto energetico che rimane nella miscela che,
come è evidente, nel passare dai reagenti ai prodotti si abbassa (la reazione di
combustione è esotermica, ovvero cede calore verso l’esterno). Nel caso in cui si
abbia la formazione di acqua allo stato gassoso si ha a disposizione minore energia:
in tal caso parte dell’energia permane nell’acqua, la quale se fosse raffreddata sino
a condensare (trasformandosi in acqua liquida) libererebbe la restante parte
dell’energia in essa intrappolata; si tenga presente che la differenza tra l’entalpia di
formazione dell’acqua liquida e quella dell’acqua sotto forma di vapore è circa pari a
44 𝑀𝐽 valore che rappresenta proprio l’energia di vaporizzazione dell’acqua (se si
vuole far vaporizzare 1 𝑘𝑚𝑜𝑙 di acqua liquida bisogna fornire proprio 44 𝑀𝐽). Proprio
qua sta la differenza tra potere calorifico superiore e potere calorifico inferiore; il
potere calorifico superiore rappresenta l’intera quantità di energia che è possibile
sfruttare portando i prodotti allo stato liquido, mentre nel caso del potere calorifico
inferiore non si riesce a sottrarre la massima quantità possibile in quanto i prodotti
permangono allo stato gassoso.

106
A questo punto non rimane che calcolare la variazione di energia interna nel
passaggio da reagenti a prodotti. In particolare dalla definizione di entalpia si ha:
𝐻 = 𝑈 + 𝑝𝑉 ⟹ 𝛥𝐻 = 𝛥𝑈 + 𝑝𝛥𝑉
La prima legge della termodinamica sancisce che:
𝛥𝑈 = 𝑄 − 𝐿 (𝑣𝑎𝑟𝑖𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑒𝑛𝑒𝑟𝑔𝑖𝑎 𝑖𝑛𝑡𝑒𝑟𝑛𝑎 𝑑𝑖 𝑢𝑛 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑐ℎ𝑖𝑢𝑠𝑜)
In una trasformazione isobara il lavoro è quello di variazione di volume per cui:
𝐿 = 𝑝𝛥𝑉
Pertanto si avrà:
𝑄 = 𝛥𝑈 + 𝐿 = 𝛥𝑈 + 𝑝𝛥𝑉 = (𝑈𝑃 − 𝑈𝑅 ) + 𝑝(𝑉𝑃 − 𝑉𝑅 ) = 𝑈𝑃 + 𝑝𝑉𝑃 − (𝑈𝑅 + 𝑝𝑉𝑅 ) = 𝐻𝑃 − 𝐻𝑅 = 𝛥𝐻

Se si suppone che sia i reagenti che i prodotti siano allo stato gassoso, è possibile
utilizzare l’equazione di stato dei gas perfetti:
𝑝𝑉 = 𝑛𝑅𝑇
Nel caso in esame sia la pressione che la temperatura si mantengono costanti,
pertanto ciò che influenza il volume, facendolo variare è proprio il numero di moli:
𝑝𝛥𝑉 = 𝑅𝑇𝛥𝑛
Pertanto si avrà:
𝛥𝐻 = 𝛥𝑈 + 𝑝𝛥𝑉 = 𝛥𝑈 + 𝑅𝑇𝛥𝑛 = 𝛥𝑈 + 𝑅𝑇(𝑛𝑃 − 𝑛𝑅 )
Tuttavia giacché in questo caso particolare risulta anche 𝑛𝑃 = 𝑛𝑅 allora si avrà:
𝛥𝑈 = 𝛥𝐻 𝐺 = −802.31 𝑀𝐽
Se invece i prodotti non sono tutti allo stato gassoso, ma in parte restano allo stato
liquido il ragionamento subisce delle variazioni. Supposto che tutta l’acqua formatasi
rimane in fase liquida (mentre l’anidride carbonica si ottiene ovviamente in fase
gassosa), ragionando come prima si avrà:
𝛥𝐻 = 𝛥𝑈 + 𝑅𝑇(𝑛𝑃 − 𝑛𝑅 ) ⟹ 𝛥𝑈 = 𝛥𝐻 − 𝑅𝑇(𝑛𝑃 − 𝑛𝑅 )
Tuttavia in questo caso specifico le uniche moli dei prodotti allo stato gassoso
(perché solo per quelle vale l’equazione di stato), sono quelle dell’anidride carbonica
per cui risulta:
𝑛𝑃 = 1
Per cui si avrà:
𝛥𝑈 = 𝛥𝐻 𝐿 − 𝑅𝑇(𝑛𝑃 − 𝑛𝑅 ) = −890.33 − 8.314 ∙ 10−3 ∙ 298.15 ∙ (1 − 3) = −885.4 𝑀𝐽
Dove:
𝑅 = 8.314 𝐽/(𝑚𝑜𝑙 ∙ 𝐾) 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑙𝑒 𝑑𝑒𝑖 𝑔𝑎𝑠 𝑝𝑒𝑟𝑓𝑒𝑡𝑡𝑖
107
Ovviamente anche il 𝛥𝑈 può essere espresso come una grandezza specifica, in
quanto il ragionamento è stato fatto con riferimento a 1 𝑘𝑚𝑜𝑙 di combustibile.
Il contenuto energetico di un combustibile viene misurato attraverso degli strumenti
detti bombe calorimetriche. Nel caso in cui si voglia misurare il potere calorifico di un
combustibile allo stato gassoso, si lavora a temperatura e pressione costante; in tal
caso la bomba calorimetrica viene posta all’interno di un bagno d’acqua e in tale
sistema vengono aggiunti il combustibile e l’ossidante in condizioni stechiometriche;
raggiunta la condizione di isotermia si fa in modo da innescare la reazione (il
combustibile reagisce con l’ossidante); a seguito della reazione di combustione ci
sarà una variazione del numero di moli che provocherà una variazione di volume
(perché pressione e temperatura rimangono costanti): in questo modo si riesce a
misurare l’incremento di temperatura per la quantità di massa d’acqua che circonda
la bomba calorimetrica; conoscendo dunque la variazione di temperatura per quella
quantità di acqua si riesce a risalire al contenuto energetico del combustibile. Nel
caso in cui il combustibile è in fase liquida, si mantiene invece il volume costante e
seguendo un processo differente si riesce a valutare allo stesso modo il contenuto
energetico del combustibile stesso.
Esempio 3.3
Traccia
Del cherosene liquido con un potere calorifico inferiore (determinato in una bomba
calorimetrica) pari a 43.2 𝑀𝐽/𝑘𝑔 e rapporto molare medio 𝐻/𝐶 pari a 2 è mescolato
con aria in condizioni stechiometriche alla temperatura di 298.15 𝐾. Calcolare
l’entalpia della miscela dei reagenti considerando che l’ossigeno, il carbonio,
l’idrogeno e l’azoto hanno entalpia di formazione nulla a 298.15 𝐾.
Svolgimento
La reazione di combustione è del tipo:
𝐶𝐻2 + (𝑂2 + 3.773𝑁2 ) → 𝐶𝑂2 + 𝐻2 𝑂 + 3.773 𝑁2
Il cherosene ha la composizione chimica indicata in quanto viene fornito il rapporto
molare medio in termini di 𝐻/𝐶. Bilanciando la reazione (sempre per 1 𝑘𝑚𝑜𝑙 di
combustibile) si ha:
3
𝐶𝐻2 + (𝑂2 + 3.773𝑁2 ) → 𝐶𝑂2 + 𝐻2 𝑂 + 5.66 𝑁2
2
Il combustibile è allo stato liquido, mentre poiché viene fornito il valore del potere
calorifico inferiore (LHV: Lower Heating Value) i prodotti possono ritenersi allo stato
gassoso (altrimenti sarebbe stato fornito il valore del potere calorifico inferiore (HHV:
Higher Heating Value)). Quindi il numero di moli di prodotti (tutte allo stato gassoso)
sarà pari a:
𝑛𝑃 = 𝑛𝐶𝑂2 + 𝑛𝐻2𝑂 + 𝑛𝑁2 = 1 + 1 + 5.66 = 7.66 𝑘𝑚𝑜𝑙
108
I reagenti invece sono formati da moli allo stato liquido (combustibile) e moli allo stato
gassoso (aria). Con riferimento alle moli allo stato gassoso si avrà:
𝑛𝑅𝐺 = 𝑛𝑂2 + 𝑛𝑁2 = 1.5 + 5.66 = 7.16 𝑘𝑚𝑜𝑙
Mentre con riferimento alle moli allo stato liquido si avrà:
𝑛𝑅𝐿 = 𝑛𝐶𝐻2 = 1 𝑘𝑚𝑜𝑙
Si tenga presente che se il combustibile è allo stato gassoso, la bomba calorimetrica
misura la variazione di entalpia, mentre se il combustibile è allo stato liquido (come
in questo caso) la bomba calorimetrica misura la variazione di energia interna.
Pertanto giacché in questo caso il combustibile è allo stato liquido l’informazione sul
potere calorifico inferiore permette di conoscere il valore della variazione di energia
interna del combustibile:
𝐿𝐻𝑉 = −(𝛥𝑢)
Ovviamente la variazione di energia interna e la variazione di entalpia sono legate
dalla relazione (con riferimento alle sole moli allo stato gassoso):
𝛥𝐻 = 𝛥𝑈 + 𝑅𝑇(𝑛𝑃 − 𝑛𝑅 )
Ovviamente mentre 𝐿𝐻𝑉 e 𝐻𝐻𝑉 tengono conto della quantità di calore rilasciata dalla
combustione, il 𝛥𝐻 e il 𝛥𝑈 indicano l’energia contenuta all’interno della miscela.
Ovviamente il potere calorifico è fornito per unità di massa, quindi per calcolare
l’energia complessivamente liberata è necessario conoscere la massa di
combustibile:
𝑚𝑓𝑢𝑒𝑙 = 𝑛𝑓𝑢𝑒𝑙 ∙ 𝑀𝑀𝑓𝑢𝑒𝑙 = 1 ∙ 14.026 ≃ 14 𝑘𝑔
Quindi la variazione di entalpia sarà pari a:
𝛥𝐻 = 𝑚𝑓𝑢𝑒𝑙 ∙ 𝛥𝑢 + 𝑅𝑇(𝑛𝑃 − 𝑛𝑅 ) = −𝑚𝑓𝑢𝑒𝑙 ∙ 𝐿𝐻𝑉 + 𝑅𝑇(𝑛𝑃 − 𝑛𝑅 ) = −43.2 ∙ 14 +
8.314 ∙ 10−3 ∙ 298.15 ∙ (7.66 − 7.16) = −602.6 𝑀𝐽
Ovviamente la variazione di entalpia si può calcolare nella maniera seguente:
𝛥𝐻 = 𝐻𝑃 − 𝐻𝑅 ⟹ 𝐻𝑅 = 𝐻𝑃 − 𝛥𝐻
Per ricavare l’entalpia dei reagenti è dunque necessario conoscere l’entalpia dei
prodotti:
0 0 0
𝐻𝑃 = 𝑛𝐶𝑂2 ∙ 𝛥ℎ𝑓,𝐶𝑂2
+ 𝑛𝐻2𝑂 ∙ 𝛥ℎ𝑓,𝐻2𝑂
+ 𝑛𝑁2 ∙ 𝛥ℎ𝑓,𝑁2
= 1 ∙ (−393.52) + 1 ∙ (−241.83) + 5.66 ∙ 0 =
−635.35 𝑀𝐽

Pertanto si avrà:
𝐻𝑅 = 𝐻𝑃 − 𝛥𝐻 = −635.35 + 602.6 = −32.75 𝑀𝐽

109
Lezione 11 (Rizzo) 23/03/2017
Introduzione alla modellistica
Nel caso di modelli black-box è possibile adottare due approcci distinti:
 Interpolazione: la funzione riproduce esattamente tutti i dati disponibili.
 Approssimazione: la funzione non riproduce necessariamente tutti i dati
disponibili, ma cerca di approssimarli ottimizzando una norma assegnata
(quindi con un criterio quantitativo che può essere il criterio dei minimi quadrati,
della massima verosimiglianza, …).
Da questa classificazione la scelta sembrerebbe scontata in quanto l’interpolazione
garantisce una riproduzione esatta di tutti i dati disponibili e dunque non c’è, almeno
apparentemente, alcun motivo per cui ci si dovrebbe accontentare di una semplice
approssimazione. D’altro canto l’interpolazione soddisfa il criterio della massima
precisione proprio in virtù della perfetta riproduzione dei dati. Tuttavia oltre alla
precisione del modello è importante anche la predittività dello stesso, ovvero la
capacità di riuscire a prevedere dati non disponibili (è proprio questo lo scopo del
modello). In particolare la scelta tra questi due criteri dipende dal tipo di problema e
dalla necessità di ottenere un modello che realizzi il compromesso ottimale tra le
esigenze di precisione (aderenza: riprodurre i dati a disposizione) e di
generalizzabilità (predittività: prevedere dati che non si hanno a disposizione). È
evidente che mentre risulta abbastanza semplice capire se un modello è preciso
oppure no, in quanto basta operare un confronto con i dati sperimentali a
disposizione, non è altrettanto semplice misurare la predittività di un modello in
quanto non è possibile fare un confronto diretto con i dati sperimentali giacché tale
concetto è legato alla previsione di dati non disponibili.
A questo punto si immagini di generare dei dati a partire da una funzione analitica
disponibile. In particolare si vogliono generare una serie di dati in un intervallo
[0 − 10] con passo 1, aggiungendo del “rumore” (il quale simula l’errore
sperimentale, ovvero l’incertezza sulla misura: essa può dipendere dalla precisione
dei sistemi di misura), ad una funzione di secondo grado di equazione:
𝑦 = 𝑥 2 + 2(𝑧 − 0.5)
Dove la seconda parte della relazione (2(𝑧 − 0.5)) è proprio il “rumore”:
𝑧 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑟𝑎𝑛𝑑𝑜𝑚 𝑐𝑜𝑚𝑝𝑟𝑒𝑠𝑜 𝑡𝑟𝑎 0 𝑒 1
L’insieme dei dati generati è quindi costituito da 11 osservazioni (la 𝑥 varia da 0 a 10
con passo 1). Per generare il numero random 𝑧 si utilizza una distribuzione di tipo
uniforme: ciò significa che c’è un uguale probabilità di uscita di qualsiasi valore
compreso nell’intervallo [0 − 1] (con opportuni settaggi è possibile generare anche
dei numeri casuali secondo una distribuzione di tipo gaussiano). Pertanto siccome 𝑧
è un numero random compreso tra 0 e 1, la differenza 𝑧 − 0.5 sarà ancora un valore
random, questa volta compreso tra −0.5 e 0.5; moltiplicando poi questa differenza
110
per 2 si ottiene alla fine un numero random compreso nell’intervallo [−1, +1]. In tal
modo è come se si andassero a perturbare i valori che vengono fuori dall’equazione
della parabola 𝑦 = 𝑥 2 (si “sporcano” i valori della funzione).
A questo punto a partire da questi dati “sporcati” si effettuano delle interpolazioni per
ottenere una funzione che simuli l’andamento di questi dati. Le funzioni
approssimanti si ricavano con il metodo dei minimi quadrati (regressione
polinomiale).
Utilizzando un polinomio di secondo grado (3 coefficienti), esso riproduce
correttamente l’andamento della funzione (d’altro canto i dati sono stati generati a
partire proprio da una parabola), anche se non è in grado di riprodurre esattamente
tutti i dati misurati (ovviamente con la tecnica dei minimi quadrati si è fatto in modo
da scegliere il polinomio di secondo grado che meglio approssima il trend dei “dati
sperimentali”):

Figura 71

È evidente che il trend viene seguito in maniera corretta in quanto i dati sono stati
generati proprio a partire da un polinomio del secondo ordine; nel caso in cui non si
ha a disposizione una funzione analitica di partenza (come spesso accade),
ovviamente il ragionamento non è così semplice.
È evidente che per avere una approssimazione migliore è possibile ricorrere anche
a polinomi di grado superiore. Ad esempio il ricorso ad un polinomio di quinto grado
(sei coefficienti) permette di migliorare leggermente la precisione del modello, ma
introduce un flesso nella funzione approssimante, non presente nella funzione
generatrice (di secondo grado). Si può inoltre notare come la funzione approssimante
non passi per l’origine, a differenza del caso precedente (e a differenza di come
dovrebbe in realtà essere):

111
Figura 72

Quindi sebbene vi sia un’approssimazione migliore (precisione maggiore) rispetto al


polinomio di secondo grado, si iniziano ad introdurre degli andamenti strani, non
riproducendo più in maniera corretta il trend dei dati sperimentali.
Ovviamente il massimo grado del polinomio che è possibile scegliere dipende dal
numero di dati sperimentali a disposizione. In questo caso giacché si hanno a
disposizione 11 dati sperimentali è possibile spingersi fino ad un polinomio del
decimo grado (undici coefficienti da determinare). Il ricorso ad un polinomio di decimo
grado (undici coefficienti), permette di riprodurre esattamente tutti gli undici punti
misurati (si passa ad un’interpolazione vera e propria, piuttosto che avere
un’approssimazione), ma presenta un andamento molto difforme rispetto a quello
della funzione generatrice. La precisione è dunque stata massimizzata a spese della
generalizzabilità (predittività) del modello che risulta minima.

Figura 73

112
In pratica in questo modo, tutti i punti stanno perfettamente sulla curva tracciata, ma
la funzione va ad inseguire praticamente l’errore sperimentale. Pertanto questo tipo
di modello non è utilizzabile per prevedere i valori della funzione nei punti in cui non
siano disponibili misure, ed in fase di estrapolazione. La tecnica dell’interpolazione
non è quindi adatta in presenza di dati affetti da errori di misura, o in presenza di
misure multiple (più osservazioni per lo stesso valore della variabile indipendente: se
si hanno a disposizione più punti per il medesimo valore della variabile indipendente
è impossibile scegliere per quale punto bisogna far passare la funzione). Nel caso in
cui la curva debba passare per dati esatti, generati con una funzione matematica
complessa quanto si vuole, allora è lecito utilizzare la tecnica dell’interpolazione (se
la funzione matematica è complessa e richiede un grosso tempo di calcolo per essere
simulata, magari si fa passare per quei punti un polinomio che riproduce la funzione,
ma viene simulato in un tempo più breve).
Un altro modo di interpolare con una tecnica differente prevede l’utilizzo delle funzioni
Splines. L’interpolazione con funzione Splines permette di usare nelle diverse regioni
diverse funzioni polinomiali di grado non elevato (splines: al massimo secondo/terzo
grado), raccordate sui valori della funzione e delle derivate prime (in tal modo non si
ha discontinuità nel passaggio dall’uno all’altro polinomio). Questa tecnica consente
di riprodurre con precisione e buona regolarità i dati misurati senza incorrere negli
svantaggi legati all’uso di polinomi di grado molto elevato. Tuttavia, nel caso che si
sta esaminando, anche tale tecnica insegue l’errore sperimentale, dando un risultato
che non segue bene il trend dei dati sperimentali, sebbene la funzione trovata passi
per tutti i punti:

Figura 74

Le splines vengono spesso utilizzate quando bisogna raccordare diversi punti


(esistono routine in grado di ottenere tali risultati).
Pertanto nel caso esaminato la funzione di secondo grado è quella che fornisce i
risultati migliori (ottimo trade-off tra precisione e predittività); d’altro canto i dati
113
sperimentali sono stati generati proprio a partire da una funzione di secondo grado
(parabola).
Il termine regressione può avere diversi significati a seconda del campo di
applicazione in cui si utilizza questa parola. In quest’ambito il termine “regression” fu
introdotto dall’antropologo Sir Francis Galton nel lavoro “Regression towards
mediocrity in hereditary stature”, per indicare un metodo per ricavare le relazioni tra
le variabili con la tecnica dei minimi quadrati (least squares), che praticamente è da
intendersi come un sinonimo della parola regressione.

Figura 75

I parametri sono praticamente i coefficienti della regressione.


Per quanto riguarda la regressione lineare multipla (in più variabili), la forma generale
può essere scritta nella maniera seguente:
𝑦𝑖 = 𝛽1 𝑥1𝑖 + … + 𝛽𝑗 𝑥𝑗𝑖 + … + 𝛽𝑝 𝑥𝑝𝑖 + 𝑒𝑖

𝑖 = 1, … , 𝑛
In forma vettoriale:

𝑌̅ = 𝑋̿ 𝛽̅ + 𝑒̅
Dove:
𝑦 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖 𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑖 (𝑣𝑒𝑡𝑡𝑜𝑟𝑒)
𝑥 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖 𝑖𝑛𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑖 (𝑚𝑎𝑡𝑟𝑖𝑐𝑒)
𝛽 = 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑖 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑖 (𝑣𝑒𝑡𝑡𝑜𝑟𝑒)
𝑒 = 𝑒𝑟𝑟𝑜𝑟𝑒: 𝑑𝑖𝑓𝑓𝑒𝑟𝑒𝑛𝑧𝑎 𝑡𝑟𝑎 𝑣𝑎𝑙𝑜𝑟𝑒 𝑠𝑡𝑖𝑚𝑎𝑡𝑜 𝑒 𝑣𝑎𝑙𝑜𝑟𝑒 𝑚𝑖𝑠𝑢𝑟𝑎𝑡𝑜 (𝑣𝑒𝑡𝑡𝑜𝑟𝑒)
𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑜𝑠𝑠𝑒𝑟𝑣𝑎𝑧𝑖𝑜𝑛𝑖 (𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑝𝑢𝑛𝑡𝑖)
𝑝 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑖
La forma scritta sembrerebbe utile solo per caratterizzare problemi di tipo lineare.
Tuttavia attraverso opportune sostituzioni di variabili, molti problemi non lineari
rispetto alle variabili originali possono essere ricondotti alla forma di regressione
lineare multipla. Ad esempio si consideri la funzione:
𝑦 = 𝑎1 + 𝑎2 𝑧 + 𝑎3 𝑧 2 + 𝑎4 𝑧 3
Ponendo:
114
𝑥𝑖 = 𝑧 𝑖−1
𝛽𝑖 = 𝑎𝑖
Ci si riconduce al caso di regressione lineare multipla; di fatto sostituendo nella
formula della regressione si ottiene proprio il polinomio scritto:
𝑦 = 𝑎1 𝑧 0 + 𝑎2 𝑧1 + 𝑎3 𝑧 2 + 𝑎4 𝑧 3
Lo stesso ragionamento vale nel caso seguente:
𝑦 = 𝑎1 + 𝑎2 sin(𝑧) + 𝑎3 𝑧 2
Ponendo:
𝑥1 = 1 𝑥2 = sin(𝑧) 𝑥3 = 𝑧 2
𝛽𝑖 = 𝑎𝑖
È possibile ancora una volta applicare la formula della regressione lineare multipla.
Si possono avere anche casi più complicati:
𝑣 = 𝑎1 𝑧 ∙ exp(−𝑎2 𝑧)
Applicando il logaritmo ad ambo i membri:
ln 𝑣 = ln 𝑎1 𝑧 ∙ exp(−𝑎2 𝑧) ⟹ ln 𝑣 = ln 𝑎1 + ln 𝑧 − 𝑎2 𝑧
Da cui:
ln 𝑣 − ln 𝑧 = ln 𝑎1 − 𝑎2 𝑧
Ponendo:
𝑦 = ln 𝑣 − ln 𝑧
𝑥1 = 1
𝑥2 = −𝑧
𝛽1 = ln 𝑎1
𝛽2 = 𝑎2
Si ritorna ancora una volta al caso di regressione lineare multipla.
C’è dunque una famiglia molto ampia di funzioni matematiche che è possibile
ricondurre alla forma lineare e dunque si può anche parlare di regressione lineare
generalizzata. Esistono strumenti molto efficaci per risolvere i problemi nella forma
di regressione lineare generalizzata per cui, quando possibile, è sempre importante
riuscire a scrivere la funzione in questa forma. In questo modo è possibile risolvere i
problemi con metodi diretti ovvero con calcoli che prevedono un numero finito e
determinato di operazioni e non attraverso procedure iterative che potrebbero

115
convergere, ma anche divergere (questo è il caso in cui si ricade nella non linearità
della regressione).
Per risolvere il problema della regressione lineare multipla si trovano i valori di 𝛽 che
rendono minima la somma degli scarti quadratici (sommatoria su tutte le osservazioni
della differenza tra il valore calcolato e il valore osservato elevato al quadrato):
𝑝 2
𝑛 𝑛

min 𝑆 = ∑ [∑ 𝑥𝑗𝑖 𝛽𝑗 − 𝑦𝑖 ] = ∑ 𝑒𝑖2


𝛽
𝑖=1 𝑗=1 𝑖=1

Il motivo per cui si eleva al quadrato è legato al fatto di evitare la compensazione tra
errori positivi e negativi. Al variare dei parametri 𝛽 varia ovviamente l’errore: la
soluzione è minimizzare l’errore in funzione di 𝛽. La soluzione del problema della
regressione lineare multipla si può ricondurre alla soluzione di un sistema di
equazioni lineari (equazioni normali): la condizione di minimo impone che la derivata
prima rispetto a 𝛽(gradiente) sia nulla e dunque imponendo tale condizione è
possibile trovare la soluzione.
La regressione lineare generalizzata può essere utilizzata non solo per risolvere
problemi in una singola variabile, ma anche in più variabili. Tuttavia in alcuni casi non
è possibile ricondursi alla formula della regressione lineare generalizzata e si deve
far riferimento alla regressione non lineare. Aggiungendo per esempio una costante
al caso visto precedentemente:
𝑣 = 𝑎1 𝑧 ∙ exp(−𝑎2 𝑧) + 𝑐𝑜𝑠𝑡.
Non è più possibile ricondursi alla forma della regressione lineare generalizzata ed è
necessario passare al caso non lineare:
𝑦 = 𝑓(𝑥, 𝛽) + 𝜀
Nel caso più generale di una funzione non lineare di 𝑛 variabili, i parametri 𝛽 possono
essere calcolati attraverso la minimizzazione numerica (tecniche numeriche iterative)
dell’errore quadratico (scarto quadratico), che si calcolerà allo stesso modo:
𝑛 𝑛

min 𝑆 = ∑[𝑓(𝑥, 𝛽) − 𝑦𝑖 ]2 = ∑ 𝑒𝑖2


𝛽
𝑖=1 𝑖=1

Questo problema può essere ricondotto ad un problema di ottimizzazione non lineare


(in generale la funzione 𝑓 è non lineare), per il quale:
 La funzione obiettivo da minimizzare coincide con l’errore del modello (scarto
quadratico).
 Le variabili da ottimizzare coincidono con i parametri del modello.
 Eventuali limitazioni sui valori dei parametri sono espresse da vincoli di
disuguaglianza (magari i parametri devono essere per forza dei numeri positivi
o dei valori compre tra 0 e 1 e questo lo si deve imporre attraverso dei vincoli).
116
In generale non basta assicurarsi che un modello sia preciso (minimizzazione dello
scarto quadratico), ma bisogna anche capire che esso sia predittivo: ciò impone di
capire come si comporta il modello rispetto ai dati che ancora non si hanno a
disposizione.
Nei casi in cui i dati osservati siano affetti da incertezza (errore di misura, errore
numerico, …) è necessario avere una misura dell’affidabilità del modello e del valore
dei parametri calcolati attraverso le tecniche di regressione. Poiché gli 𝑛 dati
osservati possono essere considerati estratti da un campione, si può immaginare di
effettuare più analisi di regressione (al limite infinite), ognuna a partire da un
campione di 𝑛 osservazioni (in pratica si immagina di poter ripetere più volte una
certa sperimentazione: si otterranno di volta in volta dati differenti a causa dell’errore
sperimentale). I valori dei parametri così calcolati descriveranno delle distribuzioni di
frequenza attorno al valore più probabile. È possibile, con opportuni metodi, stimare
l’ampiezza delle distribuzioni dei parametri (intervalli di confidenza) e la regione di
appartenenza del modello in termini probabilistici.
Si consideri il caso di un modello lineare 𝑦 = 𝑎𝑥 + 𝑏 per il quale siano disponibili due
osservazioni 𝑦1 e 𝑦2 alle ascisse 𝑥1 e 𝑥2 . Se 𝑦1 e 𝑦2 possono assumere valori aleatori
secondo una assegnata distribuzione di probabilità, ad ogni coppia di punti (𝑥1 , 𝑦1 ),
(𝑥2 , 𝑦2 ) corrisponderà una diversa retta:

Figura 76

Nel caso in cui non si hanno errori di misura, il valore che viene fuori per le 𝑦 è proprio
quello individuato dal pallino in rosso. Poiché c’è una certa incertezza quando si
vanno a fare degli esperimenti nei punti 𝑥1 e 𝑥2 si otterranno in generale dei valori di
𝑦 (𝑦1 e 𝑦2 ) differenti e variabili intorno ad una certa banda. È possibile immaginare
che la variazione non sia del tutto casuale, ma che si abbia un addensamento attorno
ad un valore più probabile (che è sempre il pallino rosso, ovvero il punto individuato
in assenza di errori di misura): in particolare si ottiene (per esempio) una distribuzione
di probabilità di tipo gaussiano (se non si hanno altre informazioni è lecito immaginare
117
che ci sia una distribuzione di questo tipo). Potrebbe dunque capitare che sia 𝑦1 che
𝑦2 assumano il valore più basso e quindi si traccerà la retta per i due punti individuati
o al contrario assumano i valori più elevati e di conseguenza si traccerà un’altra retta
passante per questi altri due punti. Può anche capitare che 𝑦1 assuma il valore più
basso e 𝑦2 il valore più alto e di conseguenza si potrà tracciare un’altra retta passante
per questi due valori (o anche viceversa). Tra queste situazioni estreme ci saranno
chiaramente tutta una serie di situazioni intermedie che potrebbero ovviamente
verificarsi. Ovviamente i punti che hanno una maggiore probabilità di uscita sono
quelli che più si avvicinano al valore più probabile data la distribuzione di tipo
gaussiano.
Ripetendo l’esperimento un numero elevato di volte, si può osservare come le
possibili rette tendano a riempire una regione del piano, addensandosi attorno alla
retta più probabile (nera in grassetto), mentre le rette passanti per i punti estremi
delle distribuzioni risultano meno probabili:

Figura 77

È possibile delimitare la zona dove di addensa la maggior parte dei risultati: per
esempio un ragionamento che i può seguire è quello di andare a considerare la zona
in cui c’è il 90 % dei risultati:

Figura 78

118
In pratica si scarta il 5 % ai due estremi e si considera solo il 90 % centrale dei
risultati. La regione considerata viene detta regione di confidenza al 90 %. La regione
di confidenza al livello 𝛼 di probabilità definisce la regione del piano al quale
appartiene, con un livello 𝛼 di probabilità, la retta generata da un generico
esperimento. Quindi è come se, facendo l’esperimento un numero infinito di volte, si
andasse a considerare il 90 % più centrale dei risultati trovati.
È evidente che la regione di confidenza ha un’ampiezza che aumenta man mano che
ci si allontana dalla zona in cui si hanno a disposizione i dati: non bisogna mai fidarsi
troppo delle estrapolazioni, giacché man mano che ci si allontana dalla zona in cui i
dati sono stati ricavati, anche se apparentemente si ha a disposizione una funzione
che descrive l’andamento, calcolando i limiti della regione di confidenza essi
sarebbero troppo ampi e quindi i dati sarebbero sempre più incerti. Anche i
coefficienti della retta ha una propria variabilità: i valori di 𝑎 e 𝑏 più plausibili sono
quelli che individuano la retta passante per i punti più probabili, ma in generale essi
possono essere diversi in accordo con il fatto che è possibile individuare rette
differenti.

Figura 79

Anche in questo caso si avrà un addensamento attorno ad un valore centrale dei


coefficienti 𝑎 e 𝑏: è possibile fare lo stesso ragionamento eliminando il 5 % ad ogni
lato della distribuzione e prendendo solo il 90 % centrale (i coefficienti dunque
varieranno all’interno dell’intervallo evidenziato in figura); l’intervallo di variazione è
detto intervallo di confidenza dei parametri: il coefficiente 𝑎 ha un valore pari a quello
centrale più o meno la variazione in tutto l’intervallo e lo steso vale per il coefficiente
𝑏.
Ovviamente in generale non è possibile fare tantissimi esperimenti sia per motivi di
tempo che per motivi economici (l’esperimento può essere costoso), pertanto è
necessario individuare un modo più pratico di ragionare per stimare la regione di
confidenza (zona in cui ci si può aspettare di trovare il risultato) senza fare
materialmente l’esperimento tante volte. Si vuole dunque avere una metodologia che
oltre a stimare i coefficienti valuti anche i loro intervalli di confidenza.
Si consideri una funzione generatrice che è un polinomio di secondo grado
contenente del “rumore” (valori reali). Si vuole a questo punto provare ad
approssimare l’andamento di questo dati attraverso polinomi di diverso grado. In
figura è riportato un esempio di approssimazione utilizzando un polinomio del terzo

119
grado (in verde: valori predetti) e sono evidenziati anche i limiti della regione di
confidenza (in rosso).

Figura 80

È possibile ripetere quanto riportato in figura precedente, al variare del grado del
polinomio:

Figura 81

È possibile notare che al crescere del grado del polinomio, migliorano le capacità di
riprodurre con precisione i valori osservati (fitting) ma aumenta l’incertezza della
stima (peggiora la generalizzabilità del modello), soprattutto in fase di estrapolazione.
I migliori risultati in termini di incertezza della stima si ottengono con un polinomio di
secondo grado, pari a quello della funzione generatrice.

120
Con una retta ad esempio si ha sia una precisione scarsa, sia un’elevata ampiezza
della regione di confidenza (l’ampiezza per semplicità è stata misurata nel punto
centrale). La funzione di secondo grado invece dà un buon livello di precisione e un
livello di incertezza molto basso (𝛥 = ±2.22). Passando al terzo grado si ha
comunque un buon livello di precisione (che aumenta rispetto al secondo grado), ma
peggiora il livello di incertezza; lo stesso accade man mano che aumenta il grado del
polinomio (la precisione migliora e la predittività peggiora). In altre parole, si è
dimostrato quanto detto precedentemente: la misura della predittività è proprio
l’ampiezza dell’intervallo di confidenza (stima numerica di quanto il modello è valido
dal punto di vista della predittività). il miglior modello in questo caso è quello dato dal
polinomio del secondo grado: d’altro canto i dati erano stati generati proprio a partire
da una parabola. Tutto ciò si può ottenere direttamente da alcune routine.
Il risultato ottenuto può essere generalizzato per l’analisi dell’influenza del numero di
parametri su modelli di assegnata struttura. Quando si vanno ad approssimare dei
valori sperimentali con una funzione con un dato numero di parametri, all’aumentare
del numero dei parametri (aumenta il grado del polinomio ad esempio), l’errore del
modello si riduce (la precisione aumenta) fino ad arrivare a zero quando il numero di
parametri eguaglia il numero di dati (salvo eccezioni, che prevedono dati ripetuti, …);
tuttavia l’indice di incertezza (quantificato con l’ampiezza dell’intervallo di confidenza)
ha un andamento prima decrescente e poi cresce con il numero di parametri
(nell’esempio precedente, il minimo valore si raggiunge in corrispondenza del grado
della funzione generatrice del polinomio):

Figura 82

La scelta ottimale del numero di parametri potrà essere effettuata nella regione a
destra del punto di minimo dell’indice di incertezza (𝑁 > 𝑁 ∗ ). In questa regione (punto
A), a parità di indice di incertezza, l’errore sul modello è minore rispetto i
corrispondenti punti della regione a sinistra (punto B):

121
Figura 83

Quindi in generale è possibile scegliere proprio il punto in cui l’indice di incertezza è


minimo avendo però un errore del modello magari ancora piuttosto grande. Tuttavia
volendo scegliere un punto differente, a parità di indice di incertezza, è conveniente
muoversi verso il punto A (piuttosto che verso il punto B), giacché in quella zona
l’errore del modello decresce. Quindi, il numero di parametri dovrà realizzare il
compromesso migliore tra la massima generalizzabilità (𝑁 ∗ ) e la precisione (𝑁 > 𝑁 ∗ ),
in funzione del tipo di utilizzo del modello.
Una tecnica in cui si può imbattere è quella della regressione stepwise. La
regressione stepwise consente di costruire la struttura della funzione approssimante
selezionando le variabili che presentano la migliore correlazione con le variabili
osservate. In generale i dati che si hanno a disposizione non vengono generati da
una funzione matematica, ma vengono acquisiti da un sistema reale: in tal caso
magari non si conosce la struttura funzionale e dunque le dipendenze tra le diverse
grandezze; in alcuni casi può aiutare la teoria la quale mette in relazione le diverse
grandezze attraverso un’equazione (formula) matematica, mentre in altri casi è
necessario scoprire a posteriore qual è la legge alla base del fenomeno. In questo
caso è utile fare riferimento alla regressione stepwise.
Si immagini di avere a disposizione una serie di dati che dipendono da più variabili e
non si conosce come queste variabili si combinano tra di esse (dipendenze
quadratiche, miste, …). Esistono due metodologie di base per operare la selezione:
 Forward (in avanti): vengono via via aggiunte le variabili che hanno la migliore
correlazione (minore ampiezza degli intervalli di confidenza); una volta
individuata una nuvola di variabili, il software va ad osservare quale variabile
è più correlata alle variabili di uscita e prova a costruire una funzione proprio
in base a queste variabili; dopodiché esso va a valutare i residui (errori)
cercando di capire come essi si correlano alle diverse variabili e considerando
appunto quelle più correlate ai residui (si parte da una funzione minimale e si

122
vanno via via ad aggiungere le variabili più correlate in base a considerazioni
sugli intervalli di confidenza).
 Backward (all’indietro): vengono via via eliminate le variabili che hanno la
peggiore correlazione (maggiore ampiezza degli intervalli di confidenza); in
questo caso si costruisce una mega funzione in cui si va a mettere dentro tutto
quello che ci potrebbe stare (fermo restando che, avendo 𝑛 dati non è possibile
utilizzare più di 𝑛 coefficienti); a questo punto si vanno a guardare gli intervalli
di confidenza dei parametri: ogni gruppo funzionale sarà moltiplicato per un
parametro che ha un certo valore e un certo intervallo di confidenza; in tal caso
si eliminano quei parametri che hanno un intervallo di più ampio in quanto sono
quelli più incerti. Inoltre in tal caso c’è una regola molto utile che è quella di
andare a guardare se l’intervallo di confidenza di un determinato parametro
include il valore zero: se si ha un coefficiente 𝛽 = 1 con un intervallo di
confidenza di ± 4, vuol dire che tale coefficiente può andare da −3 a +5 e
dunque potrebbe valere anche 0; in questo caso la regola da seguire impone
che tale coefficiente non è significativo perché potrebbe essere zero e non
essendo sicuri che esso sia diverso da zero lo si elimina (non lo si considera);
questa è la regola più semplice per snellire una funzione complessa.
In Matlab esistono diversi strumenti per implementare una regressione. Per la
regressione lineare multipla:
 Si possono ottenere le stime dei parametri con l’operazione di divisione di
matrici (\: 𝑏𝑎𝑐𝑘𝑠𝑙𝑎𝑠ℎ); in particolare attraverso questo comando è possibile.
risolvere sistemi lineari (𝐴̿𝑥̅ = 𝑏̅ ⟹ 𝑥̅ = 𝐴̿\𝑏̅). Tale metodo tuttavia non dà
molte altre informazioni tra cui quelle che riguardano l’intervallo di confidenza.
 Si possono ottenere le stime dei parametri, dei residui ed i loro intervalli di
confidenza con la funzione REGRESS. Questo è uno strumento certamente
più potente rispetto al backslash.
Per la regressione polinomiale in una variabile si possono adoperare le funzioni:
 POLYFIT: calcola i coefficienti e gli indici di significatività (intervalli di
confidenza).
 POLYVAL: stima i valori e i loro campi di variazione.
Nel caso della regressione non lineare è necessario richiamare tre funzioni in
sequenza:
 NLINFIT: calcola il valore ottimale dei parametri e dei residui
 NLPREDCI: calcola gli intervalli di confidenza dei valori predetti
 NLPARCI: calcola gli intervalli di confidenza dei parametri
Negli anni passati per risolvere problemi di questo tipo era necessario scrivere dei
programmi dell’ordine di migliaia di istruzioni; oggigiorno con la chiamata di
pochissime funzioni è possibile risolvere lo stesso problema in pochissimo tempo.

123
Tuttavia è importante capire quello che c’è alla base di queste funzioni in quanto
molto spesso potrebbero non funzionare o dare dei risultati sbagliati e dunque
bisogna sapere dove agire per poter risolvere il problema.
Nel caso della regressione polinomiale di una variabile la sintassi è quella riportata
in figura (tenendo conto che i comandi si danno in minuscolo in Matlab):

Figura 84

Le 𝑌 sono in pratica i valori sperimentali, mentre le 𝑋 sono le variabili alle quali sono
misurati i dati sperimentali. Il grado del polinomio ovviamente deve essere minore o
al limite uguale al numero di dati sperimentali a disposizione. I parametri 𝑃 sono in
pratica i coefficienti del polinomio, mentre 𝑆 sono gli indici di significatività: esso
rappresenta una struttura di Matlab, che poi viene data alla funzione polyval e serve
per calcolare gli intervalli di confidenza. La funzione polyfit calcola il valore dei
coefficienti che vengono passati a polyval che calcola i valori della funzione per un
insieme di valori di 𝑋 che non necessariamente sono quelli a cui si hanno i dati
sperimentali (sono semplicemente i punti per cui si vuole tracciare la curva e non
necessariamente coincide con la 𝑋 data a polyfit). In uscita alla fine si avranno i valori
calcolati (𝑌𝑐𝑎𝑙𝑐) ed una matrice (𝐷𝐸𝐿𝑇𝐴) che per vari valori di 𝑋 dà informazioni
riguardo al limite inferiore e superiore della stima.
Per quanto riguarda la regressione lineare la struttura è quella riportata nella figura
seguente:

124
Figura 85

Qui la sintassi è un po’ più complessa ma si ha anche una maggiore generalità. La


𝑦 rappresenta i valori sperimentali, mentre la 𝑋 in tal caso è una matrice (prima era
un vettore) e rappresenta le variabili indipendenti. In uscita dalla regressione si
ottengono i parametri del modello (𝐵), gli intervalli di confidenza dei parametri (𝐵𝐼𝑁𝑇),
i residui (ovvero gli errori: 𝑅), gli intervalli di confidenza dei residui (𝑅𝐼𝑁𝑇) e una serie
di statistiche riassuntive (𝑆𝑇𝐴𝑇𝑆).
A titolo di esempio si riporta di seguito un caso di utilizzo del comando regress per la
regressione lineare multipla:

Figura 86

125
Questo programma Matlab:
 Genera (con un ciclo for) 𝑛 punti di una curva di secondo grado aggiungendo
del “rumore” con un parametro chiamato frand.
 Genera la matrice 𝑋, con le potenze di 𝑋1. In pratica si effettua la
trasformazione di variabili per riportarsi al caso di regressione lineare.
 Richiama la funzione regress.
 Plotta le variabili assegnate e quelle calcolate ed i limiti inferiore (ycinf) e
superiore (ycsyp) degli intervalli di confidenza della variabile 𝑦 (in modo da
creare la fascia di incertezza).
Si tenga presente che i valori sono stati generati con una parabola del tipo 𝑦 = 𝑥 2
con l’aggiunta di rumore, pertanto i coefficienti veri saranno:
𝐵 = [0, 0, 1]
Dove il primo coefficiente è quello del termine noto, il secondo è quello del termine
di primo grado e il terzo è quello del termine di secondo grado. Questi sono i valori
dei coefficienti che dovrebbero uscire fuori dalla regressione.
In particolare con un rumore elevato (𝑓𝑟𝑎𝑛𝑑 = 20), gli intervalli di confidenza al 95 %
dei primi due parametri sono molto alti; il terzo parametro è circa pari ad 1, con una
incertezza minore dei primi due:

Figura 87

Da un punto di vista dei coefficienti i primi due sono praticamente sbagliati (4.4 e
−0.77), mentre il terzo è molto vicino a quello reale. Tuttavia guardando gli intervalli
di confidenza è possibile notare che si ha il passaggio per lo zero sia nel caso del
primo che del secondo coefficiente, mentre per il terzo coefficiente no. Pertanto il
valore dei primi due coefficienti non è significativo (l’intervallo di confidenza
comprende lo zero) e dunque si ritengono nulli: il risultato è dunque molto vicino alla
realtà; senza questo tipo di analisi si andava a costruire una funzione errata e non
vicina alla realtà.
126
Nel caso con un rumore limitato invece (𝑓𝑟𝑎𝑛𝑑 = 2) i primi due coefficienti sono quasi
pari a zero e piuttosto incerti; il terzo coefficiente è circa 1 e molto più definito:

Figura 88

In tal caso si ha un miglioramento (barra di incertezza ridotta): il primo coefficiente è


in ogni caso abbastanza sballato, mentre il secondo è molto vicino a zero (valore
reale) e il terzo molto vicino ad uno (valore reale); tuttavia anche in questo caso,
osservando gli intervalli di confidenza si osserva che i primi due sono a cavallo dello
zero e dunque quei coefficienti sono da ritenersi nulli, mentre il terzo invece no ed è
dunque pari ad 1.0031 valore molto vicino a quello reale.
Nel caso con rumore limitato (𝑓𝑟𝑎𝑛𝑑 = 2), si riportano i valori della variabile
indipendente (𝑋1(𝑁)), della matrice (𝑋 (𝑁, 𝑃)), dei valori osservati (𝑌(𝑁)), dei valori
calcolati (𝑌𝐶 (𝑁)) e dei residui (𝑅(𝑁) = 𝑌𝐶 − 𝑌). Per ogni i-esima osservazione (riga),
le colonne di 𝑋 (𝐼, 𝐽) sono rappresentate dalle potenze successive di 𝑋1(𝐼).

Figura 89

Ovviamente nel caso del polinomio in una variabile, è possibile applicare anche
funzioni più snelle rispetto a regress che sono polyfit e polyval.

127
Nel caso di regressione non lineare invece la struttura è quella riportata nella figura
seguente:

Figura 90

In questo caso, oltre a dare in input le variabili indipendenti 𝑥 e le variabili dipendenti


𝑦 è necessario specificare il nome della funzione (𝑚𝑜𝑑𝑒𝑙_𝑛𝑙) dove si va a codificare
la corrispondenza tra 𝑥 e 𝑦 (in pratica si fornisce il mezzo per risalire dalla 𝑥 alla 𝑦) e
il valore iniziale dei parametri del modello (𝐵𝐸𝑇𝐴0): essendo un metodo iterativo è
necessario fornire un punto iniziale da cui partire (spesso è molto importante dare un
punto abbastanza realistico in quanto altrimenti il metodo potrebbe non funzionare).
La routine tira fuori i parametri del modello (𝐵𝐸𝑇𝐴) nonché i residui (𝑅) e la matrice
Jacobiana (𝐽) che poi vengono forniti ad una seconda funzione la quale a sua volta
calcola gli altri output.
A titolo di esempio si riporta di seguito un caso di utilizzo dei comandi per la
regressione non lineare:

128
Figura 91

In tal caso lo script:


 Genera 𝑛 punti di una curva di secondo grado aggiungendo del “rumore”, con
un parametro chiamato frand.
 Assegna valori iniziali al vettore dei parametri (in tal caso [1,1,1]).
 Richiama l funzioni nlinfit, nlpredci, nlparci.
 Plotta le variabili assegnate e calcolate e le stime degli intervalli di confidenza.
In più in tal caso bisogna fornire la routine in cui viene esplicitato come passare da 𝑥
a 𝑦:

Figura 92

In pratica il modulo model_nl, programmato dall’utente, calcolare il valore corrente


delle variabili 𝑦 in corrispondenza delle varaibili indipendenti 𝑥 e dei parametri 𝛽.

129
I valori ottimali dei parametri ed i loro intervalli di confidenza, ovviamente somigliano
molto a quelli ottenuti con il metodo della regressione lineare (in tal caso infatti è
possibile applicare ambo i metodi, essendo il tutto riconducibile ad un caso lineare):

Figura 93

I valori dei coefficienti calcolati sono esattamente quelli calcolati nel caso della
regressione lineare (ovviamente la regressione lineare è un caso particolare della più
generale regressione non lineare). Ovviamente la differenza consiste nel fatto che la
regressione lineare trova il risultato attraverso un metodo diretto, mentre nel caso
non lineare si procede iterativamente, oltre al fatto che non si ha alcuna certezza
matematica sul fatto che effettivamente si sia raggiunto il minimo assoluto (la
certezza è di tipo statistico: bisogna ripetere il calcolo per altri valori per capire se
effettivamente quel risultato sia corretto oppure no). Pertanto quando possibile è
sempre bene utilizzare metodi di tipo diretto (regressione lineare multipla).

130
Lezione 12 (Sorrentino) 24/03/2017
Note introduttive a Matlab
La funzione rand in MATLAB consente di generare dei numeri casuali; in particolare
è possibile generare una matrice di numeri casuali con la struttura:
𝑟𝑎𝑛𝑑 (𝑖, 𝑗)
Dove:
𝑖 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑟𝑖𝑔ℎ𝑒
𝑗 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑐𝑜𝑙𝑜𝑛𝑛𝑒
A partire da questi numeri casuali è inoltre possibile costruire degli istogrammi con il
comando hist. Giacché il comando rand genera numeri casuali con distribuzione
uniforme, nel momento in cui si fanno molte estrazioni e si va a costruire l’istogramma
che tiene conto della frequenza di uscita di ogni singolo numero, per la legge dei
grandi numeri esso risulterà piatto: ciò significa che ogni singolo numero ha la stessa
probabilità di uscita (appunto distribuzione uniforme):
𝑎 = 𝑟𝑎𝑛𝑑 (1,100000) ⟹ ℎ𝑖𝑠𝑡(𝑎) ⟹ 𝑖𝑠𝑡𝑜𝑔𝑟𝑎𝑚𝑚𝑎 𝑝𝑖𝑎𝑡𝑡𝑜
Con il comando rand(‘state’,n) è possibile invece fissare uno stato: in particolare n è
un numero intero qualunque. In tal caso generati dei numeri casuali, nel momento in
cui si fissa lo stato, a partire da quel momento, generando altri numeri casuali essi
saranno uguali a quelli generati precedentemente:
𝑟𝑎𝑛𝑑 (′𝑠𝑡𝑎𝑡𝑒 ′ , 1)
In tal caso si fissato lo stato 1. Questo fa anche capire che un computer genera dei
numeri casuali che sono aleatori fino ad un certo punto: i numeri random veri e propri
esistono solo nei fenomeni naturali e possono essere generati solo da un cervello
umano e non da una macchina.
Con il comando input è possibile fare una domanda all’utente il quale deve fornire
delle risposte agendo sulla tastiera.
Per poter plottare più grafici su una stessa finestra è possibile utilizzare il comando
subplot, che ha la seguente struttura:
𝑠𝑢𝑏𝑝𝑙𝑜𝑡 (𝐼, 𝐽, 𝑃)
Dove:
𝐼 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑟𝑖𝑔ℎ𝑒 𝑑𝑎 𝑚𝑒𝑡𝑡𝑒𝑟𝑒 𝑎 𝑑𝑖𝑠𝑝𝑜𝑠𝑖𝑧𝑖𝑜𝑛𝑒 𝑝𝑒𝑟 𝑖 𝑖 𝑑𝑖𝑣𝑒𝑟𝑠𝑖 𝑔𝑟𝑎𝑓𝑖𝑐𝑖
𝐽 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑎 𝑚𝑒𝑡𝑡𝑒𝑟𝑒 𝑎 𝑑𝑖𝑠𝑝𝑜𝑠𝑖𝑧𝑖𝑜𝑛𝑒 𝑝𝑒𝑟 𝑖 𝑑𝑖𝑣𝑒𝑟𝑠𝑖 𝑔𝑟𝑎𝑓𝑖𝑐𝑖
𝑃 = 𝑝𝑜𝑠𝑖𝑧𝑖𝑜𝑛𝑒 𝑖𝑛 𝑐𝑢𝑖 𝑑𝑖𝑠𝑝𝑜𝑟𝑟𝑒 𝑖𝑙 𝑔𝑟𝑎𝑓𝑖𝑐𝑜 𝑖𝑛𝑡𝑒𝑟𝑒𝑠𝑠𝑎𝑡𝑜
Pertanto un comando del tipo:
131
𝑠𝑢𝑏𝑝𝑙𝑜𝑡(3,3,5)
Crea una finestra divisa in 9 𝑠𝑙𝑜𝑡 (matrice 3𝑥3) e va a disporre il plot nella quinta
finestra. È evidente che scrivendo:
𝑠𝑢𝑏𝑝𝑙𝑜𝑡 (3,3,10) ⟹ 𝐸𝑅𝑅𝑂𝑅𝐸
Si avrebbe un errore in quanto la finestra presenta 9 𝑠𝑙𝑜𝑡 e dunque la posizione 10
non esiste.
È interessante notare che MATLAB permette anche di utilizzare, per la
visualizzazione, delle lettere greche, basta anteporre al nome delle lettera il
backslash (\):
𝑥𝑙𝑎𝑏𝑒𝑙 (′\𝑜𝑚𝑒𝑔𝑎′ ) ⟹ 𝜔
Inoltre scrivendo la prima lettera in maiuscolo si ottiene la lettera maiuscola:
𝑥𝑙𝑎𝑏𝑒𝑙 (′\𝑂𝑚𝑒𝑔𝑎′ ) ⟹ 𝛺
Inoltre è possibile anche scrivere in corsivo, anteponendo a ciò che si vuole riportare
il comando \𝑖𝑡:
𝑡𝑖𝑡𝑙𝑒(′\𝑖𝑡 𝑇𝐼𝑇𝑂𝐿𝑂′ )
Nel plot è possibile utilizzare diversi tipi di linee, di colori e di marker, utilizzando la
seguente struttura:
𝑝𝑙𝑜𝑡 (𝑥, 𝑦,′ 𝑘 ∗ −)
Dove:
𝑘 = 𝑐𝑜𝑙𝑜𝑟𝑒 (𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑛𝑒𝑟𝑜: 𝑏𝑙𝑎𝑐𝑘 )
∗ = 𝑚𝑎𝑟𝑘𝑒𝑟 (𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑎𝑠𝑡𝑒𝑟𝑖𝑠𝑐𝑜)
− = 𝑙𝑖𝑛𝑒𝑎 (𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎)
Pertanto in una stessa finestra è possibile plottare tre grafici differenti (utilizzando il
comando subplot) in cui si riportano: numero di giri in funzione del tempo, coppia in
funzione del tempo e potenza in funzione del tempo. Si ricordi che la potenza vale:
𝜋
𝑃 =𝐶∙𝑛 ∙ ∙ 10−3 [𝑘𝑊 ]
30
Dove:
𝐶 = 𝑐𝑜𝑝𝑝𝑖𝑎 [𝑁 ∙ 𝑚]
𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑔𝑖𝑟𝑖 [𝑔𝑖𝑟𝑖/𝑚𝑖𝑛]
È possibile, a seguito della visualizzazione del grafico, aggiungere un punto sul plot
per la visualizzazione dello stesso:

132
𝑠𝑡𝑟𝑖𝑛𝑔𝑎_𝑡𝑒𝑠𝑡𝑜 = (′𝑃𝑜𝑡𝑒𝑛𝑧𝑎 =′ 𝑛𝑢𝑚2𝑠𝑡𝑟(𝑝𝑜𝑡𝑒𝑛𝑧𝑎(2)) ′𝑘𝑊′]
𝑡𝑒𝑥𝑡(𝑡𝑒𝑚𝑝𝑜(2), 𝑝𝑜𝑡𝑒𝑛𝑧𝑎 (2), [𝑠𝑡𝑟𝑖𝑛𝑔𝑎_𝑡𝑒𝑠𝑡𝑜])
In tal modo con il primo comando si stabilisce di riportare il valore della potenza come
una stringa sul grafico (aggiungendo ad esso l’unità di misura) e con il secondo
comando si stabilisce il punto da individuare sul grafico stesso. Inoltre è possibile
anche utilizzare il comando \leftarrow (o \rightarrow) per una visualizzazione del
numero un po’ più spostata verso destra (freccia verso sinistra) o verso sinistra
(freccia verso destra):
𝑠𝑡𝑟𝑖𝑛𝑔𝑎_𝑡𝑒𝑠𝑡𝑜 = (′𝑃𝑜𝑡𝑒𝑛𝑧𝑎 =′ 𝑛𝑢𝑚2𝑠𝑡𝑟(𝑝𝑜𝑡𝑒𝑛𝑧𝑎(2)) ′𝑘𝑊′]
𝑡𝑒𝑥𝑡(𝑡𝑒𝑚𝑝𝑜(2), 𝑝𝑜𝑡𝑒𝑛𝑧𝑎 (2), [′ \𝑙𝑒𝑓𝑡𝑎𝑟𝑟𝑜𝑤 ′ 𝑠𝑡𝑟𝑖𝑛𝑔𝑎_𝑡𝑒𝑠𝑡𝑜])
Per fare tutto ciò è anche possibile agire direttamente dalla finestra del plot dal menu
a tendina insert.
In MATLAB è possibile invertire una matrice con l’utilizzo del comando inv oppure
elevando a meno uno la matrice da invertire:
𝐴 = [1,2,3; 4,5,6; 7,8,9]
𝐵 = 𝑖𝑛𝑣 (𝐴) ⟺ 𝐵 = 𝐴−1
Se si vuole risolvere un sistema lineare del tipo:

𝐴̿𝑥̅ = 𝑏̅
È possibile farlo con le seguenti operazioni:
𝑥 = 𝑏/𝐴 (𝑓𝑜𝑟𝑤𝑎𝑟𝑑 𝑠𝑙𝑎𝑠ℎ) ⟺ 𝑥 = 𝐴\𝑏 (𝑏𝑎𝑐𝑘𝑠𝑙𝑎𝑠ℎ) ⟺ 𝑥 = 𝐴−1 𝑏
In MATLAB generalmente si utilizza il comando regress il quale, a differenza del
semplice backslash fornisce informazioni più dettagliate riguardanti il modello. Se il
modello è già sviluppato e bisogna solo identificare i coefficienti, basta utilizzare
semplicemente il backslash perché non bisogna fare nessun’altra scelta in quanto il
modello è già disponibile (non bisogna scegliere il modello).

Nel caso in cui la matrice 𝐴̿ non sia quadrata, ovvero non si ha un problema di 𝑁
equazioni in 𝑁 incognite, è ancora possibile calcolare una sorta di matrice inversa
con il comando pinv:
𝐵 = 𝑝𝑖𝑛𝑣 (𝐴)
In tal modo è possibile risolvere il problema:

𝐴̿𝑥̅ = 𝑏̅
In particolare nel caso in cui la lunghezza del vettore 𝑥 è maggiore della lunghezza
del vettore 𝑏, ovvero si hanno più incognite che equazioni esistono infinite soluzioni;
è possibile trovare due possibili soluzioni (tra le infinite soluzioni) utilizzando il
133
comando per la pseudo-inversa della matrice (pinv) o il comando backslash; in
particolare:
𝑥 = 𝑝𝑖𝑛𝑣 (𝐴) ∗ 𝑏 (𝑠𝑜𝑙𝑢𝑧𝑖𝑜𝑛𝑒 𝑎 𝑚𝑖𝑛𝑖𝑚𝑎 𝑛𝑜𝑟𝑚𝑎)
𝑥 = 𝐴\𝑏 (𝑠𝑜𝑙𝑢𝑧𝑖𝑜𝑛𝑒 𝑐𝑜𝑛 𝑚𝑎𝑔𝑔𝑖𝑜𝑟 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑧𝑒𝑟𝑖)
Si immagini ad esempio di avere un sistema di due equazioni in tre incognite del tipo:
𝑥1 + 4𝑥2 + 3𝑥3 = 6
{
5𝑥1 + 8𝑥2 + 𝑥3 = 9

Utilizzando il backslash (𝑥̅ = 𝐴̿\𝑏̅) la soluzione che viene fuori è quella con il
maggiore numero di zeri (tra le soluzioni si ritrovano più zeri possibili) e di fatto il
risultato che viene fuori sarà:
𝑥1 = 0.0
{𝑥2 = 1.5
𝑥3 = 0.6

Mentre utilizzando il comando pinv (𝑥̅ = 𝑝𝑖𝑛𝑣(𝐴̿) ∗ 𝑏̅) la soluzione che viene fuori è
quella con la norma più bassa possibile:
𝑥1 = 0.2027
{𝑥2 = 0.9081
𝑥3 = 0.7216

𝑛𝑜𝑟𝑚𝑎 = 𝑛𝑜𝑟𝑚(𝑥̅ ) = √𝑥12 + 𝑥22 + 𝑥32 = √0.20272 + 0.90812 + 0.72162 = 1.1775

In ogni caso moltiplicando la matrice 𝐴, per il vettore delle soluzioni 𝑥, si ritrova il


vettore dei termini noti 𝑏. Tuttavia se si va a fare una verifica imponendo:

𝐴̿𝑥̅ == 𝑏̅
In ambo i casi MATLAB restituirà un vettore con tutti zero che indica il fatto che
l’uguaglianza non sia valida (se fosse valida avrebbe restituito un vettore di uno);
tuttavia ciò è dovuto ad errori di arrotondamento che vengono commessi nel calcolo
delle soluzioni, per cui è possibile ritenere, come è ovvio che sia, che le due soluzioni
trovate sono effettivamente delle soluzioni del sistema.
Nel caso in cui invece la lunghezza del vettore 𝑥 sia pari a quella del vettore 𝑏, il
numero di equazioni eguaglia il numero delle incognite (la matrice 𝐴 non è singolare),
esiste un’unica soluzione che è possibile trovare nella maniera seguente:
𝑥 = 𝐴\𝑏 = 𝑖𝑛𝑣(𝐴) ∗ 𝑏
Infine se la lunghezza del vettore 𝑥 è minore della lunghezza del vettore 𝑏, ovvero si
hanno a disposizione più equazioni che incognite, non esistono soluzioni; in tal caso
è possibile calcolare una soluzione approssimata attraverso il comando pinv:

134
𝑥 = 𝑝𝑖𝑛𝑣 (𝐴) ∗ 𝑏 (𝑠𝑜𝑙𝑢𝑧𝑖𝑜𝑛𝑒 𝑎 𝑚𝑖𝑛𝑖𝑚𝑎 𝑛𝑜𝑟𝑚𝑎 𝑑 ′ 𝑒𝑟𝑟𝑜𝑟𝑒)
Quest’ultimo caso è probabilmente quello che riveste maggiore importanza
nell’ambito della modellistica. Tuttavia, mentre nel caso in cui si hanno più incognite
che equazioni, la soluzione trovata è esatta (sebbene sia una delle infinite), in tal
caso non esiste una soluzione vera e propria e dunque quella calcolata risulta essere
approssimata. In effetti quando si sviluppa un modello di tipo balck-box
(identificazione del modello) è necessario avere a disposizione una grande quantità
di dati sperimentali; tuttavia non è pensabile utilizzare tutti i dati a disposizione in
quanto questo renderebbe il modello poco generalizzabile: in effetti l’obbiettivo in
questo caso è sviluppare un modello approssimante (e non interpolante) che non
passi necessariamente per tutti i punti sperimentali (curva in blu), ma riproduca
abbastanza fedelmente il trend dei dati sperimentali (curva in rosso):

Figura 94

Pertanto nella funzione 𝑓 trovata attraverso il modello non ci saranno molte


dipendenze (poche incognite) sebbene si abbiano a disposizione parecchi punti
sperimentali (molte equazioni), cosa che peraltro è tutt’altro che spiacevole.
In MATLAB è anche possibile fare alcune operazioni di arrotondamento ed in
particolare:
𝑟𝑜𝑢𝑛𝑑 = 𝑎𝑟𝑟𝑜𝑡𝑜𝑛𝑑𝑎 𝑎𝑙𝑙′ 𝑖𝑛𝑡𝑒𝑟𝑜 𝑝𝑖ù 𝑣𝑖𝑐𝑖𝑛𝑜
𝑓𝑖𝑥 = 𝑎𝑟𝑟𝑜𝑡𝑜𝑛𝑑𝑎 𝑣𝑒𝑟𝑠𝑜 𝑙𝑜 𝑧𝑒𝑟𝑜
𝑓𝑙𝑜𝑜𝑟 = 𝑎𝑟𝑟𝑜𝑡𝑜𝑛𝑑𝑎 𝑝𝑒𝑟 𝑑𝑖𝑓𝑒𝑡𝑡𝑜 𝑎𝑙𝑙′ 𝑖𝑛𝑡𝑒𝑟𝑜 𝑝𝑖ù 𝑣𝑖𝑐𝑖𝑛𝑜
𝑐𝑒𝑖𝑙 = 𝑎𝑟𝑟𝑜𝑡𝑜𝑛𝑑𝑎 𝑝𝑒𝑟 𝑒𝑐𝑐𝑒𝑠𝑠𝑜 𝑎𝑙𝑙′ 𝑖𝑛𝑡𝑒𝑟𝑜 𝑝𝑖ù 𝑣𝑖𝑐𝑖𝑛𝑜
In particolare il comando fix giacché arrotonda sempre verso lo zero quest’ultimo
rappresenta il polo attrattore per cui:
𝑓𝑖𝑥 (1.9) = 1
𝑓𝑖𝑥 (−2.9) = −2

135
Invece il comando floor arrotonda sempre per difetto e dunque sempre verso " − ∞",
pertanto se il numero è positivo restituisce lo stesso numero che viene fuori
utilizzando il comando fix, mentre se il numero è negativo no:
𝑓𝑙𝑜𝑜𝑟(1.9) = 1
𝑓𝑙𝑜𝑜𝑟(−2.9) = −3
Viceversa il comando ceil arrotonda sempre per eccesso è dunque sempre verso " +
∞".
Il comando rem fornisce il resto di una divisione intera:
𝑟𝑒𝑚(3,2) ⟹ 1 (𝑖𝑙 𝑟𝑒𝑠𝑡𝑜 𝑑𝑖 3: 2 𝑣𝑎𝑙𝑒 𝑎𝑝𝑝𝑢𝑛𝑡𝑜 1)
Il comando rats fornisce invece l’approssimazione razionale (sotto forma di frazione)
del numero considerato:
𝑟𝑎𝑡𝑠 (1.5) ⟹ 3/2
Altre funzioni interessanti sono le seguenti:
𝑟𝑒𝑎𝑙 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑙𝑎 𝑝𝑎𝑟𝑡𝑒 𝑟𝑒𝑎𝑙𝑒 𝑑𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑡𝑜
𝑖𝑚𝑎𝑔 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑙𝑎 𝑝𝑎𝑟𝑡𝑒 𝑖𝑚𝑚𝑎𝑔𝑖𝑛𝑎𝑟𝑖𝑎 𝑑𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑡𝑜
𝑐𝑜𝑛𝑗 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑖𝑙 𝑐𝑜𝑚𝑝𝑙𝑒𝑠𝑠𝑜 𝑐𝑜𝑛𝑖𝑢𝑔𝑎𝑡𝑜 𝑑𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑡𝑜
𝑎𝑏𝑠 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑖𝑙 𝑣𝑎𝑙𝑜𝑟𝑒 𝑎𝑠𝑠𝑜𝑙𝑢𝑡𝑜 𝑜 𝑖𝑙 𝑚𝑜𝑑𝑢𝑙𝑜 𝑐𝑜𝑚𝑝𝑙𝑒𝑠𝑠𝑜 𝑑𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑡𝑜
𝑎𝑛𝑔𝑙𝑒 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑙′ 𝑎𝑛𝑔𝑜𝑙𝑜𝑑𝑖 𝑓𝑎𝑠𝑒
𝑚𝑒𝑎𝑛 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎
𝑛𝑜𝑟𝑚 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑙𝑎 𝑛𝑜𝑟𝑚𝑎
𝑚𝑖𝑛 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑖𝑙 𝑚𝑖𝑛𝑖𝑚𝑜
𝑚𝑎𝑥 = 𝑓𝑜𝑟𝑛𝑖𝑠𝑐𝑒 𝑖𝑙 𝑚𝑎𝑠𝑠𝑖𝑚𝑜
Riguardo al comando max (o anche min) è opportuno fare alcune precisazioni. In
particolare nel caso in cui si abbia a che fare con un vettore, esso fornisce il massimo
numero che c’è tra le componenti del vettore:
𝑥 = [2,3,5,1,4]
𝑚𝑎𝑥 (𝑥) = 5
Nel caso in cui si tratti invece di una matrice il comando max estrae il massimo di
ogni colonna della matrice considerata (se la matrice ha 𝑛 colonne si otterrà un
vettore di 𝑛 componenti):
𝐴 = [1,2,3; 4,5,6; 7,8,9]
max(𝐴) = 7,8,9
136
Utilizzando invece due volte il comando max si otterrà in tal caso il massimo dei valori
massimi estratti per colonna e dunque il massimo assoluto della matrice:
𝑚𝑎𝑥(𝑚𝑎𝑥 (𝐴)) = 9
È possibile inoltre conoscere, oltre al valore del massimo, anche la sua posizione
lungo la colonna:
[𝑋, 𝑃] = 𝑚𝑎𝑥 (𝐴) ⟹ 𝑋 = 7,8,9 𝑃 = 3,3,3
In particolare il primo output (𝑋) restituirà il vettore dei massimi (trovati per colonna),
mentre il secondo output (𝑃) fornirà la posizione sulla colonna dei massimi trovati.
Inoltre è possibile anche operare un confronto tra due matrici differenti (si aggiunge
in tal caso un input) ed ottenere, sempre attraverso il comando max una matrice
risultante che abbia come elementi i valori massimi di ogni matrice confrontando i
diversi valori indice per indice:
𝐴 = [1,2,3; 4,5,6; 7,8,9]
𝐵 = [4,5,6; 7,8,9; 1,2,3]
𝐶 = max(𝐴, 𝐵) ⟹ 𝐶 = [4,5,6; 7,8,9; 7,8,9]
In MATLAB esistono inoltre una serie di operatori logici, quali:
𝑎𝑛𝑑 = 𝑟𝑒𝑠𝑖𝑡𝑢𝑖𝑠𝑐𝑒 𝑖𝑙 𝑣𝑎𝑙𝑜𝑟𝑒 1 𝑠𝑜𝑙𝑜 𝑠𝑒 𝑡𝑢𝑡𝑡𝑒 𝑒 𝑑𝑢𝑒 𝑙𝑒 𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑖 𝑠𝑜𝑛𝑜 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑡𝑒
𝑜𝑟 = 𝑟𝑒𝑠𝑖𝑡𝑢𝑖𝑠𝑐𝑒 𝑖𝑙 𝑣𝑎𝑙𝑜𝑟𝑒 1 𝑠𝑒 𝑎𝑙𝑚𝑒𝑛𝑜 𝑢𝑛𝑎 𝑑𝑒𝑙𝑙𝑒 𝑑𝑢𝑒 𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑖 è 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑡𝑎
𝑥𝑜𝑟 = 𝑟𝑒𝑠𝑡𝑖𝑡𝑢𝑖𝑠𝑐𝑒 𝑖𝑙 𝑣𝑎𝑙𝑜𝑟𝑒 1 𝑠𝑒 è 𝑠𝑜𝑙𝑜 𝑠𝑒 𝑢𝑛𝑎 𝑠𝑜𝑙𝑎 𝑑𝑒𝑙𝑙𝑒 𝑑𝑢𝑒 𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑖 è 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑡𝑎
Per esempio nel caso in cui:
𝑎=3 𝑏=2
𝑎𝑛𝑑 (𝑎 > 0, 𝑎 > 𝑏) ⟹ 1
𝑎𝑛𝑑 (𝑎 > 0, 𝑎 < 𝑏) ⟹ 0
𝑎𝑛𝑑 (𝑎 < 0, 𝑎 > 𝑏) ⟹ 0
𝑎𝑛𝑑 (𝑎 < 0, 𝑎 < 𝑏) ⟹ 0
𝑜𝑟(𝑎 > 0, 𝑎 > 𝑏) ⟹ 1
𝑜𝑟(𝑎 > 0, 𝑎 < 𝑏) ⟹ 1
𝑜𝑟(𝑎 < 0, 𝑎 > 𝑏) ⟹ 1
𝑜𝑟(𝑎 < 0, 𝑎 < 𝑏) ⟹ 0
𝑥𝑜𝑟(𝑎 > 0, 𝑎 > 𝑏) ⟹ 0
𝑥𝑜𝑟(𝑎 > 0, 𝑎 < 𝑏) ⟹ 1
137
𝑥𝑜𝑟(𝑎 < 0, 𝑎 > 𝑏) ⟹ 1
𝑥𝑜𝑟(𝑎 < 0, 𝑎 < 𝑏) ⟹ 0
Il passo in MATLAB è di default settato pari ad uno, pertanto nel caso in cui si voglia
creare un vettore del tipo:
𝑎 = [0: 10]
Automaticamente verrà fuori un vettore di undici elementi del tipo:
𝑎 = 0,1,2,3,4,5,6,7,8,9,10
Se si vuole scegliere un passo differente lo si deve specificare (nell’esempio
seguente si sceglie come passo 0.1):
𝑏 = [0: 0.1: 1]
In tal caso il vettore che viene fuori è:
𝑏 = 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Con il comando find è possibile trovare la posizione di un certo elemento desiderato
all’interno di un dato vettore. È necessario tuttavia stare attenti a come si impostano
le cose:
𝑎 = [0: 0.1: 1]
Come già visto il vettore che viene fuori in questo caso sarà:
𝑎 = 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Nel momento in cui si vuole ricercare la posizione dell’elemento 0.3 all’interno del
vettore è possibile ragionare come segue:
𝑡𝑜𝑙𝑙𝑒𝑟𝑎𝑛𝑧𝑎 = 0.1
𝑖 = 𝑓𝑖𝑛𝑑 (𝑎𝑏𝑠(𝑎 − 0.3) < 𝑡𝑜𝑙𝑙𝑒𝑟𝑎𝑛𝑧𝑎)
Tuttavia in questo caso verranno fuori ben due valori giacché la tolleranza scelta è
troppo ampia:
𝑖 = 3,4
Per evitare problemi di questo tipo basta ridurre la tolleranza:
𝑡𝑜𝑙𝑙𝑒𝑟𝑎𝑛𝑧𝑎 = 0.09
𝑖 = 𝑓𝑖𝑛𝑑 (𝑎𝑏𝑠(𝑎 − 0.3) < 𝑡𝑜𝑙𝑙𝑒𝑟𝑎𝑛𝑧𝑎) ⟹ 𝑖 = 4
È anche possibile creare un vettore con elementi equispaziati attraverso il comando
linspace:
𝑎 = 𝑙𝑖𝑛𝑠𝑝𝑎𝑐𝑒 (0,1,11)

138
Le strutture fondamentali in MATLAB sono tre:
 Struttura if-then-else:
o If condizione
o Istruzioni
o Elseif condizione
o Istruzioni
o Else condizione
o Istruzioni
o Else: condizione
o Istruzioni
o End
 Struttura iterativa for:
o For i=1:n
o Istruzioni
o End
 Struttura iterativa while:
o While condizione
o Istruzioni
o End
Attraverso l’utilizzo di una struttura iterativa for, è possibile calcolare, per esempio,
l’approssimazione al quinto ordine della funzione coseno utilizzando lo sviluppo in
serie di Mc-Laurin:

Figura 95

È possibile creare una funzione del tipo 𝑦(𝑡 ) = 𝑡 2 sia utilizzando un ciclo for, sia
utilizzando il calcolo vettoriale; nel caso in cui si utilizza un ciclo for si utilizza la
seguente struttura:

Figura 96

Utilizzando invece il calcolo vettoriale si ha una maggiore snellezza, come


evidenziato dalla figura seguente (minore tempo di calcolo):

139
Figura 97

Il minore tempo di calcolo può essere evidenziato con la struttura tic-toc


(anteponendo il tic e post-ponendo il toc).
È anche possibile creare delle function anziché creare uno script semplice in modo
da poterla utilizzare all’occorrenza richiamandola semplicemente nel programma che
si sta scrivendo (diventa come se fosse una funzione built-in richiamata
all’occorrenza). Per quanto riguarda il calcolo del coseno utilizzando lo sviluppo di
Mc-Laurin ad esempio si ha un qualcosa di questo tipo:

Figura 98

La function in uscita fornirà 𝑡 = 𝑥 e 𝑦, avendo in ingresso il valore di 𝑥. In questo


modo nell’editor è possibile creare un vettore 𝑥, richiamare la funzione ed ottenere
quanto desiderato.
Un'altra funzione molto interessante che MATLAB mette a disposizione è lo switch.
Si immagini di creare una funzione che permette di estrarre dai primi 100 numeri
(𝑛 ≤ 100) i multipli e i non multipli di una base assegnata (per esempio per una base
2):

Figura 99
140
Lo switch funziona come se fosse un interruttore: se c’è una certa condizione si
impone una determinata cosa, mentre se si verifica l'altra condizione si fa un
qualcos’altro (esso mette a disposizione anche più di due casi, quindi non è detto
che si debba lavorare per forza su condizioni del tipo ON/OFF). Per isolare multipli e
non multipli in tal caso si utilizza la funzione rem per capire se c’è un resto oppure
no: nel caso in cui non c’è resto (case 1) allora quel numero sarà un multiplo altrimenti
no (case 0). Si ricordi che in generale è necessario inizializzare i vettori attraverso il
vettore vuoto:
𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖 = [ ];
𝑛𝑜𝑛_𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖 [ ]
Inizialmente di fatto i vettori sono entrambi vuoti e man mano vengono riempiti (fino
a che non si arriva ad analizzare appunto i primi 100 numeri).
È possibile inoltre anche trasferire dei dati da MATLAB a Excel o viceversa con i
comandi xlswrite e xlsread.

141
Lezione 13 (Pianese) 28/03/2017
Motori alternativi a combustione interna: sistemi di aspirazione e scarico
Nel passaggio dal ciclo ideale (ad esempio ciclo Otto) al ciclo limite si ha una
riduzione sensibile del rendimento che può passare da livelli intorno al 60 % − 70 %
(ciclo ideale Otto) fino a valori prossimi al 40 % − 45 % (ciclo limite). Tale riduzione è
dovuta al ciclo stesso, il quale consta anche di una parte di pompaggio (ciclo di bassa
pressione) che richiede del lavoro dal sistema per ricambiare la carica. Più
specificatamente si passa dal rendimento ideale che ha un valore molto elevato, al
rendimento limite del ciclo non tenendo conto però del ricambio della carica e della
dissociazione, al rendimento limite con dissociazione fino ad arrivare al rendimento
limite con dissociazione ricambio della carica che ha un valore certamente inferiore
rispetto ai precedenti. In particolare nel ciclo Otto reale, il rilascio del calore non
avviene più ad elevata temperatura, ma parte con un certo anticipo e finisce con un
certo ritardo, risultando più o meno centrato intorno al punto morto superiore; il calore
non viene rilasciato alla massima temperatura possibile e dunque a volume costante,
ma viene rilasciato in un intervallo angolare (o di volumi) che corrisponde all’angolo
compreso tra l’inizio e la fine della combustione; a ciò si aggiunge il fatto che ci sono
inoltre fenomeni di dissociazione (fenomeni chimici). In particolare quando si passa
al rendimento indicato esso assume valori dell’ordine del 30 % − 40 %. Su alcuni
sistemi di propulsione, per esempio su camion con motori di elevata potenza ed
elevata cilindrata, i rendimenti arrivano anche intorno al 50 % grazie alla
sovralimentazione e particolari sistemi di gestione e controllo: sulle vetture invece i
valori sono più bassi. Passando dal rendimento indicato al rendimento reale è
necessario tenere conto anche del rendimento meccanico che porta via un altro
5 % − 10 % a seconda delle condizioni e a seconda se si considera anche la parte
organica (nel qual caso si parla di rendimento organico) ovvero l’energia assorbita
dagli ausiliari; in particolare il rendimento meccanico è legato agli attriti (moto del
pistone all’interno del cilindro, cuscinetti, …), ma il motore reale per funzionare ha
bisogno di energia meccanica per azionare un alternatore, una pompa dell’olio, una
pompa dell’acqua, le valvole, il condizionatore, il servosterzo, il servofreno, …. In
ogni caso nel passaggio dal rendimento ideale al rendimento indicato si tiene conto
della combustione e del ricambio della carica. Per quanto detto esistono dunque delle
fasi in cui il motore dovrà spendere energia per aspirare l’aria esterna e per espellere
i gas combusti. Se si realizzasse una macchina esterna per spingere l’aria all’interno
del motore, il pistone non dovrebbe compiere nessuno sforzo per aspirare l’aria
perché essa verrebbe pompata direttamente dall’esterno (lo stesso discorso vale per
lo scarico nel caso in cui si utilizzasse un sistema che aspira dall’esterno i gas di
scarico); in tal caso non si avrebbe un’influenza energetica del fenomeno di ricambio
della carica sul bilancio complessivo del motore: tuttavia nei motori attualmente
esistenti questa cosa non esiste e pertanto è necessario tenere conto del ciclo di
bassa pressione.

142
Riassumendo, con la combustione e la termochimica si analizza il processo di
energizzazione della carica, mentre con lo studio dei sistemi di aspirazione e scarico
si tiene conto dei fenomeni che avvengono nel ciclo di bassa pressione.
Di seguito viene riportato, a titolo di esempio, il ciclo di alta pressione di un motore a
ciclo Otto, con riferimento al caso ideale (ciclo in nero) e al caso più realistico (ciclo
in blu) in cui si considera il fatto che la combustione non avviene istantaneamente,
ma occupa un certo intervallo angolare:

Figura 100

Il ciclo di bassa pressione nella rappresentazione ideale o limite è un qualcosa di


squadrato: apertura dello scarico al punto morto inferiore, risalita del pistone con
espulsione dei gas di scarico, fase istantanea di incrocio tra le valvole di aspirazione
e scarico, aspirazione della carica fresca con discesa del pistone al punto morto
inferiore.

Figura 101

143
Nella realtà invece il ciclo risulta essere più arrotondato; in tal caso il lavoro positivo
si riduce, mentre il lavoro negativo aumenta rispetto al caso ideale. Quindi nel
passaggio dal ciclo ideale/limite al ciclo reale dal punto di vista di lavoro utile si ha
una riduzione:
𝐿𝑢 = 𝐿+ + 𝐿− = 𝐿𝑎 + 𝐿𝑝

𝐿𝑢 = 𝑙𝑎𝑣𝑜𝑟𝑜 𝑢𝑡𝑖𝑙𝑒
𝐿𝑎 = 𝑙𝑎𝑣𝑜𝑟𝑜 𝑎𝑡𝑡𝑖𝑣𝑜 (𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜)
𝐿𝑝 = 𝑙𝑎𝑣𝑜𝑟𝑜 𝑝𝑎𝑠𝑠𝑖𝑣𝑜 𝑜 𝑑𝑖 𝑝𝑜𝑚𝑝𝑎𝑔𝑔𝑖𝑜 (𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑜)
A titolo di esempio di seguito è tracciato il ciclo indicato di pressione (ciclo misurato,
ovvero ciclo reale):

Figura 102

Il lavoro di pompaggio, nel caso di motore aspirato, è negativo, pertanto il lavoro utile
si riduce. Nel caso di motore sovralimentato, il lavoro di pompaggio può essere
positivo giacché il ciclo di bassa pressione invece di essere percorso in verso
antiorario, viene percorso in verso orario. Infatti in termini analitici il lavoro utile è dato
dall’integrale sul ciclo (chiuso) di 𝑝𝑑𝑉:

𝐿 = ∮ 𝑝𝑑𝑉

144
Quando l’integrale ciclico viene percorso in verso orario dà un risultato positivo (ciclo
di alta pressione), mentre quando viene percorso in verso antiorario (ciclo di bassa
pressione nel caso di motore aspirato) dà un risultato negativo.
Nei motori sovralimentati per il fatto stesso di avere una pressione all’aspirazione
maggiore della pressione allo scarico (la quale a sua volta è leggermente più alta di
quella ambiente), il ciclo di bassa pressione viene percorso in verso orario e dunque
il lavoro di pompaggio sarà positivo per cui:
𝐿𝑝 < 0 𝑚𝑜𝑡𝑜𝑟𝑒 𝑎𝑠𝑝𝑖𝑟𝑎𝑡𝑜
𝐿𝑝 > 0 𝑚𝑜𝑡𝑜𝑟𝑒 𝑠𝑜𝑣𝑟𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑡𝑜
Il rendimento di un motore a combustione interna, come è noto, può essere espresso
attraverso il rapporto tra il lavoro utile e la quantità di calore fornita. Come anticipato,
lavoro utile si riduce a causa del ricambio della carica nel caso di motore aspirato,
mentre nel caso della sovralimentazione grazie al lavoro di pompaggio positivo si
riesce a compensare l’effetto di riduzione del rendimento dovuto alla combustione,
alle perdite di calore verso l’esterno (nel ciclo reale la macchina non è adiabatica),
….
Si tenga presente che negli anni ′20 − ′30 i motori venivano progettati in modo da
ridurre il più possibile le perdite di calore verso l’esterno e le teste dei cilindri erano
tutte emisferiche (la sfera ha il maggior rapporto massa/superficie: massa vuol dire
energia, mentre superficie vuol dire scambio termico, dunque ridurre le superfici era
uno degli obiettivi al fine di ridurre lo scambio termico); tali criteri oggi vengono
mantenuti nella progettazione di grandi motori navali che sono caratterizzati dal fatto
di essere dei motori lenti e dunque è più facile l’instaurarsi dello scambio termico tra
fluido e pareti; invece, nei motori da competizione, come quelli della Formula 1, le
teste e i pistoni sono realizzate con un numero elevato di spigoli, cosa che va
ampiamente a svantaggio dello scambio termico (nelle punte il calore si concentra
maggiormente e dunque lo scambio termico aumenta), ma in tal caso considerando
l’elevato regime di giri lo scambio termico esiste ma non è eccessivo: pertanto si
compensa una geometria non ottimizzata secondo i canoni classici col fatto che si
hanno esaltazioni da altri punti di vista (velocità del fronte di fiamma particolarmente
elevate dovute anche al fatto che si utilizza una benzina di sintesi realizzata in
laboratorio: non è la classica benzina che proviene dalle raffinerie e che
comunemente viene utilizzata sulle autovetture convenzionali).
Oggigiorno progettazione e controllo del motore sono due fasi fondamentali. Si tenga
presente che il motore Diesel alla fine della seconda metà degli anni ′90 era dato per
spacciato e non poteva competere con gli altri tipi di motore, per il problema delle
elevate emissioni e delle scarse prestazioni; l’avvento del controllo elettronico (il che
stabilisce come fare le cose e quando farle) ha comportato un notevole sviluppo da
questo punto di vista ed ancora oggigiorno la metà delle autovetture vendute sono
equipaggiate da un motore Diesel.
145
In generale nel passaggio al ciclo reale, si introducono i seguenti effetti:
 Fluido reale: effetti di viscosità.
 Scambio termico tra pereti del cilindro e fluido: le perdite di calore verso
l’esterno comportano un raffreddamento del fluido determinando una riduzione
del rendimento.
 Anticipo rispetto al punto morto superiore:
o Accensione (0° − 45°) per il ciclo Otto .
o Iniezione rispetto al punto morto superiore per il ciclo Diesel.
 Combustione: impegna un intervallo angolare finito (relativamente ampio), in
prima approssimazione centrato attorno al punto morto superiore.
 Apertura della valvola di scarico prima del punto morto inferiore (35° − 60°):
per ridurre la contropressione nella fase di scarico forzato.
 Chiusura della valvola di scarico dopo il punto morto superiore (5° − 20°): per
migliorare lo svuotamento del cilindro.
 Apertura della valvola di aspirazione prima del punto morto superiore (5° −
20°): per migliorare il riempimento del cilindro.
 Chiusura della valvola di aspirazione dopo il punto morto inferiore (20° − 50°):
per sfruttrare la sovrappressione dinamica nel collettore di aspirazione e
migliorare il riempimento.
Si faccia riferimento alla seguente figura in cui viene riportato il ciclo ideale/limite:

Figura 103

Nella fase 4 − 5 il pistone si trova al punto morto inferiore, la valvola di scarico è


aperta, mentre quella di aspirazione è chiusa; il gas è ad una pressione più elevata
rispetto all’ambiente esterno e dunque esso tende a fuoriuscire. Nel momento in cui
si è equilibrata la pressione rispetto all’ambiente esterno il pistone inizia a salire e
spinge il gas all’esterno (funzionamento ideale: scarico forzato). In un sistema in cui
non c’è viscosità, non c’è attrito all’interno del fluido e dunque le trasformazioni sono
reversibili; inoltre l’ipotesi di assenza di attrito, comporta il fatto che non c’è attrito
nemmeno attraverso le valvole ed i condotti per cui è possibile immaginare che la
pressione nel punto 6 (fine scarico) sia pari a quella ambiente. Se invece c’è
146
viscosità, nella fase di scarico, quando il pistone inizia a salire spingendo il fluido, si
genera una sovrappressione: la pressione all’interno del cilindro è maggiore di quella
ambiente; tale sovrappressione sarà tanto maggiore quanto maggiori sono le perdite
attraverso il condotto di scarico. È evidente che nella zona in cui si ha la massima
velocità del pistone si ha anche la maggiore velocità dell’aria e dunque maggiori
perdite fluidodinamiche e pertanto maggiore incremento di pressione. Analogamente
in fase di aspirazione, nel caso reale, il pistone scende a partire dal punto morto
superiore creando una depressione sempre a causa della viscosità. Quindi la
presenza della viscosità determina il fatto che il ciclo sia un po’ più arrotondato
proprio a causa delle perdite di carico e non avrà una forma squadrata come ne caso
ideale:

Figura 104

Si tenga presente che il rendimento dà informazioni riguardo a quanto costa generare


una data potenza, mentre la potenza dà informazioni riguardo a quanto costa il
sistema in termini di dimensioni e dunque di peso (la qual cosa è direttamente legata
al costo del sistema).
Di seguito viene riportata una rappresentazione del sistema pistone cilindro di un
motore alternativo a combustione interna:

147
Figura 105

L’apertura della valvola allo scarico avviene 35° − 60° prima del punto morto inferiore
perché ciò riduce la contropressione allo scarico. Aprendo la valvola di scarico al
punto morto inferiore in fase di risalita si avrebbe una contropressione che è quella
indicata nella figura seguente (ciclo in nero): in tal caso il fluido viene pompato fuori
proprio a partire dalla pressione nel punto morto inferiore.

Figura 106

Anticipare l’apertura della valvola di scarico comporta una riduzione della pressione
la quale al punto morto inferiore assume un valore minore (ciclo in rosso).
Ovviamente siccome il lavoro è dato dall’integrale chiuso di 𝑝𝑑𝑉 quanto maggiore
sarà la pressione tanto maggiore risulterà il lavoro: pertanto nel ciclo riportato in nero
il lavoro di pompaggio sarà più elevato. Tuttavia nel caso in cui la valvola di scarico
viene aperta in anticipo, si rinuncia ad un tratto di espansione il che comporta una
diminuzione del lavoro positivo, ma nel contempo si riduce anche il lavoro di
148
pompaggio giacché la pressione risulta ridotta: questi due fenomeni tendono in
qualche modo a bilanciarsi avendo un lavoro utile pressoché invariato. D’altro canto
poiché l’azionamento della valvola non è istantaneo, ma è ottenuto attraverso una
camma, anticipando l’apertura della valvola stessa la si riesce a tenere
completamente aperta (sezione di passaggio massima) nel momento in cui serve
ovvero durante la fase di risalita del pistone. In realtà esistono anche sistemi di
attuazione elettrica delle valvole, che tuttavia sono ancora in fase di studio (ciò
permetterebbe un’apertura della valvola in tempi notevolmente ridotti).
La chiusura della valvola di scarico avviene dopo il punto morto superiore tra i 5° e i
20°; questo favorisce lo svuotamento del cilindro anche perché si riescono a sfruttare
effetti dinamici nel condotto di scarico: il condotto tende a richiamare a sé i gas di
scarico che sono all’interno del cilindro avendo un miglioramento dello svuotamento
dello stesso.
Inoltre, l’apertura della valvola di aspirazione avviene prima del punto morto
superiore; in tal caso si ha la cosiddetta fase di incrocio intorno al punto morto
superiore in cui contemporaneamente sono aperte la valvola di aspirazione e la
valvola di scarico. Dato che l’apertura della valvola non è istantanea si inizia ad
aprirla prima in modo da far sì che durante la fase di discesa del pistone essa risulti
sia completamente aperta, migliorando l’aspirazione.
In vetture particolarmente veloci gli incroci sono molto elevati, mentre in vetture più
lente gli incroci sono più bassi (c’è anche un problema legato ai tempi caratteristici).
Infine, la valvola di aspirazione si chiude in ritardo perché bisogna fare in modo che
durante tutta l’aspirazione la valvola sia più aperta possibile e dunque la fase di
chiusura della valvola avviene durante la risalita del pistone; in tal modo si riescono
anche a sfruttare gli effetti dinamici all’interno del collettore di aspirazione (effetti
d’onda) che saranno analizzati successivamente.
In figura viene riportato il diagramma polare di un motore a ciclo Otto (a sinistra) e di
un motore a ciclo Diesel (a destra) con le relative fasi e i vari anticipi di
apertura/chiusura delle valvole di aspirazione/scarico. Nel caso del motore a ciclo
Otto, viene riportata la fase di aspirazione con anticipo di apertura della valvola, la
chiusura in ritardo della valvola di aspirazione, la fase di compressione fino
all’anticipo all’accensione, la combustione a cavallo del punto morto superiore,
l’espansione, l’apertura della valvola di scarico e poi la chiusura della valvola stessa
in una fase in cui si ha un certo intervallo angolare con le due valvole completamente
aperte. Nel caso del motore Diesel il discorso non è molto diverso, sebbene gli effetti
siano un po’ più estremizzati soprattutto per quanto riguarda le fasi di incrocio delle
valvole. In effetti nel caso del motore ad accensione comandata ad iniezione indiretta
(motore a ciclo Otto), l’aria viene premiscelata col combustibile, mentre nei motori a
ciclo Diesel in ingresso viene aspirata solo aria; nella fase di incrocio ci potrebbero
essere delle fuoriuscite di gas aspirato verso il collettore di scarico: se ciò accadesse
per un motore ad accensione comandata in uscita si perderebbe anche una certa
149
quantità di combustibile oltre all’aria, mentre nel caso del motore Diesel si
perderebbe solo aria.

Figura 107

Di seguito viene riportato un confronto tra ciclo ideale e ciclo reale sul piano
pressione-volume:

Figura 108

Nella figura seguente viene riassunto brevemente, quanto detto con riferimento l ciclo
di alta pressione e al ciclo di bassa pressione:

150
Figura 109

Nella figura sottostante viene riportato come varia il ciclo sul piano pressione-volume
in funzione dell’angolo di anticipo (a sinistra) ed il ciclo di pressione in funzione
dell’angolo di manovella (a destra):

Figura 110

Il coefficiente di riempimento (o rendimento volumetrico) è uno degli indici più


importanti che caratterizza il motore. Il coefficiente di riempimento è una misura della
capacità di “respirare” del motore: più è elevato il coefficiente di riempimento
maggiore è la capacità di aspirare aria. L’obiettivo all’interno del motore è quello di

151
massimizzare la coppia, ovvero la potenza, fissata che sia la cilindrata, o anche
massimizzare il rendimento: l’elevata potenza conferisce elevate prestazioni, mentre
un alto rendimento assicura bassi consumi. Fissata una certa quantità di aria,
giacché la combustione avviene solo per determinate valori del rapporto di miscela,
è necessario che nel motore entri una quantità di combustibile tale da garantire la
combustione stessa della miscela realizzata: tale quantità può variare entro un certo
range comunque abbastanza ristretto. È evidente che la quantità di energia che è
possibile convertire in calore, dipende dalla massa di combustibile iniettata la quale
è limitata dal rapporto di miscela e di conseguenza essa dipende dalla massa di aria.
Pertanto aspirare più aria significa implicitamente utilizzare più combustibile dunque
avere più calore disponibile per la successiva conversione in lavoro. Quindi il sistema
di aspirazione e scarico riveste una notevole importanza in quanto ha un peso sulle
prestazioni: esso influenza la forma della curva coppia la quale deve presentare un
massimo a regimi di giri elevati per motori montati su autovetture sportive e un
massimo a bassi regimi di giri per motori di autovetture utilitarie (maggiore stabilità).
La curva di coppia in massima parte dipende dal coefficiente di riempimento
volumetrico che ne influenza notevolmente la forma.
Il coefficiente di riempimento o rendimento volumetrico è il rapporto tra la densità
dell’aria nel cilindro (al termine della fase di aspirazione) e la densità dell’aria in
condizioni ambiente:
𝜌𝑐
𝜆𝑣 =
𝜌0
Nel caso in cui il coefficiente di riempimento fosse unitario non si avrebbero perdite
di carico. Nella realtà giacché l’aria a partire dall’ambiente esterno passerà attraverso
un condotto, ci saranno delle perdite di carico nel condotto stesso ed attraverso la
valvola, per cui la densità tenderà a ridursi. La riduzione di densità è anche dovuta
al fatto che l’aria che attraversa il condotto tenderà a riscaldarsi per effetto dello
scambio termico con le pareti, ma anche per effetto dello scambio termico con i gas
residui intrappolati all’interno del cilindro. Inoltre i gas residui rubano una parte dello
spazio alla carica fresca. Alla per tutti questi motivi la densità dell’aria all’interno del
cilindro sarà minore rispetto alla densità dell’aria ambiente.
Il coefficiente di riempimento può essere anche espresso come rapporto tra la massa
d’aria effettivamente aspirata e la massa teorica: tale caratterizzazione risulta essere
più pratica giacché la massa d’aria è direttamente collegata con la massa di
combustibile.
Per quanto detto il coefficiente di riempimento è in genere minore di uno per motori
aspirati, mentre per motori sovralimentati esso assume valori superiori all’unità. In
generale esso può essere leggermente superiore ad uno anche nei motori aspirati
(da competizione), sfruttando gli effetti di risonanza (effetti dinamici) nel collettore di
aspirazione. Nel caso dei motori ad accensione comandata, il coefficiente di
riempimento è legato alla regolazione della valvola a farfalla (è utilizzato come
152
variabile di regolazione della potenza tramite la valvola a farfalla la quale determina
evidentemente una perdita di carico a seconda del grado di apertura).
Il coefficiente di riempimento può essere riscritto appunto come rapporto tra la massa
totale aspirata e quella teorica (è possibile ragionare equivalentemente sulle portate
anche perché sperimentalmente si misurano queste ultime, mentre le masse sono
delle misure derivate):
𝑚𝑡𝑜𝑡𝑎𝑙𝑒 𝑚𝑡
𝜆𝑣 = =
𝑚𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝜌0 ∙ 𝑉
Dove:
𝑚𝑡 = 𝑚𝑎𝑠𝑠𝑎 𝑡𝑜𝑡𝑎𝑙𝑒 (𝑚𝑎𝑠𝑠𝑎 𝑑𝑖 𝑎𝑟𝑖𝑎 𝑎𝑠𝑝𝑖𝑟𝑎𝑡𝑎 )
𝜌0 = 𝑑𝑒𝑛𝑠𝑖𝑡à 𝑑𝑒𝑙𝑙′ 𝑎𝑟𝑖𝑎 𝑎𝑚𝑏𝑖𝑒𝑛𝑡𝑒
𝑉 = 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎
𝜌 = 𝑑𝑒𝑛𝑠𝑖𝑡à 𝑒𝑓𝑓𝑒𝑡𝑡𝑖𝑣𝑎 𝑛𝑒𝑙 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑜
È possibile inoltre riscrivere la relazione nel seguente modo:
𝜌 𝑉∗
𝜆𝑣 = ∙
𝜌0 𝑉
Dove:
𝑉 ∗ = 𝑣𝑜𝑢𝑚𝑒 𝑖𝑛𝑖𝑧𝑖𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑒 𝑝𝑒𝑟 𝑖𝑙 𝑓𝑙𝑢𝑖𝑑𝑜
È possibile caratterizzare la grandezza 𝑉 ∗ da un punto di vista fisico ragionando sullo
schema pistone-cilindro:

Figura 111

153
Dove:
𝑉 = 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎
𝑉𝑟 = 𝑣𝑜𝑙𝑢𝑚𝑒 𝑟𝑒𝑠𝑖𝑑𝑢𝑜
𝑉 ′ = 𝑣𝑜𝑙𝑢𝑚𝑒 𝑟𝑖𝑑𝑜𝑡𝑡𝑜 𝑡𝑒𝑛𝑒𝑛𝑑𝑜 𝑐𝑜𝑛𝑡𝑜 𝑑𝑒𝑙𝑙𝑎 𝑐ℎ𝑖𝑢𝑠𝑢𝑟𝑎 𝑑𝑒𝑙𝑙𝑎 𝑣𝑎𝑙𝑣𝑜𝑙𝑎 𝑑𝑖 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒
La fase di aspirazione termina quando il pistone già sta salendo e dunque il volume
effettivamente a disposizione non è tutta la cilindrata 𝑉 ma è 𝑉 ′ che tiene conto del
momento in cui la valvola di aspirazione viene chiusa. In realtà però nel momento in
cui si apre la valvola di aspirazione e il pistone scende, i gas residui che si trovano
ad una pressione più elevata dell’aria esterna espandono e dunque la prima parte
della corsa è dedicata a questo: pertanto il volume effettivamente riempito (volume
inizialmente disponibile per il fluido, è ancora più piccolo ed è pari a 𝑉 ∗ . Quindi per
quanto detto risulta:
𝑉∗
< 1 ⟹ 𝑉∗ < 𝑉
𝑉
La relazione su scritta vale in assenza di incrocio tra volume aspirato e scarico poiché
la compressione inizia dopo il punto morto inferiore. In tal caso, non si considerano
cioè eventuali effetti benefici derivanti dal richiamo dei gas freschi per effetto della
dinamica nel collettore di scarico.
Viceversa può esserci una fase in cui risulta:
𝑉∗
> 1 ⟹ 𝑉∗ > 𝑉
𝑉
In questo caso il volume effettivamente riempito risulta maggiore della cilindrata; ciò
accade nel caso del lavaggio totale. Ad esempio nei motori navali esiste una pompa
di lavaggio esterna (motore due tempi) che è in grado di ripulire tutti i gas residui.
Anche in presenza di sovralimentazione, la pressione all’aspirazione è maggiore di
quella allo scarico e dunque si potrebbe ripulire meglio il volume morto.
È evidente peraltro che:
𝜌
< 1 𝑚𝑜𝑡𝑜𝑟𝑒 𝑎𝑠𝑝𝑖𝑟𝑎𝑡𝑜
𝜌0
𝜌
> 1 𝑚𝑜𝑡𝑜𝑟𝑒 𝑠𝑜𝑣𝑟𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑡𝑜
𝜌0
Nel caso dei motori sovralimentati si ha:
𝑉 + 𝑉𝑟
𝜌𝑐 =
𝑉𝑟
Dove:
𝜌𝑐 = 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑣𝑜𝑙𝑢𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑖 𝑐𝑜𝑚𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒
154
Per cui si avrà:
𝑉 + 𝑉𝑟 𝑉𝑟 1
𝜌𝑐 = ⟹ 𝑉𝑟 ∙ 𝜌𝑐 = 𝑉 + 𝑉𝑟 ⟹ 𝑉𝑟 ∙ (𝜌𝑐 − 1) = 𝑉 ⟹ =
𝑉𝑟 𝑉 𝜌𝑐 − 1
Più elevato è il rapporto di compressione, minore sarà il volume residuo: ciò comporta
un effetto benefico, giacché i gas residui occuperanno meno spazio a seguito
dell’espansione.
Considerando dunque, sempre nel caso dei motori sovralimentati il rapporto 𝑉 ∗ /𝑉 si
avrà:
𝑉∗ 𝑉 + 𝑉𝑟 𝑉𝑟 1 𝜌𝑐
≃ =1+ =1+ =
𝑉 𝑉 𝑉 𝜌𝑐 − 1 𝜌𝑐 − 1
Nei motori sovralimentati quindi si riesce ad occupare anche lo spazio morto: di fatto
la frazione scritta precedentemente dà come risultato certamente un numero
maggiore di uno e pertanto risulterà ovviamente 𝑉 ∗ > 𝑉.
Per esempio per un motore Diesel supposto 𝜌𝑐 = 20 si avrà:
𝑉∗ 𝜌𝑐 20
= = = 1.053
𝑉 𝜌𝑐 − 1 19
Mentre nel caso del motore benzina supposto 𝜌𝑐 = 10 si avrà:
𝑉∗ 𝜌𝑐 10
= = = 1.11 ⟹ 𝑒𝑓𝑓𝑒𝑡𝑡𝑜 𝑝𝑖ù 𝑚𝑎𝑟𝑐𝑎𝑡𝑜
𝑉 𝜌𝑐 − 1 9
Ovviamente nel caso della sovralimentazione, la pressione all’aspirazione è
maggiore della pressione allo scarico, dunque nella fase di ricambio della carica,
soprattutto nella fase di incrocio delle valvole, si avrà un flusso che tenderà a portare
il gas aspirato dall’altra parte e dunque a ripulire il volume morto e nell’ipotesi in cui
esso sia pulito completamente (lavaggio totale) si arriva al risultato precedentemente
descritto. Quindi se la sovralimentazione consente di ripulire tutta la camera il
rapporto tra il volume effettivamente aspirato 𝑉 ∗ e la cilindrata è maggiore di uno. In
ogni caso il miglioramento nel caso del motore benzina è circa del 10 % (nel motore
Diesel l’effetto è meno marcato).
È possibile eseguire un’analisi teorica semplificata assumendo:
 Processo adiabatico: il fluido non scambia calore
 Adduzione di calore istantanea (𝛥𝑇 = 𝑇𝑟 − 𝑇0 )
 Pressione costante durante il moto del pistone (durante tutta la fase di
aspirazione)
 Variazione di pressione a pressione fermo
Il risultato cui si arriva sotto queste ipotesi è il seguente:

155
𝑃1 𝑉1 𝛥𝑇 𝑃𝑟 1
𝜆𝑣 = ∙ ∙ (1 − ) − ∙
𝑃𝑚 𝑉 𝑇𝑚 𝑃𝑚 𝜌𝑐 − 1
Dove:
𝑃1 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑛𝑒𝑙 𝑝𝑢𝑛𝑡𝑜 𝑖𝑛 𝑐𝑢𝑖 𝑣𝑖𝑒𝑛𝑒 𝑐ℎ𝑖𝑢𝑠𝑎 𝑙𝑎 𝑣𝑎𝑙𝑣𝑜𝑙𝑎 𝑑𝑖 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒
𝑃𝑚 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑛𝑒𝑙 𝑐𝑜𝑙𝑙𝑒𝑡𝑡𝑜𝑟𝑒 𝑑𝑖 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒 (𝑚𝑎𝑛𝑖𝑓𝑜𝑙𝑑 )
𝑉1 = 𝑣𝑜𝑙𝑢𝑚𝑒 𝑐𝑜𝑠𝑟𝑟𝑖𝑠𝑝𝑜𝑛𝑑𝑒𝑛𝑡𝑒 𝑎𝑙 𝑝𝑢𝑛𝑡𝑜 𝑖𝑛 𝑐𝑢𝑖 𝑣𝑖𝑒𝑛𝑒 𝑐ℎ𝑖𝑢𝑠𝑎 𝑙𝑎 𝑣𝑎𝑙𝑣𝑜𝑙𝑎 𝑑𝑖 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒
𝑉 = 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎
𝛥𝑇 = 𝑇𝑟 − 𝑇0 (𝑣𝑎𝑟𝑖𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 )
𝑇𝑚 = 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑑𝑒𝑙𝑙′ 𝑎𝑟𝑖𝑎 𝑛𝑒𝑙 𝑐𝑜𝑙𝑙𝑒𝑡𝑡𝑜𝑟𝑒 𝑑𝑖 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒
𝑃𝑟 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑑𝑒𝑖 𝑟𝑒𝑠𝑖𝑑𝑢𝑖 (𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑎𝑙𝑙𝑜 𝑠𝑐𝑎𝑟𝑖𝑐𝑜)
𝜌𝑐 = 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑣𝑜𝑙𝑢𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑖 𝑐𝑜𝑚𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒

Figura 112

𝑃1
Il rapporto < 1 ha un peso molto elevato in quanto è legato alla strozzatura (perdite
𝑃𝑚
𝑉1
di carico) nei diversi passaggi. Il rapporto < 1 è legato agli effetti di fasatura (la
𝑉
valvola di aspirazione viene chiusa dopo il punto morto inferiore) che è compensata
dagli effetti dinamici (𝑉1 < 𝑉𝑚𝑜𝑟𝑡𝑜 + 𝑉, tranne nel caso in cui si riesca a fare un
lavaggio totale).

Figura 113
156
Se non ci fosse variazione di temperatura (sistema adiabatico) risulterebbe 𝛥𝑇 = 0 e
il coefficiente di riempimento sarebbe influenzato solo da effetti di pressione e di
cilindrata. Nel caso in cui invece tale variazione di temperatura è non nulla tanto
𝛥𝑇
maggiore sarà il suo valore tanto maggiore sarà la riduzione del termine 1 − (è
𝑇𝑚
evidente che risulta 𝛥𝑇 < 𝑇𝑚 ) il che comporta un abbassamento del coefficiente di
riempimento. Pertanto nel primo termine del 𝜆𝑣 ci sono tre effetti: la perdita
fluidodinamica dovuta all’attrito (𝑃1 /𝑃𝑚 ), l’effetto di riempimento (𝑉1 /𝑉) e l’effetto
termico legato al riscaldamento della carica (1 − 𝛥𝑇/𝑇𝑚 ). Ovviamente nel 𝛥𝑇 sono
racchiusi tutti gli effetti di tipo termico, tenendo conto del mescolamento dell’aria con
i gas residui, dello scambio termico tra aria e pareti del collettore di aspirazione e del
riscaldamento della carica all’interno del cilindro.
L’altro effetto sul coefficiente di riempimento è dato dal secondo termine in cui
𝑃
compare il rapporto 𝑟 > 1 in quanto i residui si trovano ad una pressione maggiore.
𝑃𝑚
Si ragioni sul ciclo ideale tenendo conto parte di bassa pressione:

Figura 114

Siccome la pressione dei gas residui è maggiore della pressione all’aspirazione essi
tendono ad espandere e a dirigersi verso l’aspirazione stessa. Il fattore 𝑃𝑟 /𝑃𝑚 tiene
conto degli effetti di perdita di carico nel collettore di aspirazione. Il secondo termine
1
invece esprime l’influenza dello spazio morto (aspetto geometrico). Più è elevato
𝜌𝑐 −1
il rapporto volumetrico di compressione minore sarà il volume dei residui. In
1
particolare il termine nei motori ad accensione comandata pesa di più giacché i
𝜌𝑐 −1
valori di 𝜌𝑐 sono più bassi rispetto ai motori Diesel. In ogni caso tale rapporto ha
un’influenza limitata, al massimo dell’ordine del 10 %. Se la pressione dei residui è
simile alla pressione nel manifold il rapporto 𝑃𝑟 /𝑃𝑚 è ovviamente molto vicino all’unità.
Ovviamente se nel circuito di aspirazione c’+ una valvola a farfalla la pressione nel

157
manifold si abbassa molto (perdite di carico più elevate) e ciò peggiorerà il
riempimento giacché il termine sottrattivo 𝑃𝑟 /𝑃𝑚 aumenta.
Caratterizzando in questo modo il coefficiente di riempimento si riesce a tenere conto
essenzialmente di tutti gli aspetti che portano alla riduzione del valore dello stesso.
La relazione quindi consente di quantificare tutti i fenomeni che portano alla riduzione
del coefficiente di riempimento, sebbene sia ricavata da una trattazione semplificata.
Il coefficiente di riempimento è influenzato da fenomeni stazionari (legati ad esempio
al riscaldamento della carica) che sono indipendenti dal regime di rotazione e
dinamici che sono invece dipendenti dal regime di giri (legati ad esempio alla velocità
dell’aria che ha un’influenza sulle perdite di carico: maggiore è la velocità dell’aria
maggiore sarà la perdita di carico, pertanto a regimi di rotazione elevati le perdite
saranno elevate).
Si tenga presente che la coppia risulta influenzata dal regime di giri proprio in virtù
del coefficiente di riempimento: sebbene il regime di giri non compare nella relazione
analitica che esprime la coppia, il rendimento volumetrico che dipende dal regime di
giri comporta una dipendenza indiretta della coppia da questa variabile.

158
Lezione 14 (Pianese) 29/03/2017
Motori alternativi a combustione interna: sistemi di aspirazione e scarico
I due grandi presidi tecnici nella progettazione di un motore sono:
 La combustione: che attiene alla parte di rilascio del calore ed è legata agli
aspetti della termochimica
 Il ricambio della carica: capacità del motore, fissata la geometria, di aspirare
quanta più aria possibile il che permette di incamerare più combustibile e
dunque di avere a disposizione una maggiore energia potenziale chimica.
È evidente che il rendimento di combustione, il rendimento termodinamico, ma anche
il coefficiente di riempimento hanno impatto sulle prestazioni.
Si ricordi che il momento motore (coppia) è dato dalla seguente relazione:
𝑃 𝑉 1
𝑀𝑚 = = ∙ 𝜌𝑎𝑚𝑏 ∙ 𝜆𝑣 ∙ ∙ 𝐻𝑖 ∙ 𝜂𝑔
𝜔 2∙𝜋∙𝜀 𝛼
Dove:
𝑉 = 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎
𝜀 = 1 (𝑚𝑜𝑡𝑜𝑟𝑒 2 𝑡𝑒𝑚𝑝𝑖) − 2 (𝑚𝑜𝑡𝑜𝑟𝑒 4 𝑡𝑒𝑚𝑝𝑖)
𝜌𝑎𝑚𝑏 = 𝑑𝑒𝑛𝑠𝑖𝑡à 𝑑𝑒𝑙𝑙′ 𝑎𝑟𝑖𝑎 𝑎𝑚𝑏𝑖𝑒𝑛𝑡𝑒
𝜆𝑣 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑖 𝑟𝑖𝑒𝑚𝑝𝑖𝑚𝑒𝑛𝑡𝑜
𝛼 = 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑑𝑖 𝑚𝑖𝑠𝑐𝑒𝑙𝑎
𝐻𝑖 = 𝑝𝑜𝑡𝑒𝑟𝑒 𝑐𝑎𝑙𝑜𝑟𝑖𝑓𝑖𝑐𝑜 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟𝑒
𝜂𝑔 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑔𝑙𝑜𝑏𝑎𝑙𝑒
In particolare il rendimento globale è dato dalla catena dei rendimenti:
𝜂𝑔 = 𝜂𝑏 ∙ 𝜂𝑟 ∙ 𝜂𝑚
Dove:
𝜂𝑏 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑑𝑖 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑜𝑛𝑒
𝜂𝑟 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑡𝑒𝑟𝑚𝑜𝑑𝑖𝑛𝑎𝑚𝑖𝑐𝑜
𝜂𝑚 = 𝑟𝑒𝑛𝑑𝑖𝑚𝑒𝑛𝑡𝑜 𝑚𝑒𝑐𝑐𝑎𝑛𝑖𝑐𝑜
Di seguito viene riportata, a titolo di esempio, una curva di coppia al variare del
regime di giri:

159
Figura 115

La coppia motrice non dipende esplicitamente dal regime di rotazione, che però può
influire sui valori di 𝜆𝑣 e 𝜂𝑔 . In particolare né il rendimento di combustione, né il
rendimento termodinamico dipendono dal regime di giri, mentre il rendimento
meccanico decresce col regime di rotazione: essendo questa decrescita di tipo
lineare, tale dipendenza fa sì che il massimo della curva di coppia si sposti verso
destra o verso sinistra. In estrema sintesi ciò che determina la forma della curva di
coppia è proprio il coefficiente di riempimento. Ovviamente la curva di coppia che si
vuole ottenere è strettamente legata all’applicazione. A titolo di esempio nel grafico
seguente vengono riportate due curve di coppia differenti:

Figura 116

In particolare con vetture sportive il massimo della curva di coppia si sposta verso
destra per garantire elevate coppie ad alti regimi di giri, mentre vale il contrario per
autovetture convenzionali (utilitarie) o per applicazioni più industriali (trattore, …).
Quindi è evidente che la progettazione del sistema di aspirazione e scarico influenza
le prestazioni del motore nonché la categoria di appartenenza: per una Ferrari il
massimo valore del coefficiente di riempimento volumetrico (e dunque della coppia)
deve aversi ad elevati regimi di giri; ciò è possibile grazie alla realizzazione di condotti
di aspirazione corti e giocando su ritardi, anticipi ed incroci delle valvole. Utilizzando
160
più valvole (anziché una sola) di aspirazione e scarico, viene favorito l’efflusso e
dunque si riducono le perdite di carico: oggigiorno le autovetture più spinte
presentano quattro valvole per cilindro. È evidente che per applicazioni più
convenzionali (trattore, autovetture utilitarie) si preferisce avere un sistema più
stabile (coppia elevata a bassi regimi di giri), piuttosto che avere valori di coppia
elevati ad alti regimi di giri:

Figura 117

In tali applicazioni si utilizzano condotti di aspirazione più lunghi.


Avendo una curva di coppia (motrice) come quella disegnata in figura (in nero), si
garantisce una zona di stabilità molto ampia, cosicché qualunque sia la coppia
resistente (in blu) l’intersezione tra le due curve avviene sempre nel tratto
decrescente della curva di coppia motrice (tratto di stabilità). Se invece la curva di
coppia motrice fosse differente, come quella riportata nella figura sottostante, a
seconda della coppia resistente si potrebbe ricadere sia nel tratto stabile che in quello
instabile (nel qual caso il motore si fermerebbe):

Figura 118

Sostanzialmente parlare della curva del coefficiente di riempimento volumetrico al


variare del regime di giri o della curva di coppia al variare del regime di giri è la stessa
cosa.
161
I fenomeni che influenzano il coefficiente di riempimento sono:
 Tipo di combustibile, rapporto di miscela, frazione vaporizzata, scambio
termico (fenomeni essenzialmente stazionari):
o Riduzione della pressione parziale dell’aria: nel momento in cui si
effettuano delle misurazioni in laboratorio in giorni differenti le
prestazioni possono essere notevolmente influenzate dalle condizioni
ambiente; la temperatura di fatto ha un effetto diretto sulla densità
dell’aria aspirata, ma anche l’umidità gioca un ruolo fondamentale: se la
giornata è secca il vapore d’acqua presente nell’aria sarà molto minore
rispetto al caso in cui la giornata sia umida ed in quest’ultimo caso ci
sarà meno ossigeno all’interno dell’aria aspirata; in tale situazione, la
pressione parziale dell’ossigeno è ridotta rispetto alle condizioni di aria
secca (o addirittura rispetto al caso in cui il motore fosse alimentato ad
ossigeno puro: l’aria di fatto è formata da ossigeno e azoto, quest’ultimo
però non partecipa alla combustione essendo inerte) e ciò determina il
fatto che è possibile mettere meno combustibile. In generale quando il
motore aspira aria, esso aspirerà una miscela di ossigeno, azoto e
vapore d’acqua ed eventualmente, se il motore è ad accensione
comandata, anche combustibile: tutto ciò ruba spazio all’ossigeno
stesso (comburente) che a parità di volume da riempire sarà in minore
quantità; in particolare, la presenza di vapore d’acqua e vapore di
combustibile ha un’influenza tra il 3 % e il 5 %. Ovviamente il tutto
dipende anche dal tipo di combustibile aspirato: se il combustibile ha
una massa molecolare ridotta esso tende ad evaporare rubando spazio
all’aria. Di fatto se anziché utilizzare un combustibile liquido, quale la
benzina (che ovviamente tenderà ad evaporare a contatto con l’aria), si
utilizza il GPL che ha un peso molecolare più basso, quest’ultimo
tenderà ad espandere in misura maggiore rubando di fatto spazio
all’aria. Nel caso in cui si utilizza metano il problema è ancora più sentito
in quanto quest’ultimo pesa addirittura meno dell’aria rubando ancora
più spazio. Questo è il motivo per cui le vetture benzina hanno
prestazioni più elevate rispetto alle auto a GPL o a metano. Ovviamente
nel caso in cui si sceglie di alimentare a gas un’autovettura, le automobili
più performanti vengono alimentate a GPL (auto sportive), mentre quelle
meno performanti (utilitarie) a metano.
o La vaporizzazione del combustibile riduce (in assenza di scambio
termico) la temperatura: per valori di 𝜑 = 1 per l’isottano (benzina
convenzionale) 𝛥𝑇 = −19 °𝐶, mentre per il metanolo (alcool) 𝛥𝑇 =
−128 °𝐶 giacché è un liquido bassobollente e dunque evapora più
facilmente raffreddando di più. Di fatto mettendo le mani nella nafta nel
momento in cui passano in aria non si avverte alcuna sensazione,
mentre mettendo le mani nella benzina si avverte una sensazione di
freddo proprio perché tende ad evaporare (lo stesso discorso vale per
162
lo spirito). La vaporizzazione è dunque un effetto benefico perché
raffredda la carica incrementandone la densità. Questo però nell’ipotesi
teorica che non ci sia scambio termico. Ovviamente nella realtà la testa
del cilindro e la valvola di aspirazione sono caldi e dunque
l’abbassamento di temperatura non è così evidente, poiché la carica
fresca tende ad incamerare una parte del calore proveniente dalle pareti
circostanti. In particolare più ci si allontana dal motore e più la
temperatura è bassa (al limite si ha una temperatura pari a quella
ambiente) quindi iniettando il combustibile nel manifold si riesce a
sfruttare meglio l’abbassamento di temperatura in quanto il combustibile
vaporizza a temperatura vicina a quella ambiente e di conseguenza
migliora il riempimento, però la vaporizzazione potrebbe essere
incompleta perché in quella zona la temperatura non è molto elevata e
quindi si potrebbero avere dei problemi di mescolamento. Invece nel
momento in cui il combustibile viene iniettato a ridosso della valvola di
aspirazione esso tenderà a vaporizzare meglio, grazie alle più alte
temperature, e quindi viene favorito il mescolamento a scapito però del
coefficiente di riempimento. Nei motori ad accensione per compressione
(motori Diesel) l’iniezione avviene direttamente in camera di
combustione (all’interno del cilindro), quindi non c’è nessun impatto da
parte del combustibile sul sistema di aspirazione. Nel caso di un motore
ad accensione comandata a carica premiscelata il combustibile liquido
in genere, viene iniettato a monte della valvola di aspirazione e dunque
subisce un processo di evaporazione: esso prende del calore dall’aria
circostante ed abbassa la temperatura in quella zona; l’abbassamento
della temperatura comporta un incremento di densità e dunque si
configura come un effetto benefico. Invece, nei motori ad accensione
comandata (benzina) ad iniezione diretta in camera, è possibile iniettare
il combustibile con la valvola di aspirazione ancora aperta, durante la
fase di aspirazione per esempio o nelle fasi finali dell’aspirazione; in tal
modo si ha un vantaggio perché facendo evaporare il combustibile
all’interno della camera con la valvola ancora aperta si riesce a
raffreddare un po’ l’aria e quindi ad abbassare la densità e dunque ad
aumentare il riempimento. In ogni caso, nella realtà la presenza dello
scambio termico con le pareti riduce l’incremento di 𝜆𝑣 (l’incremento è
dell’ordine dell’1 % − 2 %).

163
Figura 119

 Temperatura della miscela in funzione dello scambio termico (stazionario): c’è


un effetto di scambio termico nel passaggio della miscela attraverso il
collettore di aspirazione (le pareti del collettore cedono calore all’aria). Si tenga
presente che per fenomeni stazionari si intende che la fenomenologia è
stazionaria, ma l’entità di tali fenomeni può cambiare col regime di giri: lo
scambio termico di fatto peggiora nel momento in cui aumenta il regime di giri
(di fatto nelle turbomacchine si assume che le trasformazioni siano adiabatiche
giacché la velocità del fluido è molto elevata). Al contrario, i fenomeni dinamici
hanno una loro caratteristica dinamica indipendente dal regime giri e se esso
è collegato a quest’ultimo ci sono effetti legati a forzanti, … (tendenzialmente
i fenomeni dinamici sono quelli in cui i fenomeni di base hanno delle costanti
di tempo inferiori al ciclo del motore).
 Rapporto tra pressione nel collettore di aspirazione e pressione nel collettore
di scarico (stazionario): al crescere del rapporto tra la pressione allo scarico e
la pressione nel collettore di aspirazione (𝑝𝑒 /𝑝𝑖 ) si ha un aumento della fazione
residua; in effetti la pressione allo scarico (che è circa pari a quella ambiente)
è sempre maggiore di quella all’aspirazione quindi il rapporto 𝑝𝑒 /𝑝𝑖 è sempre
maggiore di uno: nel collettore di aspirazione per effetto di tutte le perdite si ha
una pressione inferiore a quella ambiente. Se il rapporto aumenta si ha un
riflusso dei gas di scarico verso il collettore di aspirazione (backflow): ciò
peggiora il riempimento giacché oltra ad alzare la temperatura della carica a
causa dello scambio termico con i gas residui, si va ad occupare anche più
spazio (la frazione residua aumenta). In molti sistemi l’aumento della frazione
residua può essere benefico in quanto porta ad una riduzione delle emissioni
di ossidi di azoto, a scapito però delle prestazioni del motore. A causa di questo
fenomeno il coefficiente di riempimento si riduce di qualche punto percentuale
(1 % − 10 % ed in particolare 10 % al ridursi del rapporto di compressione).
164
 Rapporto di compressione volumetrico (stazionario): ha un peso sulla frazione
residua e sul fatto che il volume morto si riduce all’aumentare del rapporto
volumetrico di compressione.
 Perdite di carico (dinamico), che dipendono dal quadrato della velocità di
rotazione e diminuiscono al crescere delle sezioni di passaggio: aumentando
il numero di valvole ad esempio, giacché si riduce la sezione di passaggio, le
perdite di carico diminuiscono.
 Backflow, effetto di incrocio: il backflow è tanto più amplificato quanto
maggiore è l’angolo di incrocio, ovvero angolo in cui sono
contemporaneamente aperte le valvole di aspirazione e scarico. Per un motore
lento l’incrocio deve essere piccolo, mentre per un motore veloce è possibile
avere un incrocio molto elevato per sfruttare la depressione dinamica.
 Tuning (accordo, messa a punto): legato all’accordo tra il sistema di
aspirazione e scarico e il motore ed è un fenomeno dinamico. Tale fenomeno
gioca sul fatto che quando si aprono le valvole di aspirazione e scarico si
generano delle perturbazioni (onde di pressione) che si muovono nel mezzo
avanti e indietro determinando delle sovrappressioni o delle depressioni che
possono favorire o opporsi al fenomeno di ricambio della carica attraverso un
aumento o una riduzione della densità (è funzione del numero di giri). È il
problema più serio nella progettazione in quanto è legato alla lunghezza e alla
sezione dei collettori di aspirazione e scarico.
 Velocità di rotazione
 Forma dei collettori di aspirazione e scarico, geometria delle valvole di
aspirazione e scarico (sezioni di passaggio e numero di valvole), dimensione
e fasatura: è evidente che se ad esempio, il condotto di scarico venisse
realizzato con una curvatura molto più blanda si avrebbero delle perdite di
carico minori; la fasatura è legata ovviamente al regime di giri: se il motore è
veloce l’apertura della valvola di aspirazione viene anticipata molto (d’altro
canto aprendo la valvola di aspirazione con un largo anticipo si corre il rischio
di inviare i gas residui nel collettore di aspirazione).

Figura 120

165
Molto spesso è possibile adottare una fasatura variabile allo scopo di lasciare nella
camera una parte dei residui con l’obiettivo di ridurre le emissioni di ossidi di azoto.
Sui motori Diesel ad esempio c’è un sistema chiamato EGR (Exhaust Gas
Recirculation) che mette in comunicazione il collettore di scarico con il collettore di
aspirazione e determina un ricircolo di gas di scarico che viene re-aspirato dal motore
per riscaldare la carica (il che comporta una riduzione della densità) allo scopo di
rallentare la velocità di combustione: ciò si traduce nell’avere temperature più basse
e dunque minori probabilità di formare ossidi di azoto (che si formano ad elevate
temperature). Alla fine si deve trovare un compromesso tra emissioni e prestazioni.

Figura 121

Si tenga presente che le emissioni di ossidi di azoto e le emissioni di particolato (soot)


hanno un andamento inverso: riducendo il soot aumentano gli 𝑁𝑂𝑥 e viceversa,
pertanto con l’EGR si riducono gli ossidi di azoto, ma aumenta il soot. Inoltre, se
aumenta la pressione di iniezione (𝑃𝑟𝑎𝑖𝑙 ) aumentano gli 𝑁𝑂𝑥 e si riduce il soot. La
scelta è dunque frutto di un compromesso. Ovviamente poi c’è il problema del
rumore, delle prestazioni, … pertanto il discorso non è semplice in quanto si hanno
una serie di variabili da ottimizzare.

Figura 122

166
La pressione totale nel collettore di aspirazione è data dalla somma delle pressioni
parziali dell’aria, del combustibile e del vapore d’acqua:
𝑃𝑐𝑜𝑙𝑙 = 𝑃𝑎𝑟𝑖𝑎 + 𝑃𝑐𝑜𝑚𝑏 + 𝑃𝐻2 𝑂
È possibile tuttavia trascurare la pressione parziale del vapore d’acqua per cui si
avrà:
𝑃𝑐𝑜𝑙𝑙 = 𝑃𝑎𝑟𝑖𝑎 + 𝑃𝑐𝑜𝑚𝑏
Ovviamente all’interno del collettore la pressione parziale dell’aria è data dalla
relazione:
𝑅
𝑅 𝑚𝑎𝑟𝑖𝑎 ∙ ∙𝑇
𝑀𝑀𝑎𝑟𝑖𝑎
𝑃𝑎𝑟𝑖𝑎 ∙ 𝑉 = 𝑚𝑎𝑟𝑖𝑎 ∙ ∙ 𝑇 ⟹ 𝑃𝑎𝑟𝑖𝑎 =
𝑀𝑀𝑎𝑟𝑖𝑎 𝑉
Per il combustibile, una volta vaporizzato, vale la stessa relazione valida per l’aria:
𝑅
𝑅 𝑚𝑐𝑜𝑚𝑏 ∙ ∙𝑇
𝑀𝑀𝑐𝑜𝑚𝑏
𝑃𝑐𝑜𝑚𝑏 ∙ 𝑉 = 𝑚𝑐𝑜𝑚𝑏 ∙ ∙ 𝑇 ⟹ 𝑃𝑎𝑟𝑖𝑎 =
𝑀𝑀𝑐𝑜𝑚𝑏 𝑉
Quindi la pressione nel collettore sarà:
𝑚𝑎𝑟𝑖𝑎 𝑚𝑐𝑜𝑚𝑏 𝑅∙𝑇
𝑃𝑐𝑜𝑙𝑙 = ( + )∙
𝑀𝑀𝑎𝑟𝑖𝑎 𝑀𝑀𝑐𝑜𝑚𝑏 𝑉
Dividendo la pressione totale nel collettore di aspirazione per la pressione parziale
dell’aria si avrà:
𝑃𝑐𝑜𝑙𝑙 𝑚𝑎𝑟𝑖𝑎 𝑚𝑐𝑜𝑚𝑏 𝑅∙𝑇
=( + )∙
𝑃𝑎𝑟𝑖𝑎 𝑀𝑀𝑎𝑟𝑖𝑎 𝑀𝑀𝑐𝑜𝑚𝑏 𝑉 ∙ 𝑃𝑎𝑟𝑖𝑎
Sostituendo alla pressione parziale dell’aria quanto trovato dall’equazione di stato
si avrà:
𝑃𝑐𝑜𝑙𝑙 𝑚𝑎𝑟𝑖𝑎 𝑚𝑐𝑜𝑚𝑏 𝑀𝑀𝑎𝑟𝑖𝑎 𝑚𝑐𝑜𝑚𝑏 𝑀𝑀𝑎𝑟𝑖𝑎
=( + )∙ =1+ ∙
𝑃𝑎𝑟𝑖𝑎 𝑀𝑀𝑎𝑟𝑖𝑎 𝑀𝑀𝑐𝑜𝑚𝑏 𝑚𝑎𝑟𝑖𝑎 𝑀𝑀𝑐𝑜𝑚𝑏 𝑚𝑎𝑟𝑖𝑎
Sapendo che:
𝑚𝑎𝑟𝑖𝑎
𝛼=
𝑚𝑐𝑜𝑚𝑏
Si avrà:
𝑃𝑐𝑜𝑚𝑏 1 𝑀𝑀𝑎𝑟𝑖𝑎
=1+ ∙
𝑃𝑎𝑟𝑖𝑎 𝛼 𝑀𝑀𝑐𝑜𝑚𝑏
Pertanto invertendo la relazione è possibile riscrivere (la pressione parziale dell’aria
è ciò che interessa):

167
𝑃𝑎𝑟𝑖𝑎 1
=
𝑃𝑐𝑜𝑙𝑙 1 + 1 ∙ 𝑀𝑀𝑎𝑟𝑖𝑎
𝛼 𝑀𝑀𝑐𝑜𝑚𝑏
Ai fini della combustione interessa la pressione parziale dell’aria la quale è legata
alla concentrazione dell’aria e dunque dell’ossigeno. Per combustibili gassosi risulta:
𝑃𝑎𝑟𝑖𝑎
𝑀𝑀𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒,𝑔𝑎𝑠 < 𝑀𝑀𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑖𝑙𝑒,𝑙𝑖𝑞𝑢𝑖𝑑𝑜 ⟹ 𝑠𝑖 𝑟𝑖𝑑𝑢𝑐𝑒
𝑃𝑐𝑜𝑙
Quindi fissato il rapporto di miscela, con un combustibile gassoso come il metano,
c’è un peggioramento delle prestazioni giacché la pressione parziale dell’aria si
riduce in quanto il metano tende a espandersi occupando più spazio. Il GPL invece,
essendo più pesante rispetto al metano, tenderà ad occupare meno spazio e dunque
la pressione parziale dell’aria aumenta aumentando le prestazioni (migliora il
coefficiente di riempimento). Ovviamente lo stesso discorso vale più o meno anche
nel caso in cui non si trascuri la pressione parziale del vapore d’acqua: quando l’aria
è umida le prestazioni del motore sono però più scadenti (anche la temperatura ha
un impatto diretto sulle prestazioni).
Per combustibili alcolici (volatili) con elevato calore latente di vaporizzazione si ha
un’elevata riduzione di temperatura che teoricamente aumenta il 𝜆𝑣 ; l’effetto è
comunque compensato dal riscaldamento della carica. Per combustibili liquidi la
formazione del film liquido sulle pareti migliora lo scambio e quindi si annullano gli
effetti di evaporazione (iniezione diretta con getto a valvole aperte): è difficile che il
combustibile liquido iniettato, per quanto nebulizzato, evapori completamente, ma
una parte rimane allo stato liquido sulle pareti del collettore; soprattutto nei transitori
ci possono essere delle dinamiche che portano a una riduzione della quantità di
combustibile. Di fatto l’aria si adegua rapidamente avendo una costante di tempo
dell’ordine del decimo di secondo, mentre il fenomeno di evaporazione ha una
costante di tempo dell’ordine del secondo: aumentando la portata d’aria in transitorio,
il combustibile, se non opportunamente compensato, si adegua con una costante di
tempo che è di un ordine di grandezza superiore. Questo è il motivo per cui su alcuni
sistemi, non ben compensati, accelerando di colpo si può sentire un buco
nell’erogazione di coppia perché la quantità di aria che arriva al motore non è
compensata dalla quantità di combustibile che arriva in quel momento. Questo
fenomeno è particolarmente sentito a freddo perché il combustibile ha maggiori
difficoltà nell’evaporare, infatti su alcuni collettori di aspirazione viene fatta circolare
un po’ di acqua di raffreddamento del motore in modo da tenere calda quella zona e
favorire l’aspirazione. Tali problemi ovviamente non esistono su motori ad iniezione
diretta in camera di combustione.
La densità dell’aria può essere calcolata dall’equazione di stato dei gas perfetti:
𝑃
𝜌=
𝑅𝑇

168
Nella fase di immissione della carica, la densità varia rispetto alle condizioni esterne
per effetto delle variazioni di pressione e di temperatura del fluido. La pressione in
genere si riduce per effetto delle perdite di carico nei condotti, nella valvola a farfalla
e nella valvola si aspirazione (può aumentare nei motori sovralimentati o a causa
degli “effetti dinamici” nel collettore): ciò comporta una riduzione della densità. La
temperatura aumenta, per effetto degli scambi termici con il motore e dei gas residui,
o per effetto della sovralimentazione: ciò comporta una riduzione della densità. In
particolare è possibile avere degli effetti indotti dalla sovralimentazione sia per
quanto riguarda la pressione che per quanto riguarda la temperatura: essa è effetto
positivo sulla pressione in quanto aumenta, ma un effetto negativo sulla temperatura
in quanto anch’essa tende ad aumentare; questo è il motivo per cui su alcuni motori
sovralimentati si utilizzano degli intercooler: in tal modo a seguito della
compressione, l’aria viene raffreddata e dunque c’è un incremento di pressione ed
una riduzione di temperatura che comportano un incremento della densità.
Nella figura seguente viene rappresentato il sistema di aspirazione e scarico per un
motore a 4 tempi, ad accensione comandata, soprattutto con riferimento alla
variazione della pressione lungo tutta la linea di aspirazione:

Figura 123

169
Dove:
a) Sistema di aspirazione e pressione media interna
b) Fasatura valvola e diagramma pressione-volume
c) Sistema di scarico
d) Pressione 𝑝 del cilindro ed alzata della valvola 𝐿𝑣 versus angolo di manovella
𝜃
Inoltre sempre con riferimento alla figura precedente:
 𝑝0 , 𝑇0 : condizioni atmosferiche
 𝛥𝑃𝑎𝑖𝑟 : cadute di pressione nel filtro d’aria
 𝛥𝑃𝑢 : perdite all’aspirazione a monte della valvola a farfalla
 𝛥𝑃𝑡ℎ𝑟 : perdite a cavallo della valvola a farfalla
 𝛥𝑃𝑣𝑎𝑙𝑣𝑒 : perdite a cavallo della valvola di aspirazione
Nella figura sottostante si riporta più in dettaglio il percorso compiuto dall’aria lungo
la linea di aspirazione con riferimento alle perdite di carico che si manifestano nelle
diverse zone:

Figura 124

L’aria entra dalle parti laterali del filtro come evidenziato dalle frecce; l’obiettivo del
tubo di Venturi è quello di incrementare la velocità in maniera graduale e di ridurre la
pressione. All’interno del carburatore invece c’è il combustibile: aumentando la
velocità dell’aria grazie al restringimento di sezione (prodotto dal sistema Venturi), si
170
riesce a ridurre la pressione e dunque a richiamare il combustibile (essendo la
vaschetta di combustibile sottoposta a pressione ambiente) in misura proporzionale
alla riduzione della pressione. Inoltre in figura sono rappresentate due condizioni
diverse di apertura della valvola a farfalla corrispondenti alla massima apertura (in
nero) e ad un’apertura parzializzata (in rosso). In pratica si parte dalla pressione
ambiente 𝑃𝑎 (all’esterno del filtro) e si manifesta una prima perdita di carico
concentrata sul filtro stesso (𝛥𝑃𝑓 ); in effetti fissata la sezione di passaggio, il filtro non
fa altro che bloccare le particelle più grandi, quali ad esempio la polvere, facendo
passare quelle più piccole e ciò determina una perdita di carico in quanto l’aria è
costretta a passare in dei passaggi piuttosto ristretti (attrito tra fluido e pareti della
griglia). È evidente che il filtro è più grande del tubo in quanto si deve fare in modo
che la sommatoria di tutte le aree formate dalla griglia del filtro sia pari all’area
complessiva del tubo. Ovviamente lungo il condotto c’è comunque attrito quindi ci
sarà una perdita di carico distribuita lungo lo stesso. In corrispondenza del tubo di
Venturi c’è prima una riduzione di pressione (nella zona di restringimento) e poi un
conseguente incremento (la variazione di pressione è centrata intorno alla sezione
di gola): teoricamente a valle del Venturi si dovrebbe recuperare la pressione che
c’era all’inizio, ma nella realtà la pressione è leggermente più bassa in quanto c’è
comunque una perdita di carico dovuta all’accelerazione e alla decelerazione del
fluido (introduce dunque una perdita di carico concentrata). Quando la valvola a
farfalla è completamente aperta è possibile immaginare che la pressione non vari
(andamento in nero), sebbene nella realtà un minimo di perdita comunque c’è. Poi si
manifesta una perdita di carico ulteriore dovuta alla curva che c’è prima della valvola
di aspirazione. Arrivati nella sezione dov’è presente la valvola di aspirazione si ha
una riduzione ulteriore della pressione raggiungendo una pressione che poi è quella
dell’aria all’interno del cilindro. Pertanto complessivamente la pressione nel cilindro
sarà pari a:
𝑃𝑐 = 𝑃𝑎 − 𝛥𝑃𝑐
Dove:
𝛥𝑃𝑐 = 𝑝𝑒𝑟𝑑𝑖𝑡𝑎 𝑑𝑖 𝑐𝑎𝑟𝑖𝑐𝑜 𝑐𝑜𝑚𝑝𝑙𝑒𝑠𝑠𝑖𝑣𝑎 (𝑖𝑛 𝑡𝑢𝑡𝑡𝑜 𝑖𝑙 𝑝𝑒𝑟𝑐𝑜𝑟𝑠𝑜)
Ciò ovviamente ha un impatto sulla densità dell’aria che entra all’interno del cilindro.
È evidente che avendo dei condotti più lisci si riduce la perdita di carico distribuita
lungo tutta la linea di aspirazione, così come aumentando le sezioni di passaggio si
riducono le perdite di carico concentrate. Oggigiorno i motori per autoveicoli ad
accensione comandata non sono più a carburatore, ma c’è un controllo elettronico
(non c’è più il sistema di Venturi). Nei motori Diesel non c’è la valvola a farfalla per
la regolazione: in realtà anche in questi motori c’è qualche valvola a farfalla come
quella che si utilizza spesso subito a valle del filtro per migliorare il richiamo dei gas
di scarico dal sistema di EGR (la valvola di fatto genera una depressione in quella
zona). Ovviamente nel motore Diesel non c’è nemmeno il carburatore (già in origine
era così).

171
Nel momento in cui la valvola a farfalla è parzialmente chiusa, la depressione che si
manifesta nella zona del sistema di Venturi è minore giacché la velocità dell’aria nel
condotto è più bassa (portata minore); una volta raggiunta la valvola a farfalla si ha
una riduzione significativa della pressione a causa di una perdita di carico
concentrata. A valle della valvola a farfalla è possibile immaginare che in prima
approssimazione accada la stessa cosa. In tal caso, la pressione all’interno del
cilindro sarà:
𝑃𝑐 = 𝑃𝑎 − 𝛥𝑃𝑐,𝑝
Dove:
𝛥𝑃𝑐,𝑝 = 𝑝𝑒𝑟𝑑𝑖𝑡𝑎 𝑑𝑖 𝑐𝑎𝑟𝑖𝑐𝑜 𝑐𝑜𝑚𝑝𝑙𝑒𝑠𝑠𝑖𝑣𝑎 𝑝𝑎𝑟𝑧𝑖𝑎𝑙𝑖𝑧𝑧𝑎𝑡𝑎
Quindi quando la valvola a farfalla è parzialmente chiusa la riduzione di pressione e
cioè la perdita di carico complessiva sarà maggiore rispetto al caso in cui la valvola
sia completamente aperta. Riducendo la pressione diminuisce la densità e dunque
la massa d’aria aspirata: grazie alla valvola a farfalla è possibile regolare la portata
di aria e dunque la portata di combustibile che entrerà in camera.
La variazione di densità non è solo dovuta alle perdite di carico che si manifestano,
ma anche alle variazioni di temperatura, dovute al riscaldamento della carica che si
lungo il condotto di aspirazione.
Di seguito viene riportato il diagramma polare (va letto in senso antiorario) collegato
al ciclo di bassa pressione rappresentato sul piano pressione-volume:

Figura 125
172
Il diagramma a tratto continuo fa riferimento al caso di valvola a farfalla
completamente aperta, mentre il tratto discontinuo è relativo alla condizione in cui la
valvola a farfalla è parzializzata. Nel momento in cui si apre la valvola di scarico
(EVO) c’è un tratto in cui la pressione si riduce perché il gas viene espulso; se la
valvola a farfalla è completamente, quando il pistone scende nella fase di
aspirazione, si riuscirà ad inglobare una maggiore quantità di aria rispetto al caso in
cui la valvola risulti parzialmente aperta e dunque il ciclo di bassa pressione avrà
un’area minore (per cui il lavoro di pompaggio sarà minore). Nel momento in cui
invece c’è parzializzazione si raggiunge un livello di pressione inferiore e il motore
deve spendere un’energia maggiore per aspirare; inoltre anche il livello di pressione
raggiunto prima dell’inizio della fase di compressione sarà inferiore. Ciò comporta il
fatto che tutto il ciclo risulta spostato in basso (anche quello di alta pressione),
giacché la compressione inizia da un livello di pressione inferiore e dunque a fine
compressione si ha una pressione più bassa e pertanto anche la temperatura sarà
più bassa (anche alla fine dell’espansione si ha una pressione minore). Quindi nella
parzializzazione c’è un incremento del ciclo di bassa pressione (aumenta il lavoro
negativo) e una riduzione del ciclo di alta pressione (diminuisce il lavoro positivo):
effetto più che lineare. Pertanto alla fine, il lavoro utile certamente si riduce:
𝐿𝑢 = 𝐿+ + 𝐿−
In effetti nel momento in cui la pressione si riduce, a causa delle perdite di carico
maggiori, all’interno del cilindro entra meno aria e dunque meno combustibile per cui
il lavoro si riduce. Inoltre nella compressione si arriva a temperatura minore dunque
il calore prodotto a seguito della combustione è meno pregiato (minore conversione
di calore in lavoro).
La fase 3 − 2 è una fase in cui la valvola di aspirazione e la valvola di scarico sono
contemporaneamente aperte.
È possibile inoltre rappresentare il ciclo di bassa pressione anche sul piano
pressione-angolo di manovella (𝑝 − 𝜃):

Figura 126

173
Dove:
𝑇𝐶 = 𝑇𝑜𝑝 (𝐷𝑒𝑎𝑑 ) 𝐶𝑒𝑛𝑡𝑟𝑒 (𝑃𝑢𝑛𝑡𝑜 𝑀𝑜𝑟𝑡𝑜 𝑆𝑢𝑝𝑒𝑟𝑖𝑜𝑟𝑒: 𝑃𝑀𝑆)
𝐵𝐶 = 𝐵𝑜𝑡𝑡𝑜𝑚 (𝐷𝑒𝑎𝑑 ) 𝐶𝑒𝑛𝑡𝑟𝑒 (𝑃𝑢𝑛𝑡𝑜 𝑚𝑜𝑟𝑡𝑜 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟𝑒: 𝑃𝑀𝐼)
Oltre alla caduta di pressione che si manifesta in funzione dell’angolo di manovella,
nel grafico vengono anche riportate le due curve relative all’alzata della valvola di
scarico e all’alzata della valvola di aspirazione. Nella fase di scarico, teoricamente la
valvola dovrebbe aprirsi proprio in corrispondenza del punto morto inferiore; tuttavia
essendo la valvola azionata da una camma il profilo di alzata non sarà squadrato,
ma sarà più dolce; nel momento in cui la valvola di scarico fosse aperta proprio in
corrispondenza del punto morto inferiore e fosse chiusa proprio in corrispondenza
del punto morto superiore, si avrebbe una situazione di questo tipo:

Figura 127

Ciò significa che la massima apertura si avrebbe in un intervallo angolare inferiore ai


180°: si ha un arco angolare ristretto entro il quale la valvola è completamente aperta.
Per tale motivo conviene traslare verso sinistra l’apertura (anticipare l’apertura) e
traslare verso destra la chiusura (ritardare la chiusura):

Figura 128

In questo modo la massima apertura si ha per tutta la fase di scarico del pistone e
cioè durante tutta la risalita a partire dal punto morto inferiore fino ad arrivare al punto
174
morto superiore. Quindi se l’apertura della valvola di scarico viene anticipata di molto,
significa che l’obiettivo è quello di scaricare rapidamente i gas di scarico. In effetti
giacché in tale situazione ci possono essere condizioni di bloccaggio della portata,
per incrementare lo svuotamento, riducendo la pressione a valle non cambierebbe
nulla (portata bloccata), a monte la pressione è imposta, per cui l’unica soluzione è
aumentare la sezione di passaggio anticipando quanto più possibile l’apertura della
valvola di scarico. Ovviamente analogo ragionamento vale per la valvola di
aspirazione. Ciò determina il fatto che intorno al punto morto superiore si ha una fase
più o meno ampia di incrocio tra le due valvole, che risultano contemporaneamente
aperte.
Di seguito viene riportato lo schema di un motore 4 tempi turbocompresso, con
riferimento al sistema di aspirazione e scarico. Il compressore porta l’aria dalle
condizioni di pressione e temperatura 𝑝0 e 𝑇0 alle condizioni 𝑝1 e 𝑇1 . La pressione nel
cilindro all’aspirazione è minore di 𝑝𝑖 . Durante lo scarico, i gas espulsi attraversano
la turbina. La pressione nel collettore di scarico 𝑝𝑒 può variare durante lo scarico tra
la pressione nel cilindro e quella atmosferica.

Figura 129

Dove:
𝐶 = 𝑐𝑜𝑚𝑝𝑟𝑒𝑠𝑠𝑜𝑟𝑒
𝑇 = 𝑡𝑢𝑟𝑏𝑖𝑛𝑎
175
Il sistema di sovralimentazione è costituito da un compressore (radiale centrifugo),
collegato sullo stesso asse ad una turbina (assiale). Il compressore viene azionato
proprio attraverso la turbina, cosicché l’aria viene compressa e ciò determina un
incremento di pressione nel collettore di aspirazione. Nel caso pluricilindrico a partire
dal collettore comune (plenum) si diramano i diversi condotti che portano ai vari
cilindri. Nella fase di scarico ci sarà sempre un plenum nel quale convergono tutti i
condotti di scarico dei vari cilindri (nel caso pluricilindrico), dopodiché il fluido arriva
all’interno della turbina dove viene fatto espandere (la turbina potrebbe essere anche
di tipo radiale per esigenze di compattezza; sui camion o sulle navi invece in genere
si adottano turbine assiali). L’innalzamento della pressione che avviene grazie al
compressore viene fatto a spese del lavoro raccolto dalla turbina: il vantaggio è che
l’entalpia posseduta dai gas di scarico sarebbe altrimenti persa, mentre in questo
caso viene recuperata per azionare il compressore; in tal modo invece di far compiere
il lavoro di pompaggio al motore lo si recupera dai gas di scarico, pertanto da un
punto di vista teorico la sovralimentazione è vantaggiosa. Nella pratica, nel caso del
motore ad accensione comandata, la sovralimentazione non ha molto senso in
alcune circostanze, giacché si introduce una perdita di carico dovuta alla valvola a
farfalla (non ha senso energizzare e poi magari introdurre una perdita di carico). È
evidente che la turbina, da un punto di vista del motore viene vista come una perdita
di carico, di fatto in alcuni modelli semplici si considera la turbina come se fosse una
valvola, per cui il motore funziona male; tale funzionamento quindi deve essere più
che compensato dall’incremento di pressione che si ottiene all’aspirazione.
Di seguito viene rappresentato il ciclo di bassa pressione sul diagramma pressione-
volume:

Figura 130
176
Dove:
𝑝0 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑎𝑚𝑏𝑖𝑒𝑛𝑡𝑒
𝑝𝑒 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑎𝑙𝑙𝑜 𝑠𝑐𝑎𝑟𝑖𝑐𝑜 (𝑒𝑥ℎ𝑎𝑢𝑠𝑡 )
𝑝𝑖 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑎𝑙𝑙′ 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒 (𝑖𝑛𝑡𝑎𝑘𝑒)
Nella condizione in cui:
𝑝𝑖 > 𝑝𝑒 > 𝑝0
Si realizza un flusso naturale di aria che va dalla 𝑝𝑖 alla 𝑝𝑒 , quindi dall’aspirazione
verso lo scarico. La condizione:
𝑝𝑒 > 𝑝0
È evidentemente una condizione necessaria: la pressione nel collettore di scarico
deve essere maggiore della pressione ambiente altrimenti non avrebbe senso
parlare di turbina (essa di fatto fa espandere il fluido e di conseguenza la pressione
a valle della stessa (𝑝0 ) deve essere inferiore a quella a monte (𝑝𝑒 )). L’altra
condizione necessaria è che ovviamente risulti:
𝑝𝑖 > 𝑝0
Infatti a valle della compressione deve esserci un incremento di pressione, altrimenti
non avrebbe senso utilizzare un compressore.
Invece in generale la pressione nel collettore di aspirazione 𝑝𝑖 potrebbe anche essere
intermedia tra le due pressioni 𝑝𝑒 e 𝑝0 . Tuttavia la condizione migliore è proprio quella
sopra indicata e cioè quella per cui:
𝑝𝑖 > 𝑝𝑒 > 𝑝0 𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑒 𝑚𝑖𝑔𝑙𝑖𝑜𝑟𝑒 (𝑜𝑡𝑡𝑖𝑚𝑎𝑙𝑒)
𝑝𝑒 > 𝑝𝑖 > 𝑝0 𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑒 𝑐𝑜𝑚𝑢𝑛𝑞𝑢𝑒 𝑎𝑐𝑐𝑒𝑡𝑡𝑎𝑏𝑖𝑙𝑒 (𝑛𝑜𝑛 𝑜𝑡𝑡𝑖𝑚𝑎𝑙𝑒)
Nella condizione ottimale, che prevede 𝑝𝑖 > 𝑝𝑒 il ciclo viene percorso in verso orario
e dunque l’integrale di 𝑝𝑑𝑉 darà un risultato positivo anche nella parte di bassa
pressione. Nella condizione in cui 𝑝𝑖 < 𝑝𝑒 (fermo restando le condizioni necessarie)
il ciclo di bassa pressione viene percorso in verso antiorario e quindi si avrà un lavoro
comunque negativo: tuttavia tale lavoro risulterà comunque minore in valore assoluto
rispetto al lavoro necessario senza sovralimentazione.
È evidente che a valle del compressore, la temperatura sarà maggiore rispetto a
quella ambiente giacché il compressore oltre a comprimere il fluido ne incrementa
anche la temperatura: per tale motivo in alcuni sistemi si inserisce un intercooler che
determina un raffreddamento della carica con un conseguente incremento del
coefficiente di riempimento.

177
Lezione 15 (Pianese) 30/03/2017
Motori alternativi a combustione interna: sistemi di aspirazione e scarico
La regolazione di un motore ad accensione comandata in carica premiscelata
attraverso una valvola è abbastanza rigida, nel senso che bastano piccole variazioni
nell’apertura/chiusura della valvola stessa per avere un impatto notevole sul ciclo e
dunque sulle prestazioni (di fatto con un’apertura parzializzata aumenta l’area del
ciclo di bassa pressione e si riduce l’area del ciclo di alta pressione). Nel caso del
motore Diesel invece il ciclo di bassa pressione non è molto ampio in quanto non ci
sono elementi di strozzatura, come la valvola a farfalla. Di fatto a parità di regime di
giri, la portata massica di aria all’interno di un motore Diesel, rimane pressoché la
stessa in qualunque condizione di carico (per qualunque potenza).
I plenum servono per omogeneizzare la pressione. In effetti supposto che il motore
sia monocilindrico ogni due giri si avrà l’apertura della valvola di aspirazione (o di
scarico) e dunque la pressione è fortemente oscillante; il plenum praticamente fa da
“condensatore” andando a smorzare queste pulsazioni di pressione e dunque il
compressore non sente a monte una pressione variabile e il motore non sente delle
oscillazioni di pressione; nel caso in cui si abbiano più cilindri è ancora più sentito
questo problema.

Figura 131

La condizione ottimale nel caso della sovralimentazione sarebbe quella di avere una
pressione all’aspirazione maggiore della pressione allo scarico (a loro volta maggiore
della pressione ambiente): in tale condizione si avrebbe un flusso continuo che, nelle
fasi di incrocio delle valvole di aspirazione e scarico, favorisce la pulizia dello spazio
morto e dunque lo svuotamento del cilindro. È evidente che all’aspirazione la
pressione nel cilindro è minore di quella nel plenum a causa delle perdite di carico,
così come allo scarico la pressione nel cilindro sarà maggiore di quella nel plenum
(per lo stesso motivo). Ovviamente l’incremento di pressione che si ha nel passaggio
del fluido all’interno del compressore dipende dal lavoro fornito dalla turbina al
compressore stesso. Esistono delle condizioni a basso carico in cui il lavoro dato
dalla turbina non è sufficiente per attivare il compressore: oggigiorno con un controllo
sofisticato si fa fronte a questo problema.
178
Di seguito vengono riportate le curve rappresentanti la differenza tra la pressione
atmosferica e la pressione in due punti del collettore di aspirazione. In particolare
l’aria viene aspirata dall’atmosfera ed attraversa un filtro (air cleaner) dopodiché
attraverso un collettore raggiunge una valvola (throttle): è possibile misurare la
pressione 𝑝𝑝 a valle della strozzatura e la pressione 𝑝𝑟 dopo la scissione del collettore
in quattro condotti differenti. È possibile dunque calcolare le differenze di pressione:
𝑝𝑎𝑡𝑚 − 𝑝𝑟
𝑝𝑎𝑡𝑚 − 𝑝𝑝
Andando a diagrammare tali valori in funzione della portata (che è legata al regime
di giri) in condizioni stazionarie, si vede come la perdita di carico aumenti
quadraticamente con la portata d’aria (strettamente collegata col regime di giri del
motore):

Figura 132

Nel momento in cui si passa da un unico collettore a quattro collettori differenti la


perdita di carico aumenta e di fatto la curva 𝑝𝑎𝑡𝑚 − 𝑝𝑟 risulta avere una pendenza
maggiore rispetto alla curva 𝑝𝑎𝑡𝑚 − 𝑝𝑝 .
Le principali fonti di perdita di pressione in un motore ad accensione comandata sono
certamente la valvola a farfalla e la variazione della sezione di passaggio a seguito
della suddivisione del collettore in quattro (o anche più) condotti differenti.

179
Nella figura seguente viene riportato l’andamento della pressione allo scarico
(exhaust manifold pressure) in funzione della pressione all’aspirazione (inlet manifold
pressure) per un motore ad accensione comandata 4 tempi e a quattro cilindri:

Figura 133

Ciascuna curva è parametrizzata in funzione del regime di giri perché esso fissa la
portata volumetrica del motore: a parità di regime di giri, qualunque sia la
parzializzazione, la portata volumetrica rimane la stessa, ciò che varia è la portata
massica perché cambia la densità. Le curve sono tutte decrescenti e ovviamente
maggiore è il regime di giri e maggiore sarà la pressione allo scarico, fissata che sia
la pressione all’aspirazione. Maggiore è la pressione all’aspirazione e maggiore sarà
la densità e dunque la portata massica di aria; ciò determina un incremento anche
della quantità di combustibile e dunque della temperatura massima e di fatto anche
della pressione del ciclo: ciò comporta anche un incremento della pressione allo
scarico.
180
Nella figura seguente viene riportato il ciclo di pressione sul diagramma pressione
volume con riferimento a due valori differenti del regime di giri e fissato il livello di
pressione più basso:

Figura 134

Aumentando il regime di giri (ciclo rosso), aumenta la portata volumetrica e di


conseguenza la portata massica di aria aspirata (a parità di densità giacché la
pressione è stata fissata) e pertanto aumenta la portata di combustibile; ciò significa
che si raggiungerà un livello di pressione e di temperatura più elevato al termine della
fase di combustione, rispetto al caso in cui il regime di giri è più basso (ciclo nero) e
pertanto la pressione allo scarico sarà maggiore (il ciclo si sposta più in alto).
Fissato invece il regime di giri è possibile ragionare sempre sul diagramma
pressione-volume per capire cosa accade:

Figura 135

181
Poiché il regime di giri è fissato in questo caso la portata volumetrica rimane costante.
Aumentando l’apertura della valvola a farfalla (ciclo rosso), la perdita di carico si
riduce e dunque la pressione all’aspirazione aumenta il che comporta un incremento
della densità dell’aria aspirata. Pertanto la pressione di inizio compressione risulterà
più elevata rispetto al caso in cui la valvola a farfalla è più chiusa (ciclo nero) e quindi
anche la combustione avverrà ad una pressione e ad una temperatura più elevata
(peraltro con una massa d’aria maggiore e dunque una massa di combustibile più
elevata); ciò comporta evidentemente anche un incremento della pressione allo
scarico.
Ovviamente all’aumentare della velocità ci saranno perdite di carico indotte anche
dalla velocità del flusso stesso; in condizioni di massima apertura della valvola a
farfalla (wide-open throttle) e di elevati regimi di giri la velocità dell’aria è elevatissima
e pertanto anche le perdite di carico aumentano (a regimi di giri bassi le perdite di
carico si riducono giacché la velocità dell’aria è inferiore). È evidente che a parità di
grado di apertura della valvola a farfalla maggiore è il regime di giri maggiore sarà la
velocità dell’aria.
Quando la pressione nel collettore di aspirazione scende al di sotto di 0.5 𝑏𝑎𝑟 (valore
vicino al rapporto tra la pressione critica e la pressione a monte) c’è il bloccaggio
della portata; ciò spiega perché tutte le curve rappresentate sul piano pressione-di-
scarico-pressione-di-aspirazione tendono verso lo stesso punto. Parzializzando
molto (valvola a farfalla poco aperta) la pressione a valle, nel collettore di aspirazione,
risulterà molto bassa rispetto alla pressione a monte e andando oltre i livelli di
pressione critica si ha il bloccaggio della portata: in tal caso pur aumentando il regime
di rotazione la portata non aumenta più e dunque si potrà solo agire sulla sezione di
passaggio (valvola a farfalla).
Tutti i fenomeni citati, che influenzano il coefficiente di riempmento volumetrico
possono essere riportati su un diagramma per caratterizzare l’andamento di tale
coefficiente in funzione della velocità media del pistone:

Figura 136

182
Nel caso ideale il coefficiente di riempimento volumetrico è pari al 100 % e rimane
costante al variare del regime di giri (ovvero della velocità media del pistone). A
causa di diversi fenomeni che si verificano nella realtà l’andamento rettilineo costante
si trasforma alla fine in un andamento quadratico al variare del regime di rotazione.
L’andamento del coefficiente di riempimento è poi strettamente legato all’andamento
della curva di coppia.
Il primo effetto che determina un abbassamento del coefficiente di riempimento è
l’effetto quasi-statico (A) che non è legato alla velocità media del pistone (è costante):
tale effetto è dovuto alla pressione del vapore d’acqua e/o del vapore di combustibile.
Un altro effetto è quello dello scambio termico (B) che determina una riduzione del
coefficiente di riempimento; l’effetto di riduzione dovuto allo scambio termico è tanto
più marcato quanto minore è il regime di giri: dato che a bassi regimi, la velocità
dell’aria è ridotta c’è più tempo per instaurare lo scambio termico e dunque ha più
tempo per riscaldarsi. L’altro effetto è dovuto alle perdite di carico (C) che variano in
funzione del quadrato della velocità dell’aria e dunque vanno col quadrato della
velocità media del pistone; pertanto a bassi carichi si ha il minimo effetto di perdita
di carico e man mano che si passa a velocità maggiori l’effetto diventa più marcato.
L’altro fenomeno si manifesta invece agli elevati regimi di giri ed è il bloccaggio della
portata (D); quando si ha il bloccaggio pur incrementando il regime di giri non si ha
un incremento di portata e quindi c’è una forte caduta del coefficiente di riempimento
volumetrico. Un altro fenomeno è legato all’inerzia (E), che è legata alla colonna di
gas che avanza: in pratica si sfrutta la conversione dell’energia cinetica della massa
di fluido che avanza all’interno del condotto in energia di pressione; di fatto l’aria
avanza in un condotto relativamente piccolo e quando arriva nel cilindro, che ha
dimensioni maggiori rispetto al condotto, essa tende a rallentare e l’energia cinetica
si converte in energia di pressione; esistono inoltre anche degli effetti oscillatori di
tipo inerziale. Poi c’è un effetto di riduzione ai bassi regimi di giri (F): a regimi di giri
bassi l’effetto dell’incrocio delle valvole può determinare un riflusso dei gas di scarico
dal condotto di scarico al cilindro fino ad arrivare addirittura nel collettore di
aspirazione (backflow); aumentando il backflow si va a rubare spazio alla carica
fresca che si sta aspirando e dunque si riduce il volume a disposizione; quando il
motore è lento (regime di giri basso), essendo la pressione allo scarico maggiore di
quella all’aspirazione, il gas ha tutto il tempo di risalire nel collettore di aspirazione,
mentre quando il regime di giri è elevato esso non riesce a risalire (ecco perché il
bakcflow ha un’influenza maggiore a bassi regimi). L’ultimo fenomeno è legato al
recupero con il tuning (G) in cui si sfruttano dei fenomeni di perturbazione (ogni
qualvolta si apre la valvola di aspirazione, nasce un’onda di perturbazione che risale
la corrente come onda di depressione trovandosi dinanzi ad un ambiente aperto che
provoca una riflessione dell’onda stessa la quale cambia di segno: ciò può essere un
effetto benefico oppure no a seconda dei casi; accordando la lunghezza del condotto
e il tempo di percorrenza dell’onda col regime di rotazione del motore è possibile
avere degli effetti benefici). Essenzialmente a bassi regimi di giri hanno una grande
importanza effetti quali il riscaldamento della carica e gli effetti di incrocio legati al
183
backflow, mentre quando si va su elevati regimi di giri predominano effetti
fluidodinamici legati all’attrito, effetti di bloccaggio e di inerzia. Alla fine si ottiene la
curva del coefficiente di riempimento volumetrico reale (a tratto continuo nella figura)
che ha un andamento quadratico col regime di giri.
Nella figura seguente viene riportato l’andamento del coefficiente di riempimento
volumetrico al variare della velocità di rotazione e al variare della lunghezza del
condotto di aspirazione per un motore ad accensione comandata:

Figura 137

Man mano che la lunghezza del collettore si riduce il massimo della curva si sposta
verso destra (verso elevati regimi di giri); quindi un collettore più corto dà dei vantaggi
ad elevati regimi di giri: in tal caso gli effetti di attrito sono inferiori in quanto la
superficie di contatto tra fluido e collettore risulta essere ridotta rispetto al caso in cui
il collettore ha una lunghezza maggiore.
Nella figura seguente si riporta un confronto tra due curve del coefficiente di
riempimento per un motore Diesel e per un motore ad accensione comandata:

184
Figura 138

Per il motore Diesel la curva del coefficiente di riempimento volumetrico è più elevata
rispetto a quella per il motore ad accensione comandata; ciò è dovuto al fatto che nel
motore Diesel non c’è la valvola a farfalla ed in ogni caso ci sono minori perdite di
carico.
Di seguito vengono riportati degli andamenti ricavati sperimentalmente del
coefficiente di riempimento volumetrico al variare del regime di giri, per un motore ad
accensione comandata, quattro cilindri, sedici valvole e 2000 𝑐𝑚3 di cilindrata; le
diverse curve sono tracciate al variare dell’angolo di apertura della valvola a farfalla:

Figura 139

185
Nel grafico in alto a sinistra la valvola a farfalla è quasi chiusa (apertura pari a 16°):
man mano che il regime di giri aumenta la curva decresce monotonicamente e quindi
il motore è sempre stabile. Nel grafico in alto destra l’apertura della valvola a farfalla
è pari a 32° e si nota come ci sia un aumento del coefficiente di riempimento
volumetrico rispetto al caso precedente. Man mano che l’apertura della valvola a
farfalla aumenta si inizia ad ottenere un punto di massimo che man mano si sposta
verso destra. Nel momento in cui la valvola a farfalla raggiunge un’apertura di 40°
(grafico in basso a destra) si raggiunge un massimo intorno ai 2000 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛. Uno
dei vantaggi dei motori ad accensione comandata è legato proprio al fatto che
parzializzando la valvola a farfalla è possibile generare delle condizioni di maggiore
stabilità a seconda dei casi.
Quando con l’autovettura si sta affrontando una salita tipicamente si effettua un
cambio di marcia passando dalla quarta alla terza per esempio; ciò è legato al fatto
che, scalando marcia, a parità di regime di rotazione che è imposto dalla velocità
dell’autovettura, si vuole dare una coppia maggiore; di fatto su un diagramma coppia-
velocità si ha un andamento di questo tipo:

Figura 140

Al variare della marcia inserita le curve di coppia variano: maggiore è la marcia


minore sarà il valore della coppia, ma maggiore è la velocità che si raggiunge. Le
curve di carico (coppia resistente) variano a seconda della strada percorsa; in salita
il cario aumenta e dunque la curva di coppia resistente si impenna. Per evitare che
con quella marcia inserita, con l’aumentare del carico, si ricada nella zona di
instabilità della curva di coppia il che comporta il fatto che la vettura inizia a rallentare,
si effettua un cambio di marcia, passando dalla quarta alla terza ad esempio (e così
via). In realtà, restando in quarta marcia, ma alzando il piede dall’acceleratore, è
possibile generare una curva di coppia che potrebbe avere un tratto completamente
discendente, grazie alle elevate perdite di carico inserite, la qual cosa potrebbe
garantire stabilità:

186
Figura 141

In alcuni casi è possibile proprio riuscire a sentire questa raggiunta stabilità a seguito
del rilascio dell’acceleratore.
Il problema del coefficiente di riempimento è legato alla forma del collettore, alla
geometria delle valvole di aspirazione e scarico, alla dimensione e alla fasatura. Le
problematiche sono le seguenti:
 Forma delle sezioni di passaggio differente, per le valvole di scarico lo stelo
deve essere accuratamente raffreddato e poco esposto al flusso caldo: la
valvola di aspirazione è esposta al fluido freddo, mentre la valvola di scarico è
esposta al fluido caldo.
 L’apertura della valvola di aspirazione 10° − 25° prima del punto morto
superiore (coefficiente di riempimento poco influenzato), consente di evitare
una forte riduzione della pressione nel cilindro: in tal modo si ha una sezione
di passaggio maggiore nel momento in cui serve e cioè quando il pistone
scende per aspirare la carica fresca.
 La chiusura della valvola di aspirazione 40° − 60° dopo il punto morto inferiore
(ad elevati regimi il coefficiente di riempimento è fortemente influenzato)
consente di continuare l’aspirazione in risalita per basse pressioni nel cilindro,
ma ai bassi regimi ci sono problemi di riflusso: per effetti dinamici legati
all’inerzia della colonna fluida può avere senso tenere ancora aperta la valvola
di aspirazione anche quando il pistone sale; il vantaggio si ha quando la
pressione dinamica legata alla velocità dell’aria è superiore alla pressione
statica nel cilindro, se al contrario la pressione dinamica nel collettore di
aspirazione è inferiore alla pressione statica nel cilindro si sta praticamente
perdendo tempo; è evidente che se il sistema di fasatura è rigido, ad elevate
velocità di rotazione conviene ritardare la chiusura della valvola di aspirazione,
mentre a bassi regimi di giri, la pressione dinamica dell’aria sarà certamente
inferiore rispetto a quella statica e quindi c’è una possibilità di adeguamento
maggiore tra il fluido all’interno del cilindro e il fluido all’esterno.
 L’apertura della valvola di scarico 50° − 60° prima del punto morto inferiore
consente lo scarico spontaneo per raggiungere la pressione nel collettore
immediatamente dopo il punto morto inferiore.
187
 La chiusura della valvola di scarico 8° − 20° dopo il punto morto superiore
consente di regolare ai bassi carichi ed a regimi medio bassi il riflusso di gas
combusti nel cilindro (EGR), ai regimi elevati ed ad elevati carichi determina la
quantità di gas espulsi (EGR); quando il pistone inizia a scendere e la valvola
di scarico è ancora aperta è possibile che vengano aspirati anche una parte
dei gas di scarico.
La forma dei condotti e di geometria delle valvole tra sistemi di aspirazione e scarico
è dovuto alla differente temperatura dei gas. Le valvole in titanio (a bassa inerzia, ma
con ridotta conducibilità termica) possono subire l’esposizione ai gas caldi con rapida
usura.

Figura 142

Le valvole hanno più o meno la seguente geometria:

Figura 143
188
Dove:
𝐷𝑣 = 𝑑𝑖𝑎𝑚𝑒𝑡𝑟𝑜 𝑑𝑒𝑙𝑙𝑎 𝑣𝑎𝑙𝑣𝑜𝑙𝑎
𝐿𝑣 = 𝑎𝑙𝑧𝑎𝑡𝑎 𝑑𝑒𝑙𝑙𝑎 𝑣𝑎𝑙𝑣𝑜𝑙𝑎
Quindi l’area della superficie laterale del cilindro sarà pari a:
𝐴𝑣 = 𝜋 ∙ 𝐷𝑣 ∙ 𝐿𝑣
Il sistema dovrebbe essere progettato in maniera tale che lungo tutto il percorso si
abbia la stessa superficie di passaggio. Nella realtà ciò non avviene, anche perché
c’è un interesse ad avere un’accelerazione del fluido per avere una turbolenza più
elevata: i sistemi di aspirazione e scarico vengono progettati in maniera opportuna
in modo da avere un effetto sulla turbolenza che poi è un fenomeno fondamentale
per la combustione.
Su alcuni motori, con elevate prestazioni, si utilizzano le valvole in titanio perché tale
materiale ha un’elevata leggerezza: in tal modo si riescono ad avere velocità di
rotazione più elevate. tuttavia il titanio è un pessimo conduttore di calore e dunque
nelle punte della valvola si ha una temperatura elevata e quindi sotto l’azione
meccanica spesso si deformano: esse vanno dunque cambiate con una maggiore
frequenza; tuttavia esse permettono di spostare il limite di regime massimo (fuori giri)
più verso destra e dunque di aumentare la potenza. Si tenga presente che essendo
la valvola una massa oscillante è possibile che tale sistema vada in risonanza:
aumentando la velocità di rotazione se si va in risonanza, la valvola resta ferma
mentre il pistone si muove. Molto spesso il regime di giri massimo per un motore
quattro tempi corrisponde al cosiddetto sfarfallio, ovvero le valvole iniziano appunto
a “sfarfallare”: in pratica in tale situazione si corre il rischio di toccare con la valvola
la testa del pistone perché la molla non la riesce a trattenere; utilizzare delle molle
con rigidezza maggiore (più resistenti) potrebbe essere una soluzione, ma si deve
tenere conto del fatto che in tal caso si ha bisogno di una forza maggiore per
l’apertura il che comporta un assorbimento di energia più elevato.
Si tenga presente che l’apertura delle valvole, ottenuta attraverso un albero a
camma, è un fenomeno abbastanza rumoroso.
È evidente che nel momento in cui le valvole si usurano si hanno problemi di tenuta
durante le fasi a valvole chiuse giacché la superficie della stessa non va più a battuta
con la sede: si perde la compressione del motore e dunque si abbassano le
prestazioni.
La perdita di carico in una sezione di passaggio stretta viene caratterizzata dal
coefficiente di efflusso: se esso è elevato la perdita è elevata. Si tenga presente che
la perdita di carico e dunque il coefficiente di efflusso dipende dalla tipologia di flusso
che si instaura. È possibile che vi siano delle zone di distacco della vena fluida e ciò
determina una perdita di carico (si formano delle bolle di ricircolo: zone di vorticosità),

189
dopodiché il flusso si riattacca; in figura viene rappresentato il problema appena
enunciato con riferimento ad una valvola di aspirazione:

Figura 144

Nella figura seguente invece viene rappresentato il coefficiente di efflusso (valvola di


scarico) in funzione del rapporto alzata/diametro (𝐿𝑣 /𝐷𝑣 ):

Figura 145

Si tenga presente che la maggior parte delle caratterizzazioni delle valvole dei
sistemi di aspirazione e scarico viene fatta attraverso un banco di flussaggio
stazionario. Nella realtà il sistema è tutt’altro che stazionario giacché la valvola si
muove, con una conseguente variazione della sezione, la velocità varia, … per cui ci
sono degli effetti fortemente non lineari e tutti in transitorio.
Sempre con riferimento alla valvola di aspirazione nella figura seguente si
rappresentano tre regimi differenti:

190
Figura 146

Si noti che il diagramma del coefficiente di efflusso è fortemente discontinuo. Man


mano che la sezione di passaggio aumenta (caso a) il coefficiente di efflusso tende
ad aumentare così come ci si aspetterebbe. Tuttavia successivamente si ha una
brusca caduta, poi una risalita (caso b) e di nuovo una brusca caduta (caso c). ciò è
dovuto al fatto che nel passaggio dal caso a, al caso b, al caso c, cambia il regime di
moto: si passa da un regime più laminare ad un regime turbolento a causa del fatto
che il fluido è meno guidato. Ovviamente uno studio approfondito e quantitativo su
problemi di questo tipo va affrontato con le equazioni di Navier-Stokes. Nella realtà
il tutto viene sintetizzato attraverso un coefficiente di efflusso. Oggigiorno la
conoscenza su certi fenomeni e su certi sistemi è dell’industria.
Di seguito vengono riportate le leggi di alzate della valvola di scarico o della valvola
di aspirazione:

191
Figura 147

In particolare ci sono tre fasi:


 Fase in cui l’alzata rispetto al diametro della valvola è minore del 12 % (𝐿𝑣 /𝐷 ≤
0.123).
 Fase in cui l’alzata rispetto al diametro della valvola è maggiore del 12 %
(𝐿𝑣 /𝐷 ≤ 0.125).
 Fase di massima alzata in cui vale la relazione: 4 ∙ 𝐷 ∙ 𝐿𝑣 ≥ 𝐷𝑝2 − 𝐷𝑠2

Figura 148

Inoltre di seguito viene anche rappresentato il diagramma polare riportante le diverse


fasi con riferimento a determinati angoli di manovella:

192
Figura 149

Ovviamente in un motore quattro tempi l’asse a camme ruota ad una velocità pari
alla metà di quella dell’albero motore: l’alzata e la chiusura delle valvole avviene ogni
due giri.
Di seguito si riportano le curve del coefficiente di riempimento volumetrico al variare
del regime di giri e parametrizzate rispetto alla fasatura (a sinistra) e rispetto all’alzata
della valvola (a destra), per un motore ad accensione comandata quattro tempi e con
valvola a farfalla completamente aperta:

Figura 150

193
Quando la fasatura è molto conservativa (marker triangolari) la curva è praticamente
decrescente giacché si introducono innumerevoli perdite di carico: ad elevati regimi
il coefficiente di riempimento volumetrico è molto basso, mentre il sistema funziona
bene a bassi regimi di giri. Nel passaggio da una fasatura conservativa (marker
triangolari) a una fasatura più aggressiva ci si sposta sulle curve con i marker circolari
o addirittura quadrati (ancor più aggressiva). Quando si va su sistemi con incroci
maggiori e anticipi e ritardi maggiori, il massimo del coefficiente di riempimento si
sposta a regimi di giri più elevati. Quindi giocando già solo sulla fasatura si riescono
a modificare le curve di coppia e ad ottenere ad esempio un motore che si comporta
in maniera stabile qualunque sia il regime di giri (marker triangolari) o un motore che
ha elevate prestazioni (potenza elevata: marker quadrati).
L’alzata della valvola ha invece un’influenza diretta sulle perdite di carico. Ai bassi
regimi di giri l’alzata non influenza molto il coefficiente di riempimento, mentre ad
elevati regimi di giri l’impatto è notevole; in effetti gli effetti di perdita di carico sono
proprio concentrati sulla parte destra del diagramma ovvero quando le velocità un
gioco sono elevate. Ovviamente minore è l’alzata maggiore sarà la perdita di carico
e dunque più basso sarà il coefficiente di riempimento (marker triangolari). Man mano
che l’alzata aumenta, le perdite di carico diminuiscono. Ovviamente maggiore alzata
può significare anche maggior numero di valvole: passando da un motore a due
valvole a un motore a quattro valvole certamente si vanno a migliorare le prestazioni
all’aspirazione ad elevati regimi di giri (la curva di coppia aumenta, ma si riduce il
regime di funzionamento stabile).
Nei sistemi a fasatura variabile è possibile la reintroduzione di gas residui,
anticipando l’apertura della valvola di aspirazione, ritardando la chiusura della valvola
di scarico, oppure sfasando entrambe le valvole di un stesso angolo. Con una
fasatura variabile è possibile utilizzare la fasatura giusta a seconda del regime di giri
di funzionamento del motore: in tal modo si ottiene una curva del coefficiente di
riempimento volumetrico che è data dall’inviluppo di diverse curve in modo da avere
una coppia elevata ovunque e quindi elevate prestazioni. Con una fasatura variabile
si riesce inoltre a ridurre il lavoro di pompaggio e quindi anche da un punto di vista
energetico questa soluzione è conveniente.

194
Lezione 16 (Sorrentino) 31/03/2017
Note introduttive a Matlab
Spiegazione – Problema 2
Nello script realizzato si vanno a caricare i dati riguardanti tempo, regime di giri e
coppia dal file eng_data.txt. Tali dati vengono poi collocati in opportune celle di un
file Excel, scegliendo le celle appropriate grazie ad opportuni comandi dati in Matlab.
La funzione double converte una variabile stringa in una variabile numerica, mentre
la funzione char fa il contrario, convertendo una variabile numerica in una variabile
stringa. Con opportuni comandi si riesce a trasportare i dati acquisiti da un file txt in
un file Excel in cui i diversi dati sono contenuti nelle celle desiderate. A questo punto
il file Excel diventa la banca dati di riferimento: è possibile dunque acquisire i dati dal
file Excel, calcolare la potenza in Matlab, e caricare opportunamente i valori di
potenza ottenuti all’interno del file Excel, affiancando una colonna a quelle già
precedentemente create: in tal modo si ottiene un file Excel in cui sono contenuti i
valori di tempo, giri, coppia e potenza.
Spiegazione – es_taylor
Verificare che la funzione cos(𝑥) nell’intorno dell’origine è approssimabile con le
somme parziali del suo sviluppo in serie di Mc-Laurin, tracciando i grafici della
funzione cos(𝑥) e delle prime cinque somme parziali nell’intervallo [−𝜋, +𝜋]:

𝑥 2𝑛
cos(𝑥) = ∑(−1)𝑛 ∙
(2𝑛)!
𝑛=0

Verificare inoltre che il calcolo vettoriale consente di ridurre i tempi di elaborazione


rispetto all’implementazione classica di programmazione.
Per conoscere il tempo impiegato da Matlab per eseguire un calcolo è possibile
utilizzare il comando tic (prima del calcolo) - toc (dopo il calcolo); se però si vuole
generare una variabile nel command window che conserva l’informazione riguardo
al tempo è possibile utilizzare il comando clock:
𝑡0 = 𝑐𝑙𝑜𝑐𝑘
Successivamente con il comando etime si va a valutare l’effettivo tempo impiegato
per eseguire quel determinato calcolo:
𝑡𝑒𝑚𝑝𝑜 = 𝑒𝑡𝑖𝑚𝑒(𝑐𝑙𝑜𝑐𝑘, 𝑡0 ) (𝑠𝑖 𝑎𝑔𝑔𝑎𝑛𝑐𝑖𝑎 𝑎𝑙𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑒 𝑐𝑟𝑒𝑎𝑡𝑎 𝑝𝑟𝑒𝑐𝑒𝑑𝑒𝑛𝑡𝑒𝑚𝑒𝑛𝑡𝑒)
Col comando pause si effettua appunto una pausa e per far ripartire il programma da
quel punto in poi basta premere su qualsiasi bottone della tastiera. Se si utilizza
invece il comanda pause(1) il programma riparte automaticamente dopo 1 𝑠𝑒𝑐𝑜𝑛𝑑𝑜
(è possibile dunque decidere il numero di secondi di arresto dello script).

195
Nel momento in cui si vanno a sovrapporre i plot del coseno approssimato con lo
sviluppo in serie di Mc-Laurin e quello calcolato da Matlab essi praticamente
coincidono. Inoltre eseguendo lo stesso esercizio con la programmazione in
vettoriale (anziché utilizzare un ciclo for) si nota come il tempo di calcolo si riduce
notevolmente.
È evidente che troncando lo sviluppo in serie di Mc-Laurin ad ordini più bassi, per
esempio al terzo ordine, si inizia a notare la differenza tra coseno approssimato e
coseno “reale” (calcolato da Matlab).
Ciclo Atkinson
Esistono delle alternative al ciclo Otto, che si possono ottenere giocando
opportunamente sulla fasatura delle valvole, ma mantenendosi sempre nell’ipotesi di
ciclo ideale. Un’alternativa è rappresentata dal ciclo Atkinson in cui il rapporto di
espansione volumetrico è diverso da quello che si ha nella fase di compressione.

Figura 151

In particolare nel ciclo Atkinson il rapporto volumetrico di espansione risulta maggiore


rispetto al rapporto volumetrico di compressione in quanto il fluido viene fatto
espandere dal punto 3 al punto 4, ma viene compresso dal punto 1 al punto 2.
Per ottenere questo ciclo inizialmente si cercava di intervenire sul manovellismo di
spinta, ma ciò si dimostrò essere troppo complesso, pertanto si passò a lavorare
sulla fasatura. Lavorando sulla fasatura si può fare in modo che le fasi confinanti con
la compressione e con l’espansione, ovvero le fasi di aspirazione e scarico, fossero
particolarmente differenti tra di loro. La fasatura delle valvole è un concetto che
sostanzialmente entra in gioco a partire dal ciclo reale in quanto nel ciclo limite
196
l’apertura e la chiusura delle valvole di aspirazione e scarico avviene in
corrispondenza del punto morto superiore e del punto morto inferiore. In tal caso
tuttavia si ragiona ancora sul ciclo ideale, pertanto la modifica si introduce con l’unico
scopo di rendere differenti la fase di espansione e la fase di compressione (in termini
di rapporto di compressione). In particolare si fa in modo che la valvola di scarico (lo
scarico inizia dal punto 4) si apre in una posizione più vicina al punto morto inferiore,
rispetto a quando invece si chiude la valvola di aspirazione: ciò permette di ottenere
un’espansione prolungata dal punto 3 al punto 4, mentre la compressione si realizza
al punto 1 al punto 2 (ovviamente 𝑉1 − 𝑉2 < 𝑉4 − 𝑉3 ).
Si definiscono i seguenti termini:
𝑇3
𝜏= (𝑐𝑜𝑚𝑒 𝑝𝑒𝑟 𝑖𝑙 𝑐𝑖𝑐𝑙𝑜 𝑂𝑡𝑡𝑜: 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑡𝑟𝑎 𝑙𝑒 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑒)
𝑇2
𝑉1
𝜌𝑐 = (𝑐𝑜𝑚𝑒 𝑝𝑒𝑟 𝑖𝑙 𝑐𝑖𝑐𝑙𝑜 𝑂𝑡𝑡𝑜: 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑣𝑜𝑙𝑢𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑖 𝑐𝑜𝑚𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒)
𝑉2
𝑉4 𝑉4 𝑉5
𝜌𝑒 = = = (𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑜 𝑣𝑜𝑙𝑢𝑚𝑒𝑡𝑟𝑖𝑐𝑜 𝑑𝑖 𝑒𝑠𝑝𝑎𝑛𝑠𝑖𝑜𝑛𝑒)
𝑉3 𝑉2 𝑉2
Un’altra possibilità di ottenere il ciclo Atkinson è quella di iniziare a comprimere più
tardi: in tal modo anziché spostare l’espansione si va a ridurre la compressione; ciò
si traduce nel ritardare abbondantemente la chiusura della valvola di aspirazione.
Per avere un beneficio da questo ciclo il rapporto volumetrico di espansione deve
essere almeno il 50 % più grande del rapporto volumetrico di compressione (quindi
tale discorso non è da confondersi con il problema di riempimento/svuotamento che
si ottiene sempre con opportuna fasatura delle valvole).
Se la chiusura della valvola di aspirazione viene ritardata, cioè anziché chiuderla nel
punto 1 si fa in modo che essa si chiuda in un punto intermedio tra 1 e 2 (interessando
parte della fase di compressione), nel cilindro si avrà meno aria giacché nel momento
in cui il pistone inverte la corsa dirigendosi verso il punto morto superiore, parte
dell’aria aspirata viene ri-espulsa verso l’esterno; in questo modo però si va a
peggiorare il riempimento del cilindro con un calo della coppia, della pressione media
indicata e dunque del rapporto potenza/peso. Tuttavia tale soluzione risulta
particolarmente adatta in alcuni casi, soprattutto se si tratta di veicoli ibridi: di fatto
pur riducendosi la potenza in questo modo aumenta il rendimento.
In realtà è bene precisare che il ciclo Atkinson è un ciclo puramente teorico ed è
quello che si ottiene andando a massimizzare l’espansione estendendola fino al
punto 5∗ (in tale situazione i punti 4 e 5 coincidono).
In ogni caso, una soluzione di questo tipo viene adottata quando si vuole privilegiare
l’efficienza rispetto alla potenza in un motore a combustione interna. In un veicolo
ibrido il motore a combustione interna è più piccolo, quindi eroga una potenza minore
(downsizing: cilindrata ridotta) e ciò comporta un incremento intrinseco
197
dell’efficienza; ragionando sul piano quotato coppia-giri e parametrizzando le diverse
curve rispetto al grado di apertura della valvola a farfalla si ottiene il seguente grafico:

Figura 152

In particolare la curva più in alto (curva in blu) rappresenta la curva di coppia


massima corrispondente alla massima apertura della valvola a farfalla, mentre tutte
le altre curve sono curve di coppia che si ottengono a carico parziale (valvola a
farfalla non completamente aperta). Le curve iso-rendimento invece hanno
l’andamento riportato in figura (curve in nero): man mano che ci si allontana dalla
parte centrale (regione di massimo rendimento) il rendimento tende a ridursi.
Un auto di cilindrata elevata, ad esempio 2000 𝑐𝑚3 , che circola in città ha molti punti
di funzionamento lontani dalla condizione di massimo rendimento (cerchietti in giallo
riportati in figura). Riducendo la cilindrata, la coppia tenderà a ridursi portandosi
verso il basso, così come si porterà verso il basso la curva iso-rendimento
corrispondente al rendimento massimo: i punti di funzionamento saranno dunque più
vicini alla zona di massima efficienza; questo è il motivo per cui è importante il
downsizing.
Sfruttando il ciclo Atkinson è dunque possibile “recuperare” la riduzione di potenza
con un aumento del rendimento. Supposto che bisogna passare da una cilindrata
pari a 2000 𝑐𝑚3 ad una cilindrata di 1200 𝑐𝑚3 , magari a conti fatti può risultare che
passando ad una cilindrata pari a 1300 𝑐𝑚3 , il vantaggio che si ha in termini di
efficienza è superiore rispetto all’effetto downsizing. Chiaramente questa soluzione
è molto competitiva soprattutto per i veicoli ibridi, mentre poco adottabile per i veicoli
convenzionali, giacché per aumentare l’efficienza bisogna aumentare anche il peso:
nel caso ibrido invece il peso è già abbondantemente ridotto.

198
A questo punto si vuole dimostrare perché si ha un incremento di efficienza nel
passaggio dal ciclo Otto, al ciclo Atkinson. L’efficienza di riferimento dalla quale
partire è quella del ciclo Otto:
1
𝜂 =1−
𝜌𝑐𝑘−1
Si vuole dunque calcolare il rendimento del ciclo Atkinson che può essere calcolato
come:
𝑄2
𝜂𝐴𝑇𝐾 = 1 −
𝑄1
Dove:
𝑄2 = 𝑐𝑎𝑙𝑜𝑟𝑒 𝑐𝑒𝑑𝑢𝑡𝑜
𝑄1 = 𝑐𝑎𝑙𝑜𝑟𝑒 𝑎𝑑𝑑𝑜𝑡𝑡𝑜
Infatti qualsiasi rendimento può essere espresso in questa forma. A questo punto è
possibile esplicitare i termini di calore addotto e calore ceduto:
𝑄1 = 𝑐𝑣 ∙ (𝑇3 − 𝑇2 ) (𝑐𝑜𝑚𝑒 𝑝𝑒𝑟 𝑖𝑙 𝑐𝑖𝑐𝑙𝑜 𝑂𝑡𝑡𝑜)
𝑄2 = 𝑐𝑣 ∙ (𝑇4 − 𝑇5 ) + 𝑐𝑝 ∙ (𝑇5 − 𝑇1 )

Il secondo termine di 𝑄2 è un termine aggiuntivo e rappresenta un calore ceduto a


pressione costante.
Pertanto sostituendo nel rendimento si ha:
𝑐𝑣 ∙ (𝑇4 − 𝑇5 ) + 𝑐𝑝 ∙ (𝑇5 − 𝑇1 ) 𝑇4 − 𝑇5 𝑇5 − 𝑇1
𝜂𝐴𝑇𝐾 = 1 − =1− −𝑘∙
𝑐𝑣 ∙ (𝑇3 − 𝑇2 ) 𝑇3 − 𝑇2 𝑇3 − 𝑇2
Dove:
𝑐𝑝
𝑘=
𝑐𝑣
A questo punto si vogliono scrivere tutte le temperature in funzione della temperatura
𝑇1 . Si ricordi che:
𝑇 ∙ 𝑣 𝑘−1 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 (𝑒𝑞𝑢𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙𝑙𝑎 𝑝𝑜𝑙𝑖𝑡𝑟𝑜𝑝𝑖𝑐𝑎 𝑖𝑑𝑒𝑎𝑙𝑒)
Pertanto:
𝑇2 = 𝑇1 ∙ 𝜌𝑐𝑘−1
𝑇3 = 𝜏 ∙ 𝑇1 ∙ 𝜌𝑐𝑘−1
𝑉3 𝑘−1 𝜌𝑐 𝑘−1
𝑇4 = 𝑇3 ∙ ( ) = 𝑇3 ∙ 𝜌𝑒1−𝑘 = 𝜏 ∙ 𝑇1 ∙ 𝜌𝑐𝑘−1 ∙ 𝜌𝑒1−𝑘 = 𝜏 ∙ 𝑇1 ∙ ( )
𝑉4 𝜌𝑒

199
La trasformazione 5 − 1 è una trasformazione a pressione costante (𝑃5 = 𝑃1 ) dunque
conviene utilizzare l’equazione di stato:
𝑃5 𝑉5 = 𝑚𝑅𝑇5
𝑃1 𝑉1 = 𝑚𝑅𝑇1
Dove:
𝑅 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒𝑙 𝑔𝑎𝑠 (𝑛𝑜𝑛 è 𝑙𝑎 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑙𝑒)
Dividendo membro a membro si ha:
𝑉5 𝑇5
=
𝑉1 𝑇1
Si tenga presente che in questo caso si sta considerando un ciclo ideale, senza
ricambio della carica (ipotesi semplificativa) per cui si ricava il beneficio del ciclo
Atkinson per un caso non conservativo (il beneficio reale è minore rispetto a quello
ideale).
Dalla relazione precedente si ottiene:
𝑉5 𝑉5 𝑉2 𝜌𝑒
𝑇5 = 𝑇1 ∙ = 𝑇1 ∙ ∙ = 𝑇1 ∙
𝑉1 𝑉2 𝑉1 𝜌𝑐
A questo punto è possibile sostituire quanto ottenuto nella relazione del rendimento:
𝜌 𝑘−1 𝜌 𝜌
𝜏 ∙ 𝑇1 ∙ ( 𝑐 ) − 𝑇1 ∙ 𝑒 𝑇1 ∙ 𝑒 − 𝑇1
𝜌𝑒 𝜌𝑐 𝜌𝑐
𝜂𝐴𝑇𝐾 =1− 𝑘−1 𝑘−1
−𝑘∙
𝜏 ∙ 𝑇1 ∙ 𝜌𝑐 − 𝑇1 ∙ 𝜌𝑐 𝜏 ∙ 𝑇1 ∙ 𝜌𝑐 − 𝑇1 ∙ 𝜌𝑐𝑘−1
𝑘−1

Semplificando 𝑇1 si avrà:
𝜌 𝑘−1 𝜌𝑒 𝜌𝑒
𝜏 ∙ ( 𝑐) − −1
𝜌𝑒 𝜌𝑐 𝜌𝑐
𝜂𝐴𝑇𝐾 =1− −𝑘∙
𝜏 ∙ 𝜌𝑐𝑘−1 − 𝜌𝑐𝑘−1 𝜏 ∙ 𝜌𝑐𝑘−1 − 𝜌𝑐𝑘−1
Posto:
𝜌𝑒
𝜌=
𝜌𝑐
Si avrà:
1 𝜏 ∙ 𝜌1−𝑘 − 𝜌 𝜌−1
𝜂𝐴𝑇𝐾 = 1 − 𝑘−1
∙[ +𝑘∙ ]
𝜌𝑐 𝜏−1 𝜏−1
A questo punto si moltiplica e si divide per 𝜌𝑘−1 solo il primo rapporto nella parentesi
quadra, e si ottiene l’espressione finale del rendimento del ciclo Atkinson:
1 𝜏 − 𝜌𝑘 𝜌−1
𝜂𝐴𝑇𝐾 = 1 − 𝑘−1 ∙ [ 𝑘−1 +𝑘∙ ]
𝜌𝑐 𝜌 ∙ (𝜏 − 1) 𝜏−1
200
Nel caso in cui 𝜌 = 𝜌𝑒 /𝜌𝑐 = 1 si ottiene ovviamente il rendimento del ciclo Otto in
quanto il termine in parentesi quadra vale uno. Ovviamente si dimostra che per 𝜌
crescente (maggiore di uno) il termine in parentesi quadra tende a decrescere (sarà
minore di uno) per cui il rendimento del ciclo Atkinson sarà maggiore del rendimento
del ciclo Otto.
È possibile valutare il 𝜌𝑀𝐴𝑋 , considerando il punto 5∗ ; in particolare nelle condizioni
di 𝜌𝑀𝐴𝑋 risulterà 𝑇5 = 𝑇4 = 𝑇5∗ per cui si avrà:
𝑘−1
𝜌𝑐
𝑇4 = 𝜏 ∙ 𝑇1 ∙ ( )
𝜌𝑒,𝑀𝐴𝑋
𝜌𝑒,𝑀𝐴𝑋
𝑇5 = ∙ 𝑇1
𝜌𝑐
Per cui:
𝑘−1
𝜌𝑒,𝑀𝐴𝑋 𝜌𝑐 𝜌𝑒,𝑀𝐴𝑋 𝑘 1
𝑇4 = 𝑇5 = 𝑇 5∗ ⟹ ∙ 𝑇1 = 𝜏 ∙ 𝑇1 ∙ ( ) ⟹ 𝜏=( ) ⟹ 𝜌𝑀𝐴𝑋 = 𝜏 𝑘
𝜌𝑐 𝜌𝑒,𝑀𝐴𝑋 𝜌𝑐
Oltre il valore di 𝜌𝑀𝐴𝑋 non ha più senso andare.
Per cui a questo punto è possibile studiare l’andamento del rendimento di un ciclo
Atkinson per 𝜌 che varia nell’intervallo [1, 𝜌𝑀𝐴𝑋 ] e al variare del parametro 𝜏.
In particolare in primo luogo, si effettui un’analisi parametrica per valutare i benefici
ottenibili con il ciclo Atkinson in sostituzione del ciclo Otto, assumendo:
 Funzionamento ideale
 𝑘 = 1.4
 𝜌𝑐 ∊ [4, 16]
 𝜌 ∊ [1, 4]
 𝜏=6
Si valuti se l’intervallo di variazione del parametro 𝜌 comprende il valore di 𝜌𝑀𝐴𝑋 . Per
come sono forniti i dati è conveniente calcolare il rendimento al variare di uno dei due
parametri (per esempio 𝜌) fissato che sia l’altro parametro (per esempio 𝜌𝑐 ) rispetto
al quale si vanno a parametrizzare le diverse curve (𝜏 e 𝑘 invece rimangono costanti).
È possibile dunque andare a plottare l’andamento del rendimento 𝜂𝐴𝑇𝐾 o meglio
ancora l’andamento del rapporto 𝜂𝐴𝑇𝐾 /𝜂𝑂𝑇𝑇𝑂 in funzione di 𝜌 e parametrizzando le
diverse curve rispetto a 𝜌𝑐 . Studiare l’andamento rispetto al parametro 𝜌𝑐 si riesce a
capire per quale tipo di motore è più importante avere un ciclo del tipo Atkinson (esso
ha senso per un motore piccolo, in un’applicazione in cui è importante massimizzare
il rendimento). In particolare all’aumentare del rapporto 𝜌𝑒 /𝜌𝑐 il beneficio si fa sempre
più evidente in termini di rapporto 𝜂𝐴𝑇𝐾 /𝜂𝑂𝑇𝑇𝑂 fino a 𝜌𝑀𝐴𝑋 , dopodichè oltre questo
valore il beneficio tende a scomparire. I benefici più importanti, anche con modifiche
non estreme, si ottengono con valori di 𝜌𝑐 ridotti (rapporti di compressione piccoli)
201
ovvero su motori piccoli (importanza del downsizing; con grandi cilindrate è
necessaria una differenza tra 𝜌𝑒 e 𝜌𝑐 praticamente insostenibile per avere dei
benefici).
Nel momento in cui si considera anche il ricambio della carica (per un motore
aspirato), sul ciclo Otto di riferimento l’intervallo volumetrico relativo all’espansione è
pari a quello relativo alla compressione:

Figura 153

Adottando la prima soluzione vista precedentemente, cioè facendo in modo che la


valvola di scarico si apre in una posizione più vicina al punto morto inferiore, rispetto
a quando invece si chiude la valvola di aspirazione, si ottiene un prolungamento della
fase di espansione, con una fase di compressione che invece rimane identica a
quella del ciclo Otto di riferimento:

Figura 154

L’espansione abbraccerà un intervallo volumetrico superiore rispetto al caso


precedente, mentre la compressione rimane uguale a quella di riferimento.

202
L’altra soluzione è invece quella di ritardare la chiusura della valvola di aspirazione;
questa è la soluzione adottata ad esempio nella Toyota Prius in cui la fase di
espansione rimane praticamente identica a quella di riferimento, mentre la fase di
compressione si riduce notevolmente:

Figura 155

Quest’ultima soluzione risulta certamente più semplice rispetto a quella precedente,


anche perché si gioca solamente sulla valvola di aspirazione, laddove nel primo caso
è necessario agire su entrambe le valvole.

203
Lezione 17 (Rizzo) 4/04/2017
Introduzione alla modellistica
Si ricordi che mentre valutare la precisione del modello è molto semplice in quanto
si va a valutare lo scostamento tra i dati calcolati dal modello e quelli sperimentali
con la tecnica dei minimi quadrati (sebbene ce ne siano anche altre), valutare la
predittività dello stesso non è così semplice in quanto non si hanno dati sperimentali
a disposizione; in quest’ultimo caso si fa riferimento all’intervallo di confidenza che
fornisce delle bande di tolleranza entro le quali con un certo grado di probabilità varia
la grandezza predetta e un intervallo di probabilità entro cui varieranno i parametri
stimati: la conoscenza di tale intervallo consente di capire quanto la stima di quel
parametro sia significativa (si va a vedere quant’è grande la banda di variazione ed
in particolare se in essa è incluso lo zero, tale termine viene escluso perché non
significativo). Nella regressione stepwise ci sono delle procedure che praticamente
automatizzano quanto detto, andando proprio a valutare l’intervallo di confidenza
eliminando o arricchendo una struttura funzionale di alcuni termini.
In Matlab esistono diversi comandi che permettono di svolgere una regressione. La
regressione polinomiale è certamente una tra le più semplice anche perché i polinomi
sono delle strutture matematiche abbastanza semplici da trattare ed hanno delle
proprietà molto importanti, pertanto quando non si hanno ulteriori informazioni sulla
forma funzionale da tirar fuori la prima cosa che si fa è proprio quella di cercare di
descrivere l’andamento attraverso un polinomio. Con i comandi polyfit e polyval è
possibile risolvere dei problemi in una variabile, mentre con regress è possibile
ragionare in più variabili. Esistono poi dei comandi per dar vita ad una regressione
non lineare che è lo strumento più generale possibile, che permette di trovare una
funzione di qualunque forma a patto che non ci siano discontinuità nella funzione
stessa (altrimenti gli algoritmi alla base non funzionano: infatti tale metodologia fa
uso di un metodo di minimizzazione che suppone la funzione continua altrimenti non
riesce a calcolare le derivate perché per una funzione discontinua quest’ultima non
è definita). In ogni caso gli strumenti di regressione più avanzati permettono anche
di effettuare la stima degli intervalli di confidenza.
Un problema simile (regressione) è possibile risolverlo anche utilizzando Excel. Di
seguito viene presentato un esempio relativo ad una regressione lineare semplice,
ma può servire anche alla soluzione di problemi non lineari in più variabili e con
vincoli.

204
Figura 156

In pratica è stata creata una colonna 𝐴 di valori 𝑋 (variabile indipendente) che vanno
da 1 a 10, mentre nella colonna 𝐵 si riportano una serie di valori misurati 𝑌 (variabile
dipendente), ovvero valori sperimentali; per generare i valori sperimentali, si utilizza
una funzione lineare della 𝑋 a cui viene aggiunto un termine di rumore: 4 + 3𝑋 +
(𝑟𝑎𝑛𝑑𝑜𝑚 − 0.5) ∗ 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒, in sostanza con il valore random (numero casuale) si
aggiunge del rumore in modo da simulare l’effetto dell’errore sperimentale; in
particolare il numero casuale sarà compreso tra 0 e 1, ma sottraendo ad esso il valore
0.5 si otterrà un numero compreso tra −0.5 e 0.5; inoltre questo numero viene
successivamente moltiplicato per una costante e dunque a seconda del suo valore
si avrà un peso diverso del rumore (maggiore è la costante maggiore sarà il peso
dell’imprecisione).

Figura 157

205
Nella colonna 𝐶, invece si vanno a mettere i valori calcolati 𝑌𝑐𝑎𝑙𝑐 dalla funzione
ipotizzata; tale colonna viene costruita utilizzando un funzione di primo grado, dove
il valore calcolato è dato da: 𝑎 + 𝑏𝑥; in sostanza essa è una retta e i valori dei
coefficienti 𝑎 e 𝑏, vengono forniti in una casella appropriata (è necessario dare dei
valori qualunque, per poter generare 𝑌𝑐𝑎𝑙𝑐). In sostanza si vuole calcolare qual è la
funzione di primo grado che approssima meglio quell’andamento sperimentale. A
questo punto nella colonna 𝐷 si va a calcolare il parametro di precisione, ovvero
l’errore quadratico: esso è fornito dal quadrato della differenza tra i valori misurati e
quelli calcolati ((𝑌 − 𝑌𝑐𝑎𝑙𝑐)2 ); sommando tutti gli errori quadratici si ottiene lo scarto
quadratico. Il problema si risolve proprio andando a minimizzare lo scarto quadratico.
Bisognerà dunque minimizzare lo scarto quadratico agendo proprio sui due
coefficienti 𝑎 e 𝑏: variando tali coefficienti varieranno i valori 𝑌𝑐𝑎𝑙𝑐, quindi di
conseguenza gli errori e dunque la loro somma; tra le diverse combinazioni
l’algoritmo dovrà scegliere la coppia di valori 𝑎 e 𝑏 che rendono minimo il valore dello
scarto quadratico. Per fare ciò si utilizza un componente aggiuntivo di Excel detto
Risolutore.

Figura 158

Nella finestra del Risolutore bisognerà specificare la cella obiettivo, ovvero la cella
rispetto alla quale vengono svolti i calcoli (in tal caso è la cella contenente lo scarto
quadratico); il valore contenuto in tale cella può essere reso massimo, minimo oppure
pari a un determinato valore: il tal modo è possibile risolvere un problema di
massimizzazione, di minimizzazione (che poi è la stessa cosa, basta mettere un
segno meno avanti), oppure un’equazione (o anche un sistema di equazioni). È
necessario inoltre andare a specificare su quali celle agire, per poter modificare la
cella obiettivo, che in questo caso sono le celle contenenti i valori di 𝑎 e 𝑏. È possibile
inoltre anche andare a specificare dei vincoli, per esempio fissare che i coefficienti
non devono essere dei numeri reali qualunque, ma magari devono essere solo
206
positivi (perché magari rappresentano delle grandezze fisiche). A questo punto
cliccando sul bottone Risolvi è possibile trovare (sperabilmente) la soluzione,
attraverso una procedura iterativa.
La risoluzione di numerosi problemi (progetto ottimizzato, controllo ottimo,
identificazione di un modello, …) può essere ricondotta ad un problema di ottimo
vincolato (ricerca del massimo o del minimo di una funzione congiuntamente al
soddisfacimento di uguaglianze e/o disuguaglianze). I problemi di ottimo vincolato
possono a loro volta essere ricondotti alla ricerca del minimo di una opportuna
funzione di 𝑛 variabili. In molti ambienti di calcolo sono disponibili routines per la
ottimizzazione vincolata o la minimizzazione di una funzione di 𝑛 variabili, e che
permettono di scegliere tra diversi algoritmi.
La classificazione dei problemi di ottimizzazione è la seguente:
 Legami tra variabili:
o Lineare
o Non lineare: nel campo dell’ingegneria spesso si ha a che fare con
funzioni non lineari.
 Natura della funzione:
o Deterministica
o Stocastica: in buona parte dell’ingegneria, dove si ha a che fare con la
fluidodinamica, la maggior parte dei processi studiati hanno una natura
di tipo stocastico (la fluidodinamica spesso si muove in ambito di regime
turbolento, che per definizione è stocastico).
In realtà il modello di un processo stocastico può essere anche deterministico,
ovvero ogni qualvolta riceve un certo input fornisce sempre lo stesso output a
prescindere dal fatto che il valore misurato possa essere uguale o meno a
quell’output. Pertanto nella maggior parte dei casi le funzioni utilizzate sono di
tipo deterministiche.
 Tipi di metodo:
o Analitici: sono metodi che derivano direttamente dai teoremi di
matematica (condizioni necessarie e sufficienti affinché una funzione
abbia un minimo, riferimento a gradiente, hessiano, …).
o Numerici: sono i metodi adoperati nella maggior parte dei casi; essi sono
ispirati alla matematica, ma non hanno una soluzione diretta al problema
(essi ci arrivano in maniera iterativa, attraverso opportuni algoritmi).
o Genetici: questi metodi sono ispirati ad un approccio di tipo matematico,
ma con altri criteri; i metodi genetici emulano il processo di evoluzione
genetica del DNA, ovvero il processo della selezione naturale che
avviene attraverso l’eliminazione di alcuni soggetti che risultano meno
evoluti (come accade nell’evoluzione naturale). Essi hanno minore
efficienza rispetto ai migliori metodi numerici, ma in molti casi sono gli
unici che è possibile utilizzare (i metodi numerici, si rifanno alla
matematica classica, basata sulle funzioni continue): in natura esistono
207
di fatto di processi non continui che dunque non è possibile ricondurre
al concetto di derivate.
o Altro tipo: un esempio è proprio rappresentato dai metodi genetici, ma
ce ne sono tanti altri.
 Insieme di definizione delle variabili:
o Continuo: le variabili vengono assimilate a dei numeri reali (continui),
magari positivi o negativi.
o Discreto: in alcuni casi, per loro natura, le variabili non possono essere
dei numeri reali, ma devono essere definite in un insieme numerabile di
valori (variabili discrete: insieme dei numeri interi ad esempio); se si sta
facendo l’ottimizzazione di un impianto di produzione e bisogna decidere
quanti torni inserire in una certa linea di produzione è possibile scegliere
solo un numero intero di macchine (5 o 6, ma non 5.2).
o Numeri interi: in certi casi non è possibile nemmeno utilizzare tutti i
numeri interi, ma magari si considerano solo quelli positivi.
o Misto: sono i problemi più complessi dove ci sono alcune variabili
continue e altre variabili discrete; nel momento in cui si deve ottimizzare
il progetto di un impianto a vapore ci sono alcune variabili che si
configurano come numeri reali (variabili continue) come la pressione
massima di lavoro (che comunque non può superare la pressione
critica), pressione di spillamento, …, ma altre variabili che invece sono
discrete, come il numero di risurriscaldamenti, il numero di spillamenti,
….
 Presenza di vincoli:
o Non vincolati: caso più semplice (un esempio è rappresentato
dall’esercizio risolto prima con l’ausilio di Excel per il calcolo dei
coefficienti 𝑎 e 𝑏, che potevano assumere qualunque valore).
o Vincolata con vincoli di:
 Uguaglianza: si punta a trovare una soluzione che oltre a
minimizzare (o massimizzar) una certa funzione obiettivo soddisfi
anche un’equazione; ad esempio si vogliono trovare 𝑛 soluzioni
di un impianto a ciclo Joule che fornisca il massimo rendimento e
che però forniscano un lavoro utile pari a un certo valore (perché
magari la potenza dell’impianto è fissata a monte).
 Disuguaglianza: se si sta progettando un impianto a vapore, ad
un certo punto del ciclo, il fluido andrà a finire nella turbina ed è
noto che il titolo del vapore che evolve in essa non deve essere
minore di 0.8, perché altrimenti la turbina non funziona bene (o
magari il modello di calcolo utilizzato non funziona in quanto si
presuppone un fluido con almeno questo titolo); in tal caso il titolo
non è una variabile di ingresso, ma è una variabile calcolata, però
si deve appunto imporre il vincolo di disuguaglianza per fare in

208
modo che qualunque sia il risultato risulti un titolo sempre
superiore o al limite uguale a 0.8.
 Probabilistici
 Funzione obiettivo:
o Scalare: caso più frequente.
o Vettoriale (Multi-Objective): in alcuni casi non si riesce a racchiudere in
una sola variabile quanto desiderato per ottenere un determinato ottimo,
per cui si ricorre a funzioni vettoriali. Nel caso del motore, se si vuole
ottimizzare il problema nell’ottica di minimizzare consumi ed emissioni
si hanno almeno quattro o cinque variabili da minimizzare (le emissioni
comprendono idrocarburi incombusti, monossido di carbonio, …).
Anzitutto bisognerà capire in questo caso se è realmente possibile
minimizzarle tutte: nella maggior parte dei casi ciò non è possibile per
cui bisogna cercare un compromesso (quindi si va nel campo della
minimizzazione multi-obiettivo: Pareto fu il primo a realizzare una
formulazione matematica per risolvere tali problemi).
 Tipo di ottimo calcolato:
o Locale: se ci si sposta di un 𝜀 piccolo, dal valore del minimo locale tutte
le soluzioni hanno valori maggiori di quello calcolato.
o Globale: è il valore minimo assoluto in tutto il campo possibile di
variazione della funzione. In molti casi si è interessati proprio alla ricerca
di un minimo globale piuttosto che di un minimo locale. D’altro canto la
cosa non è così semplice: una buona parte degli algoritmi disponibili
vanno a trovare un minimo locale ed attraverso considerazioni di
carattere statistico, ovvero ripetendo più volte il calcolo e spostandosi in
diversi punti iniziali, è possibile avere una ragionevole certezza di aver
trovato il minimo globale, ma non la certezza matematica.

Figura 159

209
 Ordine del metodo:
o Zero : è l’informazione minima che è possibile trovare; in particolare in
tal caso si hanno informazioni su una funzione: per alcuni valori delle 𝑋
è noto il valore della variabile dipendente 𝑌. Tali metodi sono per
funzioni non differenziabili.
o Primo: l’esperimento fornisce non solo il valore della funzione, ma anche
quello delle derivate prime (quindi fornisce la funzione e il suo gradiente,
ovvero le sue derivate rispetto a ciascuna variabile indipendente). Tali
metodi sono del gradiente e derivati.
o Secondo: sono i metodi più evoluti e danno informazioni sulla funzione,
sulle derivate prime e sulle derivate seconde (quindi ricavano
l’informazione più completa possibile). Tali metodi sono quelli di Newton
e derivati.
Per ordine del metodo si intende la quantità di informazioni che una
metodologia iterativa acquisisce sulla funzione una volta che va a fare un
esperimento numerico; un algoritmo iterativo prova cosa accade assegnando
dei valori a certe variabili indipendente andando a vedere qual è il valore della
variabile dipendente e confronta tale risultato con altri esperimenti che ha fatto
per decidere in che direzione deve muoversi. A seconda del tipo di metodo, di
come è costruito e della matematica che c’è dietro, esistono vari livelli di
informazione che l’algoritmo ricava dal suo esperimento e che può essere di
carattere zero, primo, secondo. Ovviamente più è dettagliata l’informazione
che si ricava da un esperimento è più si ha possibilità di arrivare al giusto
risultato e in tempi veloci, quindi dovrebbero essere utilizzati sempre metodi
del secondo ordine; tuttavia devono esistere due condizioni: la prima è che
bisogna poter calcolare le derivate e ciò può essere fatto solo per funzioni
continue, la seconda è che tali informazioni devono essere giuste (se bisogna
arrivare in un bar di una certa città e si chiedono delle informazioni a un
passante è possibile trovarsi di fronte a tre situazioni: il primo passante dice di
andare avanti, girare a destra e chiedere a qualcun altro (informazione di
ordine zero), il secondo passante può essere più completo, dicendo di andare
avanti, girare a destra, prendere la seconda traversa a sinistra e dunque
chiedere (informazione di ordine uno), il terzo passante invece dice tutto il
percorso che bisogna fare (informazione di ordine due); quest’ultima
informazione è migliore delle altre a patto che sia giusta, perché se non lo è,
si è perso del tempo ad ascoltare tale informazione e magari poi ci si perde).
Per capire quanto può essere complicato trovare un minimo globale in un caso
generico è possibile fare un esempio utilizzando la funzione fmin messa a
disposizione da Matlab. Si va a creare praticamente una funzione che somiglia ad
una parabola, ovvero si parte da una funzione 𝑦1 = 𝑥 2 a cui però si sottrae un termine
𝑦2 = 1/((𝑥 − 𝑥0 )2 + 0.001); in sostanza la funzione risultante 𝑦 è definita come:
𝑦 = 𝑦1 − 𝑦2

210
Nella funzione 𝑦2, quando 𝑥 = 𝑥0 (dove 𝑥0 = 20 in questo caso), essa varrà proprio
1000, mentre in tutti gli altri casi il termine (𝑥 − 𝑥0 )2 cresce molto rapidamente.
Pertanto quando risulta 𝑥 = 𝑥0 alla parabola si sta sottraendo il valore 1000, mentre
quando ci si sposta dal valore di 𝑥0 , la funzione va rapidamente a zero, per cui alla
parabola si sottrae un valore nullo. Plottando la funzione 𝑦 risultante praticamente si
ottiene una parabola in tutto il campo, tranne che per 𝑥 = 𝑥0 = 20.

Figura 160

Chiedendo a Matlab di trovare il minimo di questa funzione e specificando il campo


in cui ricercare tale minimo (in tal caso tra −30 e +30, che è un range che include
sia il minimo locale che quello globale), esso fornirà il valore del minimo locale e non
quello del minimo globale.

Figura 161

L’algoritmo dopo tre iterazioni, ipotizza che la funzione si comporta come una
parabola, andando a calcolare analiticamente il punto di minimo della parabola

211
individuata: quando si ha convergenza l’algoritmo si ferma e fornisce il risultato. La
soluzione fornita in questo caso è: 𝑥 = 0, 𝑦 = 0 (minimo locale).
Se invece si fornisce un intervallo molto ristretto, intorno al minimo globale (in un
range tra 19.9 e 20.1), evidentemente l’algoritmo riesce a trovare il minimo globale:

Figura 162

In tal caso la soluzione fornita è: 𝑥 = 20, 𝑦 = −600 (minimo globale); tuttavia


praticamente con quel range ristretto la soluzione era già nota a prescindere.
È evidente che tale funzione è abbastanza complessa, tuttavia nella fisica esistono
alcuni fenomeni, soprattutto quando si trattano problemi di risonanza, …, dove
esistono funzioni che assumono dei picchi particolari e quindi non è un qualcosa del
tutto anomala.
Come detto sinora, se le derivate di una funzione sono dei valori precisi, la
conoscenza delle stesse aiuta certamente la convergenza del processo: esistono
tuttavia una serie di problematiche dietro al calcolo di tali derivate. In sostanza per
quanto riguarda la derivata e l’integrale a livello numerico accade esattamente il
contrario di ciò che accade studiando la matematica analitica; da un punto di vista
analitico la derivazione è un’operazione abbastanza semplice ed esistono un insieme
di regole che ne permettono il calcolo in maniera abbastanza agevole; viceversa, per
l’integrale, sebbene esistano un insieme di regole da poter applicare, se la funzione
è particolarmente complessa non è detto che si riesca a calcolare l’integrale stesso.
Nel calcolo numerico la situazione è invertita: l’integrale (a meno che la funzione non
sia strana) lo si calcola agevolmente essendo esso il limite di una somma (riducendo
molto il passo di integrazione è possibile fare delle somme che forniscono il valore
dell’integrale stesso), mentre la derivata è il limite di un rapporto incrementale. Nel
caso della derivata il denominatore, che è la perturbazione, deve tendere a zero:

212
quando si effettua un rapporto tra un numeratore ed un denominatore che tende a
zero nascono una serie di problemi.
La derivata prima di una funzione si calcola facendo il limite del rapporto
incrementale:
𝑦(𝑥 + 𝛥𝑥) − 𝑦(𝑥)
𝑦 ′ (𝑥) = lim
𝛥𝑥→0 𝛥𝑥
Tuttavia il valore della derivata, può essere approssimato col rapporto incrementale,
facendo assumere all’incremento 𝛥𝑥 valori tendenti allo zero, ma finiti. In tal caso
rispetto alla derivata si ottiene un certo errore detto errore di troncamento che si
riduce al ridursi di 𝛥𝑥:
𝑦(𝑥 + 𝛥𝑥 ) − 𝑦(𝑥)
𝑦 ′ (𝑥 ) = + 𝜀𝑡 (𝑑𝑒𝑟𝑖𝑣𝑎𝑡𝑎 𝑓𝑜𝑟𝑤𝑎𝑟𝑑: 𝑑𝑒𝑟𝑖𝑣𝑎𝑡𝑎 𝑖𝑛 𝑎𝑣𝑎𝑛𝑡𝑖)
𝛥𝑥
Ovviamente è possibile anche fare la derivata backward andando a perturbare la 𝑥
all’indietro: c’è una piccola differenza tra le due derivate, ma quando 𝛥𝑥 → 0 esse
coincidono.
Lo stesso discorso vale per la derivata seconda che può essere calcolata applicando
la stessa formula precedente alla derivata prima (la derivata seconda è nient’altro
che la derivata della derivata prima):
𝑦(𝑥 + 𝛥𝑥 ) − 𝑦(𝑥) 𝑦(𝑥) − 𝑦(𝑥 − 𝛥𝑥)
′(
𝑦 𝑥 + 𝛥𝑥) − 𝑦 𝑥)′( ( − )
𝛥𝑥 𝛥𝑥
𝑦 ′′ (𝑥) = =
𝛥𝑥 𝛥𝑥
𝑦(𝑥 + 𝛥𝑥 ) − 2𝑦(𝑥) + 𝑦(𝑥 − 𝛥𝑥)
=
𝛥𝑥 2
Lo schema numerico utilizzato (derivata forward o in avanti) è soltanto uno dei
possibili algoritmi a cui si può ricorrere per il calcolo della derivata numerica.
Col computer si hanno a disposizione dei metodi piuttosto semplici per calcolare la
derivata prima o la derivata seconda di una funzione ragionando proprio sul rapporto
incrementale: se attraverso delle simulazioni si è in grado di calcolare il valore della
funzione in un punto generico, applicando tali relazioni è possibile calcolare la
derivata prima e/o la derivata seconda. Tuttavia bisogna considerare che ci sono
delle fonti di errore, tra le quali, la prima è proprio l’errore di troncamento già citato e
la seconda è l’errore di arrotondamento. In effetti su un computer non si hanno a
disposizione un numero infinito di cifre significative per rappresentare un numero:
sebbene tale numero sia molto elevato è comunque finito. Ciò significa che un
determinato numero (valore analitico) è dato dalla sua rappresentazione numerica
sul computer (valore numerico) più un errore detto errore di arrotondamento:
𝑦(𝑥) = 𝑦̅(𝑥) + 𝜀𝑎

213
Per esempio il numero 1/3 sul computer, supposto di avere a disposizione solo sei
cifre, viene rappresentato nel seguente modo:
1
= 0.33333 + 0. 3̅ ∙ 10−6
3
L’errore di arrotondamento con i primi computer rappresentava un errore abbastanza
serio, oggigiorno il problema si è ridotto, ma in alcuni casi non è possibile non tenerne
conto giacché influenza notevolmente il risultato. Tra l’altro in tal caso è possibile
conoscere con precisione qual è il valore dell’errore di arrotondamento giacché era
noto il valore esatto del numero, tuttavia nel caso di espressioni complesse
(espressione algebrica complessa o risultato di una serie di calcolo), l’errore di
arrotondamento non è in genere calcolabile in modo esatto, se non come ordine di
grandezza (l’ordine di grandezza è dato dall’ultima cifra significativa che è possibile
avere nel valore numerico: nell’esempio l’ordine di grandezza è proprio 10−6 ). Inoltre
nel corso di una sequenza di calcoli, l’errore di arrotondamento può combinarsi in
modo non facilmente prevedibile, riducendosi o amplificandosi (o magari rimanendo
dello stesso ordine di grandezza), potendo giungere in alcuni casi ad inficiare
seriamente la precisione dei risultati: quest’ultima cosa è proprio quello che accade
nel caso delle derivate.
Nel caso della derivata prima, per quanto detto precedentemente, da un punto di
vista numerico può essere calcolata nella maniera seguente:
𝑦(𝑥 + 𝛥𝑥 ) − 𝑦(𝑥)
𝑦 ′ (𝑥 ) = + 𝜀𝑡
𝛥𝑥
Tuttavia in virtù di quanto detto, ad ogni valore della funzione deve essere sostituito
la sua rappresentazione numerica sul computer tenendo conto dell’errore di
arrotondamento:
𝑦̅(𝑥 + 𝛥𝑥 ) + 𝜀1 − 𝑦̅(𝑥) − 𝜀2
𝑦 ′ (𝑥 ) = + 𝜀𝑡
𝛥𝑥
Pertanto si avrà:
𝑦̅(𝑥 + 𝛥𝑥 ) − 𝑦̅(𝑥) 𝜀1 − 𝜀2
𝑦 ′ (𝑥 ) = + + 𝜀𝑡
𝛥𝑥 𝛥𝑥
Dove:
𝑦 ′ (𝑥) = 𝑣𝑎𝑙𝑜𝑟𝑒 𝑣𝑒𝑟𝑜 (𝑎𝑛𝑎𝑙𝑖𝑡𝑖𝑐𝑜) 𝑑𝑒𝑙𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑡𝑎
𝑦̅(𝑥 + 𝛥𝑥 ) − 𝑦̅(𝑥)
= 𝑟𝑎𝑝𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑧𝑖𝑜𝑛𝑒 𝑛𝑢𝑚𝑒𝑟𝑖𝑐𝑎 𝑑𝑒𝑙𝑙𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑡𝑎
𝛥𝑥
𝜀1 − 𝜀2
= 𝑒𝑟𝑟𝑜𝑟𝑒 𝑑𝑜𝑣𝑢𝑡𝑜 𝑎𝑙𝑙′ 𝑎𝑟𝑟𝑜𝑡𝑜𝑛𝑑𝑎𝑚𝑒𝑛𝑡𝑜
𝛥𝑥
𝜀𝑡 = 𝑒𝑟𝑟𝑜𝑟𝑒 𝑑𝑖 𝑡𝑟𝑜𝑛𝑐𝑎𝑚𝑒𝑛𝑡𝑜

214
Al numeratore dell’errore dovuto all’arrotondamento si ha la differenza 𝜀1 − 𝜀2 : tale
differenza dà vita ad un numero che ha lo stesso ordine di grandezza di ciascuno dei
due termini (pertanto nell’esempio fatto esso sarà 10−6 ). Volendo andare a calcolare
con precisione le derivate, si tende ad avvicinarsi al caso analitico e cioè a calcolare
la derivata come limite del rapporto incrementale per 𝛥𝑥 che tende a zero: in questo
modo, scegliendo un passo molto piccoli l’errore di troncamento tenderà a zero;
tuttavia quando 𝛥𝑥 → 0, non tenderà a zero anche il termine 𝜀1 − 𝜀2 giacché esso si
mantiene sempre dello stesso ordine di grandezza dell’errore di arrotondamento: a
𝜀 −𝜀
un certo punto il 𝛥𝑥 diventa minore del numeratore e dunque il termine 1 2 tende a
𝛥𝑥
crescere (ciò accade quando il passo di derivazione scende al di sotto dell’ordine di
grandezza dell’errore di arrotondamento).
A titolo di esempio, si consideri la funzione elementare:
𝑦 = log(1 + 𝑥)
Analiticamente la derivata prima di tale funzione vale:
1
𝑦′ =
1+𝑥
Mentre la derivata seconda vale:
1
𝑦 ′′ =
(1 + 𝑥 ) 2
È possibile andare a calcolare la differenza tra il valore vero della derivata prima e
della derivata seconda ed il valore numerico calcolato attraverso il rapporto
incrementale, in modo da verificare quanto vale l’errore.
In particolare il grafico seguente (in scala logaritmica) riporta il valore assoluto
dell’errore commesso calcolando la derivata prima e la derivata seconda per via
numerica, al variare del passo 𝑑𝑥, per la funzione definita precedentemente:

Figura 163

215
In un primo tratto (𝐴), l’errore si riduce con il passo, perché diminuisce l’errore di
troncamento. Quando il passo si riduce oltre un valore limite, l’errore cresce
assumendo valori random (𝐵), perché prevale l’effetto dell’errore di arrotondamento:
esso inizia ad oscillare e a crescere. Per la derivata seconda l’errore si riduce anche
più rapidamente rispetto alla derivata prima (dipendenza quadratica dal 𝑑𝑥), ma esso
inizia a crescere già a partire da passi più grandi: per valori del passo dell’ordine di
10−8 , l’errore diventa addirittura dello stesso ordine di grandezza della funzione
stessa (l’errore travalica la funzione). Quindi il valore limite del passo è maggiore nel
caso della derivata seconda, e cresce con l’ordine della derivata. Pertanto calcolare
la derivata da un punto di vista numerico, è un’operazione delicata in quanto bisogna
scegliere in maniera oculata il passo di derivazione, soprattutto quando si vanno a
calcolare le derivate di ordine elevato. Ciò rappresenta un limite alla possibilità di
applicare un metodo che richieda il calcolo delle derivate e richiede un’attenzione
nella scelta del calcolo delle derivate (bisogna stare attenti a scegliere il passo di
derivazione: esistono dei metodi che sono capaci di scegliere qual è il passo più
adatto). Con funzioni di più variabili bisogna fare in modo che le diverse variabili
abbiano tutte lo stesso campo di variazione: se in una funzione di due variabili, la 𝑥1
varia nel campo [0, 1] e la 𝑥2 varia nel campo [−106 , +106 ] è bene ridefinire tali
variabili in modo che entrambe abbiano un campo di variazione simile, perché
altrimenti un passo di derivazione per una delle variabili sarà enorme, mentre per
l’altra sarà piccolissimo.
Tutto i ragionamenti fatti finora si possono estendere a funzioni di più variabili, dove
la matematica diventa più complessa, ma concettualmente il discorso rimane lo
stesso. In tal caso, dove prima si parlava di derivata prima, ora si parla del vettore
gradiente, che è un vettore formato dalle derivate parziali del primo ordine della
funzione rispetto ad ogni singola variabile indipendente:
∂𝑦 ∂y ∂y
𝐺=[ , ,…, ]
∂x1 ∂x2 ∂xn
In pratica la i-esima componente della derivata può essere calcolata andando a
perturbare la i-esima variabile, lasciando inalterate le altre. Operando secondo uno
schema di tipo forward si ha:
∂y 𝑦(𝑥1 , 𝑥2 , … , 𝑥𝑖 + 𝛥𝑥, … , 𝑥𝑛 ) − 𝑦(𝑥1 , 𝑥2 , … , 𝑥𝑖 , … , 𝑥𝑛 )
=
∂xi 𝛥𝑥
Andando di volta in volta a perturbare una delle 𝑛 variabili, è possibile calcolare tutte
le componenti del gradiente. Per il calcolo del gradiente 𝐺 (𝑥) in un punto generico,
si richiede quindi la valutazione della funzione negli 𝑛 + 1 punti (bisogna calcolarla
una volta nel punto base e poi 𝑛 volte bisogna andare a perturbare una delle
variabili):
𝑥1 , 𝑥2 , … , 𝑥𝑛
𝑥1 + 𝛥𝑥, 𝑥2 , … , 𝑥𝑛
216
𝑥1 , 𝑥2 + 𝛥𝑥, … , 𝑥𝑛
…,…,…,…
𝑥1 , 𝑥2 , … , 𝑥𝑛 + 𝛥𝑥
Per il calcolo della derivata seconda c’è una maggiore complessità; la matrice delle
derivate seconde è detta matrice Hessiana che è una matrice simmetrica. In
particolare le componenti della matrice 𝐻 (x) sono costituite dalle 𝑛2 derivate parziali
del secondo ordine (sulla diagonale si trova la derivata seconda rispetto alla generica
variabile, mentre i termini fuori diagonale sono le derivate miste):
∂2 𝑦 ∂2 𝑦 ∂2 𝑦

𝑑𝑥12 ∂x1 ∂x2 ∂x1 ∂xn
2 2
∂ 𝑦 ∂ 𝑦 ∂2 𝑦
𝐻= …
∂x2 ∂x1 𝑑𝑥22 ∂x2 ∂xn
… … … …
2 2 2
∂ 𝑦 ∂ 𝑦 ∂ 𝑦

[ ∂xn ∂x1 ∂xn ∂x2 ∂x𝑛2 ]
Anche in questo caso le componenti possono essere calcolate con le espressioni
seguenti:
∂2 𝑦 𝑦(𝑥1 , 𝑥2 , … , 𝑥𝑖 + 𝛥𝑥, … , 𝑥𝑛 ) − 2𝑦(𝑥1 , 𝑥2 , … , 𝑥𝑖 , … , 𝑥𝑛 ) + 𝑦(𝑥1 , 𝑥2 , … , 𝑥𝑖 − 𝛥𝑥, … , 𝑥𝑛 )
=
∂xi2 𝛥𝑥 2

∂2 𝑦 𝑦(𝑥1 , … , 𝑥𝑖 + 𝛥𝑥, … , 𝑥𝑗 + 𝛥𝑥, … , 𝑥𝑛 ) − 𝑦(𝑥1 , … , 𝑥𝑖 , … , 𝑥𝑗 + 𝛥𝑥, … , 𝑥𝑛 )


=
∂xi ∂xj 𝛥𝑥 2
−𝑦(𝑥1 , … , 𝑥𝑖 + 𝛥𝑥, … , 𝑥𝑗 , … , 𝑥𝑛 ) + 𝑦(𝑥1 , … , 𝑥𝑖 , … 𝑥𝑗 , … 𝑥𝑛 )
+
𝛥𝑥 2
Dove il primo indica i termini diagonali, mentre il secondo indica i termini misti.
Il calcolo della matrice Hessiana richiede un numero di valutazione della funzione
dell’ordine di 𝑛2 .
Quindi se si ha una funzione di 10 variabili serviranno grosso modo 10 valutazioni
per la derivata prima e 100 per la derivata seconda. Con una funzione di 100 variabili,
per calcolare le derivate seconde serviranno 10000 valutazioni della funzione:
quando l’entità delle funzioni da considerare cresce, anche fare questi calcoli può
essere molto gravoso e magari anche inutile nel caso in cui il passo non sia stato
scelto oculatamente. Si consideri che in un calcolo di progetto ingegneristico una
funzione di 100 variabili può facilmente presentarsi.
Esiste una metodologia che viene detta analisi di granularità che aiuta a capire fino
a che livello di precisione ci si può estendere quando si va a fare l’analisi di una
funzione. Presa una funzione, abbastanza complessa, si può andare a fare una
simulazione dei valori di tale funzione, in un campo molto piccolo e scegliendo un
217
passo di variazione sempre minore: plottando i risultati, mentre ci si aspetta di trovare
un pezzo di una retta a un certo punto si trova una spezzata (non più una funzione
continua), quando ciò accade vuol dire che il passo ha un valore troppo piccolo che
va al di sotto del livello di attendibilità del calcolo stesso. Si immagini ad esempio di
avere una funzione che macroscopicamente si presenta nella maniera seguente:

Figura 164

Scegliendo un certo 𝛥𝑥 è possibile calcolare la derivata della funzione come rapporto


incrementale: più il 𝛥𝑥 si riduce e più il valore calcolato nel punto considerato sarà
vicino al valore della derivata vera. Facendo uno zoom nel punto cerchiato in rosso
della figura precedente, ci si accorge magari che nell’intorno di quel punto la funzione
ha un diverso andamento:

Figura 165

Nel momento in cui si va a scegliere un passo di derivazione piuttosto piccolo la


derivata viene come indicato in figura, che evidentemente non è quella che si
avrebbe macroscopicamente.

218
Esistono una serie di effetti che possono portare alla presenza di queste
discontinuità. Se il modello all’interno ha dei calcoli di tipo iterativo in generale si
procede definendo un errore e quando esso risulta minore di una certa tolleranza si
va avanti; fissato un dato punto iniziale l’algoritmo per esempio fa tre iterazioni prima
di andare avanti, ovvero prima di aver ridotto l’errore sotto la soglia fissata;
spostandosi con la 𝑥, le tre iterazioni magari non bastano, ma ad esempio sono
necessarie quattro iterazioni; tale discontinuità rispetto al caso precedente può
generare degli errori facendo saltare il valore. Con calcoli iterativi uno all’interno
dell’altro è possibile che essi vadano a convergenza con un numero diverso di
iterazioni fissato che sia il livello di precisione (tolleranza) che si vuole ottenere:
passando dall’uno all’altro si ha una discontinuità che se si va a guardare la funzione
a livello macroscopico non è visibile, ma a livello microscopico sì. Quando si sta
simulando una funzione per darla in pasto a un algoritmo di ottimizzazione si devono
avere dei criteri di precisione più elevati rispetto a quelli che si devono avere quando
si vuole semplicemente vedere cosa accade. Ad esempio una tolleranza pari a 10−4
è più che sufficiente come precisione a livello ingegneristico (non la si può nemmeno
misurare), ma a livello matematico magari è necessaria una tolleranza dell’ordine di
10−6 perché altrimenti si hanno delle discontinuità. Quindi quando si ha a che fare
con una simulazione che viene poi analizzata da un programma di ottimizzazione
bisogna stare attenti a ciò che accade alle possibili discontinuità e quindi evitare di
scegliere passi di derivazione molto piccoli (sebbene in genere sia l’algoritmo che lo
sceglie, tra le opzioni del calcolo è possibile settarlo in modo che esso non risulti
minore di un valore prefissato; inoltre le variabili della funzione devono avere lo
stesso range di variazione altrimenti un passo di derivazione che va bene per l’una
non va bene per l’altra). Allestire un modello da utilizzare per un’ottimizzazione
richiede un certo numero di accorgimenti, che non sono quelli utilizzati quando si ha
un’interfaccia in cui si mettono dei numeri. Una cosa che sicuramente non accade
quando si utilizza un modello con un’interfaccia utente e lo si va ad interrogare è
quella di dare dei numeri sballati; se ad esempio si fornire il valore di una temperatura
misurata in Kelvin è evidente che l’utente non andrà mai a digitare un numero
negativo; tuttavia se tutto ciò viene dato in pasto a un programma di ottimizzazione
senza specificare niente, magari esce fuori una temperatura negativa in quanto esso
non è in grado di distinguere un’assunzione giusta da una sbagliata; in questo caso
è possibile che si verifichino due situazioni: nel caso più fortunato il programma va in
errore bloccandosi, mentre nell’altro caso il programma continua ad andare avanti
fornendo un risultato sballato; in quest’ultimo esistono ancora una volta due
possibilità: se si è fortunati il numero è sballato di parecchio per cui facilmente ci si
può accorgere del fatto che vi sia un errore, ma in altri casi esso può essere errato
di poco per cui a colpo d’occhio non ci si accorge dell’errore; in quest’ultimo caso si
rischia di avere un risultato sbagliato non in maniera macroscopica, ma di quel tanto
che basta per non far funzionare il sistema: un ponte con un pilastro
sottodimensionato del 20% evidentemente cade quindi piccoli errori possono essere
più pericolosi di quelli grandi.

219
Generalmente il problema di ottimizzazione vincolata si presenta nella maniera
seguente: c’è un vettore delle variabili da ottimizzare 𝑥 con una determinata
dimensione 𝑛, c’è una funzione obiettivo che in genere si cerca di rendere minima (o
massima) e ci sono una serie di vincoli che si distinguono in vincoli di disuguaglianza
(espressi da disequazioni) e vincoli di uguaglianza (espressi da equazioni) in un certo
numero.

Figura 166

Se sono presenti dei vincoli di uguaglianza il sistema di equazioni di vincolo, deve


essere sottodeterminato (ovvero deve ammettere infinite soluzioni). In effetti
dovendo minimizzare una funzione di 𝑥 se al problema di ottimizzazione gli si fornisce
un sistema di equazioni che ammette un’unica soluzione, esso non ha senso giacché
si ha appunto un’unica soluzione possibile (ovviamente ancor più il problema non ha
senso se il sistema non ammette alcuna soluzione, ovvero quando si hanno 𝑛
variabili in più di 𝑛 equazioni che non siano tra di loro linearmente dipendenti).
Pertanto a parte casi particolari con 𝑛 variabili devono aversi meno di 𝑛 equazioni
per poter avere un certo numero di soluzioni tra cui scegliere quella che rende minima
la funzione obiettivo.
Per quanto riguarda invece i vincoli di disuguaglianza, vale più o meno lo stesso
ragionamento: in tal caso è possibile avere anche più di 𝑛 vincoli di disuguaglianza,
ma essi devono essere strutturati in modo che la regione di ammissibilità
complessiva (intersezione tra le regioni di ammissibilità definite dalle equazioni) non
sia l’insieme nullo; in pratica, ogni disequazione definisce un sottospazio della 𝑥 dove
essa è soddisfatta e la restante parte dove invece non è soddisfatta: lo spazio in cui
ci si può muovere è dato dall’intersezione di tali sottospazi, ovvero dove tutti i vincoli
sono soddisfatti. Se non c’è alcun valore della 𝑥 che soddisfi contemporaneamente
tutte le disequazioni il problema non è risolvibile.
Una tecnica, già implementata all’interno di alcune routine è quella dei moltiplicatori
di Lagrange. Data una funzione da minimizzare (min 𝑓 (𝑥)) con un certo numero di
𝑥
equazioni da soddisfare (𝐸𝑖 (𝑥) = 0, 𝑖 = 1, … , 𝑚) e quindi dato un problema di minimo
con vincoli di uguaglianza è possibile definire la corrispondente funzione di Lagrange:
𝑚
𝐿(𝑥1 , 𝑥2 , … , 𝑥𝑛 , 𝜆1 , 𝜆2 , … , 𝜆𝑚 ) = 𝑓 (𝑥) − ∑ 𝜆𝑖 𝐸𝑖 (𝑥)
𝑖=1

Dove:
220
𝐿 = 𝑓𝑢𝑛𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝐿𝑎𝑔𝑟𝑎𝑛𝑔𝑒
𝑚 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑣𝑖𝑛𝑐𝑜𝑙𝑖
𝜆𝑖 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑖 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑒 𝑑𝑒𝑡𝑡𝑒 𝑚𝑜𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑡𝑜𝑟𝑖 𝑑𝑖 𝐿𝑎𝑔𝑟𝑎𝑛𝑔𝑒
In particolare dato un problema di minimo con vincoli di uguaglianza:
min 𝑓(𝑥)
𝑥

𝐸𝑖 (𝑥) = 0, 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑚
È possibile ricondurre la minimizzazione della funzione con i vincoli di uguaglianza
dati, alla soluzione di un problema di equazioni lineari. In sostanza si va ad eguagliare
a zero le derivate della funzione di Lagrange rispetto alle 𝑥 e rispetto alle costanti 𝜆:
∂L
= 0, 𝑝𝑒𝑟: 𝑗 = 1, … , 𝑛
∂xj
∂L
= 0, 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑚
∂λi
In tal modo si esprime la condizione necessaria di stazionarietà della funzione 𝐿
rispetto alle sue variabili: la condizione necessaria affinché una funzione continua
abbia un punto di stazionarietà (massimo, minimo, flesso) è che le sue derivate prime
siano nulle (quindi il sistema di 𝑛 + 𝑚 equazioni non lineari esprime proprio la
condizione di stazionarietà della funzione Lagrangiana).
In particolare le derivate della funzione Lagrangiana rispetto alle costanti 𝜆𝑖 , giacché
la prima parte della funzione non dipende dalle stesse, vengono calcolate dalla
seguente relazione:
∂L
= −𝐸𝑖 (𝑥) = 0, 𝑝𝑒𝑟 𝑖 = 1, … , 𝑚
∂λi
Pertanto la condizione sulla derivata si traduce nella condizione:
𝐸𝑖 (𝑥) = 0, 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑚
E quindi il vincolo deve essere soddisfatto (la seconda parte del sistema equivale ad
imporre il soddisfacimento dei vincoli).
In particolare un teorema afferma che: se una soluzione del problema di
minimizzazione vincolata esiste, è contenuta tra le soluzioni del sistema di equazioni
definite (le equazioni alle derivate), a condizione che 𝑓(𝑥) e 𝐸 (𝑥) abbiano derivate
prime continue e che la matrice Jacobiana 𝐽 abbia rango 𝑚 per 𝑥 = 𝑥 ∗ (non devono
essere linearmente dipendenti tra di esse). In sostanza se si è in grado di risolvere il
sistema di equazioni 𝑛 + 𝑚 equazioni, si riesce a trovare la soluzione del problema
di minimo vincolato: la soluzione di un problema di ottimo si riconduce alla soluzione
di un sistema di equazioni che possono essere lineari oppure non lineari.
221
Anche nel caso in cui si abbia un problema di minimo con vincoli di uguaglianza e
disuguaglianza è possibile ragionare similmente:
min 𝑓(𝑥)
𝑥

𝐸𝑖 (𝑥) = 0, 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑚 (𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎 )


𝐺𝑗 (𝑥) ≤ 0, 𝑝𝑒𝑟: 𝑗 = 1, … , 𝑝 (𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑑𝑖𝑠𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎)

In particolare i vincoli di disuguaglianza 𝐺 possono essere riformulati come ulteriori


vincoli di uguaglianza 𝐸 introducendo 𝑝 variabili addizionali (slack variables) non
negative 𝑥𝑛+𝑖 (numero positivo o nullo):
2
𝐸𝑗 (𝑥) = 𝐺𝑗 (𝑥) + 𝑥𝑛+𝑖 = 0, 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑝
Soddisfare l’uguaglianza su scritta equivale a soddisfare la disuguaglianza di
partenza giacché certamente risulterà valida la relazione 𝐺𝑗 (𝑥) ≤ 0
I risultati precedenti possono applicarsi quindi anche a problemi con vincoli di
disuguaglianza.

222
Lezione 18 (Rizzo) 5/04/2017
Introduzione alla modellistica
Di seguito viene riportato un esempio di applicazione dei moltiplicatori di Lagrange
ad una funzione semplice:

Figura 167

La funzione che si vuole analizzare è la seguente:


𝑓 (𝑥) = 𝑥12 + 𝑥22 (𝑝𝑎𝑟𝑎𝑏𝑜𝑙𝑜𝑖𝑑𝑒)
Evidentemente il minimo assoluto di tale funzione (min 𝑓 (𝑥)) sta proprio nell’origine:
𝑥1 ,𝑥2
𝑥1 = 0, 𝑥2 = 0. Fornendo un opportuno vincolo è possibile andare a cercare proprio
il minimo che soddisfa tale vincolo; in particolare il vincolo viene dato nella maniera
seguente:
𝐸1 (𝑥) = 𝑥1 − 𝑥1∗ = 0
Da questo vincolo si evince sostanzialmente la condizione: 𝑥1 = 𝑥1∗ .
Pertanto fissato che sia il valore di 𝑥1∗ la superficie data dalla funzione assegnata
viene intersecata con un opportuno piano che passa proprio per il punto assegnato
𝑥1∗ ; la soluzione sarà trovata proprio lungo la linea in rosso intersezione della
superficie col piano verticale. Il polinomio di Lagrange per la funzione in esame sarà:
𝐿 = 𝑓 (𝑥) − 𝜆𝐸1 (𝑥) = 𝑥12 + 𝑥22 − 𝜆(𝑥1 − 𝑥1∗ )
Le derivate parziali rispetto alle diverse variabili saranno:
∂L
= 2𝑥1 − 𝜆 = 0
∂x1
223
∂L
= 2𝑥2 = 0
∂x2
∂L
= 𝐸1 (𝑥) = 𝑥1 − 𝑥1∗ = 0
∂λ
Pertanto la soluzione del problema (minimo vincolato) sarà:
𝑥1 = 𝑥1∗
{ 𝑥2 = 0
𝜆 = 2𝑥1 = 2𝑥1∗
Dunque il minimo vincolato sarà nel punto: 𝑥1 = 𝑥1∗ , 𝑥2 = 0.
Ovviamente questo caso è molto semplice in quanto viene fuori un sistema di
equazioni lineari, ma in generale potrebbe essere più complesso (equazioni non
lineari).
A questo punto si fanno una serie di esempi per chiarire quanto sinora detto.
Si vuole sempre cercare il minimo della funzione:
𝑓 (𝑥) = 𝑥12 + 𝑥22
Di seguito viene riportata la rappresentazione su curve di livello (circonferenze
concentriche che rappresentano i valori della funzione) della funzione assegnata:

Figura 168

Evidentemente il minimo assoluto della funzione si trova proprio al centro nel punto
𝑥1 = 0, 𝑥2 = 0. A questo punto si un impone un vincolo di disuguaglianza:
𝐺1 (𝑥) = −1 − 𝑥1 ≤ 0 ⟹ 𝑥1 ≥ −1

224
Tale vincolo divide il campo di variazione delle variabili in una regione di ammissibilità
dove il vincolo è soddisfatto e una regione di non ammissibilità dove al contrario esso
non è soddisfatto; pertanto la regione di ammissibilità è la zona in cui 𝑥1 ≥ −1. In
questo caso (un solo vincolo di disuguaglianza lineare) il minimo vincolato coincide
con il minimo non vincolato, e si trova all’interno della regione di ammissibilità (il
vincolo 𝐺1 non è attivo, ovvero non influenza la soluzione).
Ragionando sempre sulla stessa funzione ma modificando il vincolo chiaramente il
discorso è differente. In particolare si assegna il vincolo:
𝐺1 (𝑥) = 1 − 𝑥1 ≤ 0 ⟹ 𝑥1 ≥ 1

Figura 169

In tal caso la regione di non ammissibilità si è estesa rispetto al caso precedente ed


essa include il minimo non vincolato: pertanto non è più possibile trovare tale
soluzione come minimo giacché esso cade nella regione di non ammissibilità.
All’interno della regione di ammissibilità ovviamente il minimo sarà proprio quello che
cade sulla parte estrema della regione stessa e al suo centro: 𝑥1 = 1, 𝑥2 = 0. Dunque
in questo esempio il minimo non vincolato appartiene alla regione di non
ammissibilità; la soluzione si trova sui limiti della regione di ammissibilità (il vincolo
𝐺1 è attivo, poiché la soluzione ricade proprio sulla frontiera della regione di
ammissibilità di tale vincolo).
A questo punto sempre sulla stessa funzione vengono posti due vincoli:
𝐺1 (𝑥) = 1 − 𝑥1 ≤ 0 ⟹ 𝑥1 ≥ 1
𝐺2 (𝑥) = 2 − 𝑥2 ≤ 0 ⟹ 𝑥2 ≥ 2

225
Figura 170

Ovviamente la regione di ammissibilità sarà data dall’intersezione delle regioni di


ammissibilità fissate dai due vincoli imposti. Ancora una volta il minimo non vincolato
ricade all’interno della regione di non ammissibilità pertanto esso non sarà il minimo
trovato; in tal caso il minimo vincolato si trova all’intersezione dei limiti delle regioni
di ammissibilità dei vincoli (entrambi i vincoli 𝐺1 e 𝐺2 sono attivi e determinano la
posizione del vincolo vincolato).
Sempre per la stessa funzione si impongano i seguenti vincoli:
𝐺1 (𝑥) = 1 − 𝑥1 ≤ 0 ⟹ 𝑥1 ≥ 1
𝐺2 (𝑥) = 2 + 𝑥1 ≤ 0 ⟹ 𝑥2 ≤ −2
Ovviamente in tal caso l’intersezione delle regioni di ammissibilità è nulla, per cui il
problema non ammette soluzioni; di fatto i due vincoli si escludono a vicenda per cui
non c’è soluzione possibile. È evidente che questo rappresenta un caso banale
giacché i vincoli vengono dati sulla variabile stessa, ma essi potrebbero anche
essere dati su un qualcosa di più complesso che non è immediatamente visibile: se
si sta progettando una turbina multistadio si devono fissare limiti sul titolo, sul numero
di Mach, … e non è banale capire a priori se un vincolo esclude l’altro.

226
Figura 171

Ragionando sempre sulla stessa funzione, ai due vincoli di disuguaglianza in tal caso
si aggiunge un terzo vincolo (di uguaglianza):
𝐺1 (𝑥) = 1 − 𝑥1 ≤ 0 ⟹ 𝑥1 ≥ 1
𝐺2 (𝑥) = 2 − 𝑥2 ≤ 0 ⟹ 𝑥2 ≥ 2
𝐸1 (𝑥) = 𝑥1 + 𝑥2 − 5 = 0

Figura 172

L’equazione di vincolo di uguaglianza esprime l’equazione di una retta che viene


riportata in figura (in verde). Pertanto la soluzione va cercata proprio sul tratto di retta
che attraversa la regione di ammissibilità definita dagli altri due vincoli (vincoli di
227
disuguaglianza): tra tali punti va trovato quello di minimo (evidentemente sarà quello
che avrà la distanza minima dal centro). In questo caso il minimo vincolato si trova
all’interno delle regioni di ammissibilità (i vincoli 𝐺1 e 𝐺2 non sono attivi, poiché il
minimo non sta sulla frontiera) e lungo la curva (una retta) in cui è soddisfatto il
vincolo lineare 𝐸1 .
Un ultimo esempio può essere fatto, dando i seguenti vincoli:
𝐺1 (𝑥) = 1 − 𝑥1 ≤ 0 ⟹ 𝑥1 ≥ 1
𝐺2 (𝑥) = 2 − 𝑥2 ≤ 0 ⟹ 𝑥2 ≥ 2
𝐸1 (𝑥) = 𝑥12 − 𝑥22 − 4 = 0

Figura 173

In tal caso il vincolo di uguaglianza esprime una funzione di secondo grado ed in


particolare un’iperbole che ha un ramo superiore e un ramo inferiore (riportati in
figura). Pertanto la soluzione va cercata sul ramo di iperbole che attraversa la regione
di ammissibilità: ancora una volta la soluzione sarà rappresentata dal punto più vicino
all’origine della funzione. In questo caso il minimo vincolato si trova all’interno delle
regioni di ammissibilità (𝐺1 non attivo e 𝐺2 attivo) e lungo una delle curve in cui è
soddisfatto il vincolo non lineare 𝐸1 .
In molti casi i problemi presentano più di due variabili per cui diventa impossibile
andare a visualizzare ciò che accade.
In alcune librerie scientifiche sono disponibili metodi (algoritmi) per la risoluzione di
problemi di ottimo vincolato (esempio: fmincon, Matlab, Excel). In molti casi sono
disponibili soltanto routines di minimizzazione di una funzione di 𝑛 variabili. È quindi
necessario trasformare il problema di ottimo vincolato (constrained) in un problema

228
di minimizzazione senza vincoli (unconstrained). I problemi di ottimo vincolato
possono essere ricondotti a problemi di minimo non vincolato con tecniche quali:
 Funzioni di penalizzazione (penalty functions): utilizzata per casi semplici
 Lagrangiana aumentata (Augmented Lagrangian): più complessa
Per quanto riguarda le funzioni di penalizzazione si immagini di avere un problema
di minimizzazione con vincoli di disuguaglianza e di uguaglianza:
min 𝑓(𝑥) (1) 𝑓𝑢𝑛𝑧𝑖𝑜𝑛𝑒 𝑜𝑏𝑖𝑒𝑡𝑡𝑖𝑣𝑜
𝑥

𝐺𝑖 (𝑥) ≤ 0, 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑁𝑑 (2) 𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑑𝑖𝑠𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎


𝐸𝑗 (𝑥) = 0, 𝑝𝑒𝑟: 𝑗 = 1, … , 𝑁𝑒 (3) 𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎
È possibile creare una nuova funzione data dalla somma della funzione originaria
con la sommatoria di un certo numero di termini pari al numero dei vincoli di
disuguaglianza e con la sommatoria di altri termini pari al numero di vincoli di
uguaglianza:
𝑁𝑑 𝑁𝑒
min 𝐹 (𝑥) = 𝑓 (𝑥) + ∑ 𝑃𝑖 + ∑ 𝑃𝑗 (4) 𝑓𝑢𝑛𝑧𝑖𝑜𝑛𝑒 𝑜𝑏𝑖𝑒𝑡𝑡𝑖𝑣𝑜 𝑟𝑖𝑠𝑢𝑙𝑡𝑎𝑛𝑡𝑒
𝑥 𝑖=1 𝑗=1

I termini 𝑃𝑖 e 𝑃𝑗 vengono detti termini di penalizzazione.

Si va a cercare il minimo della funzione appena definita, che coincide con la funzione
originaria, dove i termini di penalizzazione diventano nulli o positivi; in particolare
sono dei termini nulli se il vincolo è soddisfatto, mentre diventano positivi e molto
elevati se il vincolo non è soddisfatto: in tal modo si riesce a “convincere” l’algoritmo
a mettersi in una zona dove il vincolo è soddisfatto e dove si va a minimizzare la
funzione. Per fare ciò si definiscono le funzioni nella maniera seguente:
𝑃𝑖 = 𝐻𝐺𝑖 (𝑥)2 , 𝑠𝑒: 𝐺𝑖 (𝑥) > 0 (𝑣𝑖𝑛𝑐𝑜𝑙𝑜 𝑛𝑜𝑛 𝑟𝑖𝑠𝑝𝑒𝑡𝑡𝑎𝑡𝑜) (5𝑎)
𝑃𝑖 = 0, 𝑠𝑒 𝐺𝑖 (𝑥) ≤ 0 (𝑣𝑖𝑛𝑐𝑜𝑙𝑜 𝑟𝑖𝑠𝑝𝑒𝑡𝑡𝑎𝑡𝑜) (5𝑏)
𝑃𝑗 = 𝐻𝐸𝑖 (𝑥)2 è 𝑚𝑎𝑔𝑔𝑖𝑜𝑟𝑒 𝑑𝑖 𝑧𝑒𝑟𝑜 𝑠𝑜𝑙𝑜 𝑠𝑒 𝑖𝑙 𝑣𝑖𝑛𝑐𝑜𝑙𝑜 𝐸 𝑛𝑜𝑛 è 𝑟𝑖𝑠𝑝𝑒𝑡𝑡𝑎𝑡𝑜 (6)

Dove:
𝐻 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎
In sostanza si va a penalizzare la funzione da minimizzare di un qualcosa che è
proporzionale al quadrato dell’infrazione che si sta commettendo.
Quanto detto funziona soprattutto nei casi più semplici. Per far funzionare il tutto la
costante 𝐻 deve tendere all’infinito e in questo caso la soluzione del problema
3, 4, 5, 6 coincide con quella del problema originario 1, 2. Per 𝐻 finito, la soluzione
appartiene alla regione di non ammissibilità dei vincoli (sia pure di poco): per evitare
questo problema 𝐻 (fattore di penalizzazione) deve appunto tendere all’infinito, ma
quando esso è molto elevato a livello numerico possono insorgere problemi di
229
malcondizionamento numerico (in tal caso l’algoritmo di ottimizzazione va in crisi).
La presenza del termine quadratico nella 5𝑎 conserva la continuità della derivata
prima nel punto di frontiera.
La Lagrangiana aumentata è una tecnica già implementata in un algoritmo di Matlab.
Anche in tal caso si parte da una funzione obiettivo a cui vengono assegnati dei
vincoli di disuguaglianza (esiste anche il caso in cui vengano assegnati vincoli di
uguaglianza):
min 𝑓(𝑥) (1) 𝑓𝑢𝑛𝑧𝑖𝑜𝑛𝑒 𝑜𝑏𝑖𝑒𝑡𝑡𝑖𝑣𝑜
𝑥

𝐺𝑖 (𝑥) ≤ 0, 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑁𝑑 (2) 𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑑𝑖𝑠𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎


Si definisce la funzione Lagrangiana aumentata:
𝑀
𝐿(𝑥, 𝜆) = 𝑓 (𝑥) + ∑ 𝜉𝑖 (3) 𝑓𝑢𝑛𝑧𝑖𝑜𝑛𝑒 𝐿𝑎𝑔𝑟𝑎𝑛𝑔𝑖𝑎𝑛𝑎 𝑎𝑢𝑚𝑒𝑛𝑡𝑎𝑡𝑎
𝑖=1

In sostanza alla funzione 𝑓(𝑥) si aggiungono dei termini aggiuntivi (simili ai termini di
penalizzazione). La funzione 𝜉𝑖 è definita nel seguente modo:
𝜌 𝜆𝑖
𝜉𝑖 = −𝜆𝑖 𝐺𝑖 (𝑥) + 𝐺𝑖 (𝑥)2 , 𝑠𝑒: 𝐺𝑖 (𝑥) ≤ (4𝑎)
2 𝜌
𝜆2𝑖 𝜆𝑖
𝜉𝑖 = − , 𝑠𝑒: 𝐺𝑖 (𝑥) > (4𝑏)
2𝜌 𝜌
Dove:
𝜆𝑖 = 𝑚𝑜𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑡𝑜𝑟𝑒 𝑑𝑖 𝐿𝑎𝑔𝑟𝑎𝑛𝑔𝑒 (≥ 0) 𝑎𝑠𝑠𝑜𝑐𝑖𝑎𝑡𝑜 𝑎𝑙𝑙′ 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑣𝑖𝑛𝑐𝑜𝑙𝑜
𝜌 = 𝑓𝑎𝑡𝑡𝑜𝑟𝑒 𝑑𝑖 𝑝𝑒𝑛𝑎𝑙𝑖𝑧𝑧𝑎𝑧𝑖𝑜𝑛𝑒 (> 0)
La soluzione del problema prevede:
 La minimizzazione non vincolata della funzione Lagrangiana (3, 4𝑎, 4𝑏).
 La ridefinizione (updating) dei moltiplicatori di Lagrange (essi vengono
ricalcolati con una formula iterativa), per esempio con il seguente algoritmo:
𝜆𝑖 = 𝜆𝑖 − min(𝜌𝐺𝑖 (𝑥), 𝜆𝑖 )
 Il controllo della convergenza e la eventuale ripetizione dei passi 1 − 3.
L’adozione di questa tecnica presenta dei vantaggi rispetto alla tecnica delle Penalty
Functions, perché consente di calcolare la soluzione in presenza di vincoli anche con
valori moderati del fattore di penalizzazione 𝜌, evitando l’insorgere di problemi di
malcondizionamento numerico (è quella implementata nelle routines di Matlab, per
la risoluzione di problemi di ottimo vincolato).
Si consideri dunque una funzione 𝑓 (𝑥) = 𝑥 3 , di cui si vuole ricercare il minimo
(min 𝑓 (𝑥)). Ovviamente volendo ricercare il minimo assoluto di tale funzione esso
𝑥
starebbe a −∞. Tuttavia si impone un vincolo di disuguaglianza che è il seguente:
230
𝐺 (𝑥) = 𝑥 + 1 ≤ 0 ⟹ 𝑥 ≥ −1
Ovviamente la soluzione si troverà esattamente a −1, giacché più la 𝑥 è piccola e
più la funzione scelta si riduce.
Nella figura seguente viene riportata la risoluzione grafica del problema utilizzando
la funzione di penalizzazione (a sinistra) e la Lagrangiana aumentata (a destra).

Figura 174

Nel caso della funzione di penalizzazione si ha:


min 𝐹 (𝑥) = 𝑓 (𝑥) + 𝑃
𝑥

𝑥 ≤ −1: 𝑃 = 𝐻 (𝑥 + 1)2 (𝑣𝑖𝑛𝑐𝑜𝑙𝑜 𝑛𝑜𝑛 𝑠𝑜𝑑𝑑𝑖𝑠𝑓𝑎𝑡𝑡𝑜)


𝑥 > 1: 𝑃 = 0 (𝑣𝑖𝑛𝑐𝑜𝑙𝑜 𝑠𝑜𝑑𝑑𝑖𝑠𝑓𝑎𝑡𝑡𝑜)
Quando 𝐻 = 0 ovviamente la funzione 𝐹 (𝑥) coincide con la funzione originaria 𝑓(𝑥).
Quando 𝐻 = 1, la funzione 𝐹 (𝑥) coinciderà con 𝑓 (𝑥) nella zona in cui il vincolo è
soddisfatto, mentre assumerà un valore leggermente differente nella regione in cui il
vincolo non è rispettato (linea discontinua a tratto lungo). Dando ad 𝐻 il valore 10,
evidentemente nella zona in cui il vincolo è rispettato la 𝐹(𝑥) coinciderà sempre con
la 𝑓(𝑥), ma nella zona in cui il vincolo non è soddisfatto l’andamento della 𝐹 (𝑥) si
discosta nettamente dall’andamento della 𝑓(𝑥) (linea discontinua a tratto breve): la
cosa inizia dunque a funzionare giacché la 𝐹(𝑥) inizia a risentire dell’effetto della
“multa”, ma il suo punto di minimo comunque non cade dove dovrebbe (è spostato
un po’ più a sinistra: ci vuole un po’ di “infrazione” prima che la “multa” abbia effetto);
in sostanza in questo caso la soluzione è stata trovata a patto che il soddisfacimento
del vincolo non sia un qualcosa di molto rigoroso: ciò dipende dal problema.
Assumendo a questo punto 𝐻 = 100 nella zona in cui il vincolo è rispettato ancora
una volta 𝐹(𝑥) e 𝑓(𝑥) coincidono, mentre si discostano notevolmente nella zona in
cui il vincolo non è soddisfatto (linea discontinua punteggiata); in tal caso si è ancora
più vicini alla soluzione che si vuole trovare in quanto nella zona di vincolo non
rispettato la funzione 𝐹 (𝑥) si impenna molto, sebbene il minimo ricada ancora un po’
più a sinistra ovvero sempre nella regione di non ammissibilità. Tuttavia ci si rende
231
conto che man mano che 𝐻 aumenta, la funzione da un andamento piuttosto dolce
si impenna improvvisamente: questo fatto non è gradito agli algoritmi proprio a causa
di come essi ragionano; gli algoritmi di fatto vanno a fare degli esperimenti numerici
andando a vedere il valore della funzione, della derivata, …; successivamente essi
fanno un’ipotesi sul comportamento della funzione tra determinati punti e in genere
ipotizzano che la funzione abbia un andamento di tipo quadratico: tra i punti
considerati essi fanno passare una parabola (o un paraboloide in 𝑛 dimensioni) e
analiticamente si vanno a calcolare il punto di ottimo (punto di minimo); ciò funziona
tanto meglio quanto più la funzione ha un andamento quadratico: una funzione
invece che è molto discontinua (presenta un salto evidente) si discosta molto da una
quadratica per cui l’algoritmo che c’è alla base non funziona bene e in alcuni casi
non riesce a convergere. Quindi in tal caso più si vuole essere precisi e più si mette
in crisi il metodo: questo è il motivo per cui tale metodo funziona nei casi più semplici
e meno rigorosi.
Nel caso della Lagrangiana aumentata invece si ottiene un qualcosa di differente. La
funzione Lagrangiana sarà:
𝜌
𝐿(𝑥, 𝜆) = 𝑥 3 − 𝜆(𝑥 + 1) + (𝑥 + 1)2
2
Quindi la funzione Lagrangiana è composta nell’ordine dalla funzione, dal termine
Lagrangiano e dal termine di penalizzazione. L’ottimo che viene calcolato in questo
caso è proprio 𝑥 = −1 (e 𝜆 = 3), proprio come ci si aspettava. Ovviamente anche in
questo caso a seconda del valore del termine di penalizzazione 𝜌 si avranno diversi
andamenti. In particolare per 𝜌 = 0 si ottiene la funzione a tratto lungo discontinuo:
essa ha un punto di stazionarietà, ma non è un punto di minimo, bensì è un punto di
massimo: l’algoritmo di ricerca del minimo non funzionerebbe. Nel caso in cui 𝜌 = 6
la funzione è quella a tratto breve discontinuo: in tal caso il punto di stazionarietà è
diventato un punto di flesso e dunque anche in questo caso l’algoritmo non
funzionerebbe. Tuttavia per 𝜌 = 20 si ottiene la curva punteggiata: l’andamento della
funzione è estremamente dolce e dunque può essere trattato in maniera agevole
dagli algoritmi di ottimizzazione per trovare appunto il minimo. Pertanto con la
Lagrangiana aumentata basta utilizzare dei termini di penalizzazione non molto
elevati, per avere una funzione con un andamento molto graduale, che viene ben
trattata dai metodi di ottimizzazione.
La maggior parte dei metodi “classici” di minimizzazione (metodi di Newton e derivati)
sono basati sulla approssimazione quadratica della funzione 𝑓 da minimizzare: ciò è
dovuto al fatto che nella maggior parte dei casi, attorno al punto di minimo, una
funzione è ben approssimabile da un andamento di questo tipo (quadratico in 𝑛
dimensioni). Per studiare le metodologie di soluzione dei problemi di minimo di
funzioni in più dimensioni, è utile rifarsi al problema della ricerca del minimo di una
funzione quadratica in una variabile.

232
Nel caso semplice di una funzione quadratica in una variabile (parabola), a partire
dal valore della funzione e della derivata prima e seconda in un generico punto 𝑥 si
possono ricavare i coefficienti della curva (𝑎, 𝑏, 𝑐) e determinarne analiticamente le
coordinate del vertice (punto di massimo o minimo):
𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
𝑦 ′ = 2𝑎𝑥 + 𝑏
𝑦 ′′ = 2𝑎
Conoscendo i valori numerici della funzione e delle derivate in un dato punto è
possibile calcolare i coefficienti 𝑎, 𝑏, 𝑐 e di conseguenza ricavare le coordinate del
vertice:
𝑏
𝑥𝑣 = −
2𝑎
4𝑎𝑐 − 𝑏2
𝑦𝑣 =
4𝑎
Le condizioni per l’esistenza del minimo sono:
𝑦 ′ = 0 𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑒 𝑛𝑒𝑐𝑒𝑠𝑠𝑎𝑟𝑖𝑎
𝑦 ′′ > 0 𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑒 𝑠𝑢𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒
Questa è la matematica di base che ispira i metodi più complessi.
Quando si ha a che fare con funzioni non lineari in più variabili il modo di ragionare
è simile, ma più complesso. Una funzione non lineare in più variabili può essere
approssimata al suo polinomio di Taylor del secondo ordine attorno ad un punto
generico 𝑥0 :
1
𝑓(𝑥0 + 𝑠) = 𝑓(𝑥0 ) + 𝐺(𝑥0 )𝑠 + 𝑠 𝑇 𝐻(𝑥0 )𝑠 + ⋯ 𝑃𝑜𝑙𝑖𝑛𝑜𝑚𝑖𝑜 𝑑𝑖 𝑇𝑎𝑦𝑙𝑜𝑟 𝑡𝑟𝑜𝑛𝑐𝑎𝑡𝑜 𝑎𝑙 2° 𝑜𝑟𝑑𝑖𝑛𝑒
2
Dove:
𝑠 = 𝑣𝑒𝑡𝑡𝑜𝑟𝑒 𝑠𝑝𝑜𝑠𝑡𝑎𝑚𝑒𝑛𝑡𝑜 𝑎 𝑝𝑎𝑟𝑡𝑖𝑟𝑒 𝑑𝑎𝑙 𝑝𝑢𝑛𝑡𝑜 𝑥0
∂f
𝐺=[ ] 𝑣𝑒𝑡𝑡𝑜𝑟𝑒 𝑔𝑟𝑎𝑑𝑖𝑒𝑛𝑡𝑒 (𝑑𝑒𝑟𝑖𝑣𝑎𝑡𝑒 𝑝𝑟𝑖𝑚𝑒)
∂xi

∂2 𝑓
𝐻=[ ] 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐻𝑒𝑠𝑠𝑖𝑎𝑛𝑎 (𝑑𝑒𝑟𝑖𝑣𝑎𝑡𝑒 𝑠𝑒𝑐𝑜𝑛𝑑𝑒)
∂xi ∂xj

Quindi la funzione in 𝑛 variabile viene scritta come una funzione di secondo grado.
Le condizioni per il minimo si esprimono come:
𝐺 = 0 (𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑒 𝑛𝑒𝑐𝑒𝑠𝑠𝑎𝑟𝑖𝑎 𝑝𝑒𝑟 𝑖𝑙 𝑚𝑖𝑛𝑖𝑚𝑜)
𝐻 𝑑𝑒𝑓𝑖𝑛𝑖𝑡𝑎 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑎 (𝑐𝑜𝑛𝑑𝑖𝑧𝑖𝑜𝑛𝑒 𝑠𝑢𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑝𝑒𝑟 𝑖𝑙 𝑚𝑖𝑛𝑖𝑚𝑜)
233
Anzitutto si va a calcolare l’approssimazione di Taylor del gradiente:
𝐺 (𝑥0 + 𝑠) = 𝐺 (𝑥0 ) + 𝐻 (𝑥0 )𝑠
Ovviamente la derivata prima del gradiente è proprio l'Hessiano: in tal modo è stata
calcolata la variazione del gradiente attorno al punto 𝑥0 . A partire dalla relazione
precedente imponendo la condizione di gradiente nullo si va a calcolare il punto di
stazionarietà della funzione 𝑓:
𝐺 (𝑥0 + 𝑠) = 0 ⟹ 𝑠 = −𝐻 −1 (𝑥0 )𝐺 (𝑥0 )
In altre parole considerato un punto 𝑥0 generico nel quale sono note la derivata prima
e la derivata seconda è possibile calcolare il valore di 𝑠, che porta in un punto dove
il gradiente è nullo (𝑠 indica di quanto ci si deve spostare da 𝑥0 per trovare il punto a
derivata nulla).
A partire da un valore qualunque di 𝑥0 , il valore 𝑥0 + 𝑠 calcolato rappresenta il punto
di stazionarietà (o un punto di minimo relativo se la matrice 𝐻 è definita positiva) se:
 La funzione è quadratica: la matematica vista si applica con precisione soltanto
se la funzione è quadratica.
 È noto il gradiente (che richiede 𝑛1 valutazioni).
 È nota la matrice delle derivate seconde (che richiede 𝑛2 valutazioni).
 I valori della funzione e delle derivate (soprattutto per le derivate seconde) non
sono affetti da errori di troncamento e arrotondamento: solo se le derivate e la
funzione sono precise il calcolo dà un buon risultato.
 L’inversione della matrice 𝐻 non introduce errori numerici: problemi di
carattere numerico possono insorgere soprattutto quando i termini della
matrice hanno ordini di grandezza differenti.
Pertanto nel caso in cui le condizioni non siano rispettate, il punto 𝑥0 + 𝑠 più che
rappresentare il minimo, rappresenta un’approssimazione del punto di minimo, che
viene quindi calcolato attraverso una metodologia iterativa. In particolare a partire da
un punto calcolato, si può ripartire iterando l’iterazione per avvicinarsi sempre di più
al minimo effettivo.
Nelle routines implementate, vengono spesso utilizzati dei metodi di Quasi-Newton.
Se la funzione ha molte variabili, il calcolo delle derivate seconde richiede molto
tempo (𝑛2 valutazioni: quindi una funzione di 100 variabili richiede 10000 valutazioni,
con il rischio che poi si abbia comunque una forte imprecisione). I metodi di Quasi-
Newton prevedono le seguenti fasi:
 Valutazione numerica della funzione e delle derivate prime in un punto iniziale
𝑥0 : tali metodi si accontentano di valutare solo la funzione e le derivate prime.
 Stima della matrice Hessiana (o della sua inversa) con valutazione diretta o
con metodi approssimati, a partire dai valori del vettore gradiente (per esempio
algoritmi DFP, BFGS): piuttosto che calcolare le derivate seconde vanno ad

234
effettuare una stima. Il principio di base degli algoritmi menzionati è quello di
andare ad individuare la variazione delle derivate prime da un punto ad un altro
desumendo delle informazioni sulla loro derivata, ovvero sulla derivata
seconda, piuttosto che calcolarla esplicitamente.
 Calcolo del vettore spostamento 𝑠 (con l’espressione già vista).
 Ricerca del minimo della funzione nella direzione così individuata (ricerca
lineare a partire dal punto 𝑥0 e lungo la direzione 𝑠), basata su:
o Individuazione del punto di inversione delle derivate prime.
o Calcolo del punto di derivata nulla con metodi di interpolazione inversa
safeguard.
 Calcolo del gradiente e verifica dei criteri di terminazione (si cerca di capire se
si è terminato: spesso una delle cose più complesse è capire a che livello di
precisione fermarsi e se la soluzione è stata trovata o meno; di fatto in un caso
reale non si conosce la soluzione, quindi quando l’algoritmo si ferma bisogna
capire se la soluzione fornita è giusta e magari se è quella migliore; è possibile
però riprovare a fare il calcolo, magari partendo da punti diversi; spesso dopo
un po’ di iterazioni il calcolo converge verso una soluzione e per molte
iterazioni continua a dare valori molto vicini tra di loro: capire se si è fermato
perché la soluzione è stata trovata effettivamente o se si è bloccato in un punto
dove se ci si sposta le cose vanno meglio è abbastanza complesso); eventuale
ripetizione dei passaggi precedenti a partire dal punto trovato.
Uno dei primi metodi che veniva utilizzato per cercare il minimo di una funzione era
quello del gradiente: a partire da un punto si andavano a calcolare le componenti del
gradiente e note tali componenti si andava a vedere in quale direzione tale gradiente
avesse la discesa più rapida, spostandosi dunque in quella direzione e così via; in
molti casi tale metodo, apparentemente elementare non funzionava, per cui sono
state adottate delle varianti tra cui una delle più famose è il metodo del gradiente
coniugato. Il metodo del gradiente coniugato è una variante del metodo del gradiente
(steepest descent), che in alcuni casi può non funzionare o essere caratterizzato da
oscillazioni e da tempi di calcolo eccessivi; è quindi un metodo del primo ordine (non
prevede il calcolo o la stima delle derivate seconde). Le fasi di ricerca lineare sono
effettuate su opportune direzioni (coniugate), definite in funzione delle componenti
del gradiente. La teoria assicura che, per una funzione quadratica di 𝑛 variabili è
possibile determinare il punto di minimo dopo 𝑛 ricerche lineari esatte lungo le
direzioni coniugate. Il metodo del gradiente coniugato è implementato nel
programma VAPOTT, per il progetto ottimizzato degli impianti a vapore.
Le fasi del calcolo, nel metodo del gradiente coniugato sono le seguenti:
 Assegnazione del vettore 𝑥0
 Calcolo delle 𝑛 componenti ∂f/ ∂xi del gradiente della funzione nel punto 𝑥0
2
 Valutazione del modulo del vettore gradiente: 𝐺 = ∑𝑖(∂f/ ∂xi )
 Confronto con il valore minimo accettato per terminare il calcolo

235
 Calcolo della direzione di discesa (direzione coniugata), in funzione del valore
attuale delle componenti del gradiente
 Ricerca numerica del minimo della funzione 𝑓(𝑥) lungo la direzione coniugata
passante per il punto 𝑥0 (ricerca lineare)
 Ritorno alla seconda fase, a partire da un nuovo punto 𝑥0 corrispondente alla
soluzione della fase precedente
Molti metodi iterativi precedono la ricerca del minimo della funzione lungo una
direzione di discesa. Definiti i coseni direttori 𝛼 della direzione di discesa, si ricerca il
valore della ascissa 𝑠 che corrisponde al minimo della funzione 𝑓 (𝑥) lungo tale
direzione. La ricerca lineare è effettuata per via numerica, secondo tre fasi:
 Individuazione del verso di discesa, corrispondente ad un valore negativo della
derivata direzionale ∂f/ ∂s.
 Calcolo della funzione 𝑓 (𝑠) e della derivata direzione ∂f/ ∂s ed individuazione
del primo punto per il quale risulti ∂f/ ∂s > 0.
 Ricerca della soluzione all’interno dell’intervallo 𝑠𝑖−1 − 𝑠𝑖 , con metodi di
interpolazione inversa, con tecniche safeguard per evitare casi singolari; la
ricerca ha termine quando risulta |∂f/ ∂s| < 𝜀.
A questo punto si riportano degli esempi di soluzione trovati con le routines che si
hanno a disposizione in Matlab. In Matlab sostanzialmente si hanno a disposizione
due funzioni: fminunc (funzione di minimizzazione non vincolata) che trova il minimo
non vincolato e fmincon (funzione di minimizzazione vincolata) che trova il minimo
vincolato. In particolare la funzione fminunc è stata testata su una funzione che viene
molto spesso utilizzata dai matematici applicati per testare dei metodi (per analizzare
le prestazioni dei metodi di ottimizzazione), che viene chiamata funzione di
Rosenbrock (trovare il minimo di questa funzione non è semplice):
𝑓 = 100 ∙ (𝑥2 − 𝑥12 )2 + (1 − 𝑥1 )2
Questa è una funzione di quarto grado in due variabili che ammette un minimo, pari
a zero nel punto [1,1]. In sostanza la funzione di Rosenbrock è data dalla somma di
due termini positivi: il secondo termine ha il minimo per 𝑥1 = 1, nel qual caso esso
vale zero, mentre quando anche 𝑥2 = 1 pure il primo termine è nullo (minimo della
funzione).
Quando si cerca l’ottimo con un metodo iterativo è sempre necessario fornire un
punto di partenza (se esso è molto lontano dalla zona di minimo, l’algoritmo potrebbe
essere non in grado di trovare l’ottimo):

Figura 175

236
Tra le opzioni si fissa, di andare a visualizzare le iterazioni che vengono effettuate.
In ingresso alla funzione fminunc vengono dati in sostanza, il nome della funzione
dov’è implementato il legame tra 𝑥 e 𝑓 (𝑚𝑦𝑓𝑢𝑛), il punto iniziale 𝑥0 e le opzioni
(𝑜𝑝𝑡𝑖𝑜𝑛𝑠). In uscita si ottiene: il valore della 𝑋 dove c’è l’ottimo (ovvero il minimo), il
valore della funzione nel punto di minimo (𝐹𝑉𝐴𝐿), un flag ovvero un indicatore
(𝐸𝑋𝐼𝑇𝐹𝐿𝐴𝐺) che dà indice di come va a finire il calcolo (se è terminato per qualche
motivo, …) e una struttura di Matlab (𝑂𝑈𝑇𝑃𝑈𝑇) dove sono contenute diverse
informazioni, come il numero di iterazioni eseguite, il numero di valutazioni della
funzione, il passo, l’algoritmo utilizzo, …. Andando ad eseguire il programma si
ottiene il risultato corretto come di seguito riportato:

Figura 176

Com’è possibile notare l’algoritmo ha funzionato (𝐸𝑋𝐼𝑇𝐹𝐿𝐴𝐺 = 1), dopo 27 iterazioni


con un metodo di Quasi-Newton, avendo calcolato la funzione 165 volte.
Inoltre con l’opzione 𝐷𝑖𝑠𝑝𝑙𝑎𝑦 = ′𝐼𝑡𝑒𝑟′ è possibile visualizzare le informazioni relative
a:
 Iterazioni effettuate
 Numero di valutazioni della funzione
 Valore della funzione
 Passo
 Derivata

237
Figura 177

È possibile operare un confronto tra diversi algoritmi di ottimizzazione. Di seguito si


riportano i risultati ottenuti minimizzando una funzione non lineare di due variabili in
genere utilizzata per questo scopo (funzione di Rosenbrock) con la routine fminunc
di Matlab, con diversi algoritmi di minimizzazione, attraverso il Demo di Matlab:
𝑓 = 100 ∙ (𝑥2 − 𝑥12 )2 + (1 − 𝑥1 )2 (𝑓𝑢𝑛𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑅𝑜𝑠𝑒𝑛𝑏𝑟𝑜𝑐𝑘 )
𝑥1 = 1, 𝑥2 = 1 ⟹ 𝑓 (𝑥) = 0 (𝑚𝑖𝑛𝑖𝑚𝑜)
𝑥1 = −1.9, 𝑥2 = 2 (𝑝𝑢𝑛𝑡𝑜 𝑖𝑛𝑖𝑧𝑖𝑎𝑙𝑒)
Il metodo di Gauss-Newton (del secondo ordine) approssima la funzione ad una
forma quadratica, calcolando le derivate prime e seconde (il calcolo della matrice
Hessiana può risultare gravoso per una funzione di molte variabili, ed affetto da errori
numerici):

Figura 178

238
A partire da un punto iniziale tale algoritmo è riuscito ad arrivare al punto finale con
relativamente poche iterazioni.
Il metodo BFGS è un metodo del secondo ordine (quasi-Newton) in cui la matrice
Hessiana è stimata iterativamente a partire dai valori del gradiente:

Figura 179

In tal caso il numero di iterazioni per arrivare alla soluzione è maggiore.


Il metodo DFP è n metodo del secondo ordine (quasi-Newton) in cui l’inversa della
matrice Hessiana è stimata iterativamente a partire dai valori del gradiente:

Figura 180

Anche in tal caso dopo un certo numero di iterazioni (maggiori rispetto al metodo di
Gauss-Newton) si riesce ad arrivare a soluzione.
Il metodo di Levenberg-Marquard ha caratteristiche intermedie tra un metodo del
gradiente ed un metodo di Gauss-Newton. È adatto a problemi di minimi quadrati
(approssimazione ed identificazione).

239
Figura 181

Il metodo Steepest Descent (metodo del gradiente, primo ordine) effettua successive
ricerche sulla direzione di massima pendenza.

Figura 182

In questo caso, tale algoritmo, nn riesce a calcolare il punto di minimo (non arriva a
soluzione).
Il metodo di Nelder-Mead si basa sul metodo del simplesso (metodologia del primo
ordine), sviluppato nell’ambito della programmazione lineare.

240
Figura 183

Sebbene esso arrivi a soluzione, è poco efficiente su una funzione del quarto ordine,
come quella utilizzata.
Riepilogando quanto detto, è possibile dire che i metodi del secondo ordine (basati
sulla conoscenza delle derivate seconde) forniscano i risultati migliori:

Figura 184

Ovviamente questo vale per la funzione assegnata, ma non sempre è così.


In Matlab è possibile anche risolvere problemi di ottimizzazione vincolata. In
particolare la routine fmincon di Matlab cerca il minimo vincolato di una funzione di
più variabili, con vincoli di uguaglianza e disuguaglianza. Per una maggiore efficienza
computazionale, i vincoli lenari, non lineari ed i limiti sulle variabili indipendenti sono
trattati separatamente.
min 𝐹 (𝑋 )
𝑋

In particolare per quanto riguarda i vincoli lineari, essi sono espressi da relazioni del
tipo:

241
𝐴𝑋 ≤ 𝐵 (𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑑𝑖𝑠𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎 )
𝐴𝑒𝑞 𝑋 = 𝐵𝑒𝑞 (𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎 )
Sono praticamente espressi con l’algebra lineare.
Per quanto riguarda invece i vincoli non lineari, in maniera generica essi sono
espressi dalle seguenti relazioni:
𝐶 (𝑋 ) ≤ 0 (𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑑𝑖𝑠𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎)
𝐶𝑒𝑞 (𝑋 ) = 0 (𝑣𝑖𝑛𝑐𝑜𝑙𝑖 𝑑𝑖 𝑢𝑔𝑢𝑎𝑔𝑙𝑖𝑎𝑛𝑧𝑎)
Infine si hanno dei vincoli particolari che esprimono dei limiti sulle variabili
indipendenti (lower bound – upper bound) che possono variarie da un valore minimo
a un valore massimo:
𝐿𝐵 ≤ 𝑋 ≤ 𝑈𝐵
Negli esempi successivi si cerca il minimo della seguente funzione quadratica (data
dalla somma dei quadrati), imponendo vari tipi di vincoli sulle variabili:
𝑁
𝐹 (𝑋 ) = ∑ 𝑋 (𝑖 ) 2
𝑖=1

Evidentemente l’ottimo non vincolato sta proprio nel punto in cui tutte le 𝑋 si
annullano.
Nella chiamata della funzione fmincon va specificato il nome della funzione (𝑓𝑢𝑛1),
il valore di tentativo (𝑋0 ), le matrici degli eventuali vincoli lineari di disuguaglianza
(𝐴, 𝐵), le matrici degli eventuali vincoli lineari di uguaglianza (𝐴𝑒𝑞 , 𝐵𝑒𝑞 ), il lower bound
e l’upper bound delle variabili (𝐿𝐵, 𝑈𝐵) (nel caso in esame la 𝑥1 è compresa tra −10
e 10, la 𝑥2 è compresa tra −20 e 20, mentre la 𝑥3 è compresa tra −30 e 30), eventuali
vincoli non lineari (′𝑣𝑖𝑛𝑐𝑜𝑙𝑖′) (nel caso in esame 𝐶, 𝐶𝑒𝑞 sono vuoti) e le opzioni
(𝑜𝑝𝑡𝑖𝑜𝑛𝑠).

Figura 185

In tal caso dopo sole 2 iterazioni e 10 valutazioni della funzione, l’algoritmo riesce a
calcolare il minimo vincolato: i valori delle tre variabili (𝑥1 , 𝑥2 , 𝑥3 ) sono con ottima
approssimazione nulli e anche la funzione (𝐹𝑉𝐴𝐿) si annulla in quel punto;
ovviamente questo è un caso banale in cui il minimo vincolato coincide col minimo
242
assoluto giacché il campo di variazione delle tre variabili (lower bound – upper bound)
comprende l’origine (i vincoli non sono attivi).

Figura 186

Nel caso in cui si vanno a cambiare solo i limiti di variazione della 𝑥1 fissando che
essa deve variare tra 10 e 10 (ovvero in sostanza deve essere uguale a 10) le cose
cambiano.

Figura 187

In tal caso ovviamente il minimo vincolato sarà dato da (è attivo solo il primo vincolo):
𝑥1 = 10, 𝑥2 = 0, 𝑥3 = 0
Evidentemente la funzione non avrà più valore nullo, ma sarà pari a:
𝑓𝑣𝑎𝑙 = 100

Figura 188

A questo punto si va a cambiare solo il lower bound di tutte e tre le variabili ed in


particolare si fa variare la 𝑥1 tra 1 e 10, la 𝑥2 tra 2 e 20 e la 𝑥3 tra 3 e 30.

243
Figura 189

La soluzione è evidentemente quella che per tutte e tre le variabili risulterà


l’uguaglianza proprio con il valore del lower bound (valore minimo) e di fatto si avrà:
𝑥1 = 1, 𝑥2 = 2, 𝑥3 = 3
In tale punto la funzione vale:
𝑓𝑣𝑎𝑙 = 14
Il risultato è stato ottenuto con sole 9 valutazioni della funzione ed in tal caso tutti e
tre i vincoli sono attivi.

Figura 190

Se per quanto riguarda i vincoli sul lower bound si danno gli stessi valori
precedentemente adottati, ma sotto forma di vincoli non lineari (il limite sul valore
minimo di 𝑥1 , 𝑥2 , 𝑥3 , non sono assegnati tramite 𝐿𝐵, ma con la matrice 𝐶 per i vincoli
non lineari), l’algoritmo riesce comunque a trovare la soluzione, che è la stessa del
caso precedente, ma le valutazioni della funzione passano da 9 a 14 .

Figura 191

244
Figura 192

Ciò serve a far capire, come esprimere un vincolo non nella maniera più appropriata,
provoca un’efficienza (che nei casi più complessi può fare la differenza).
Infine, sempre con riferimento al lower bound e all’upper bound è possibile andare a
cambiare gli estremi per quanto riguarda la variabile 𝑥1 e fissare che essa deve
essere maggiore di 1, ma minore di 0.

Figura 193

Evidentemente il problema in questo caso non ammette soluzione, giacché il limite


superiore di 𝑥1 è minore del suo limite inferiore. L’algoritmo di fatto restituisce dei
valori per le variabili 𝑥, che sono praticamente gli stessi dati come 𝑥0 iniziali, non
fornisce il valore della funzione 𝑓𝑣𝑎𝑙 e il flag è pari a −1, indice del fatto che il
problema non può essere risolto.

Figura 194

In effetti però il programma comunque ha restituito dei valori della 𝑥: in questo caso
è evidente che essi sono pari a quelli iniziali, ma se da questo calcolo usciva un
qualcosa che poi alimentava un’altra parte dell’algoritmo facilmente esso sarebbe
potuto continuare senza accorgersi che il problema non è risolubile.
Un ambito in cui le tecniche studiate sono utili è quello di progetto ottimizzato di un
impianto e di controllo ottimale di un impianto. In fase di progetto di un impianto, è
necessario definire una struttura e fissare i valori delle relative variabili (variabili di
245
progetto) che consentano di conseguire il funzionamento ottimale. Un’analoga
esigenza riguarda la gestione ed il controllo di un impianto esistente o già progettato,
al fine di determinare i valori delle variabili operative che assicurino il comportamento
ottimale (ottimizzazione delle strategie di controllo e di gestione). In alcuni casi è
anche possibile andare a risolvere il problema congiunto ovvero andare a
dimensionare (progettare) e controllare quel sistema in maniera simultanea. È
necessario quindi definire un criterio quantitativo per poter valutare e confrontare
diverse soluzioni, in riferimento alle variabili che ne descrivono le prestazioni.
Come esempio di progettazione, si esaminerà il caso di un impianto a vapore.
Sarebbe possibile individuare diversi criteri di progettazione, tra i quali:
 Il massimo rendimento termodinamico, al fine di ottenere il massimo lavoro
meccanico a parità di energia termica in ingresso.
 Il massimo lavoro per unità di massa di vapore, che consente di realizzare la
potenza desiderata con la minima portata di fluido, e quindi con ingombri e
pesi contenuti.
 Il minimo costo complessivo, combinando opportunamente l’effetto dei costi di
impianto, dei costi di esercizio, degli ammortamenti e del costo del denaro,
secondo i metodi dell’analisi termo-economica.
 Il minimo impatto ambientale.
 Una opportuna combinazione dei criteri citati: magari la soluzione che
minimizza l’impatto ambientale è quella che massimizza i costi e quindi poi
bisogna trovare n compromesso.
La risoluzione del problema di ottimo è ricondotto quindi alla ricerca del minimo (o
del massimo) di una opportuna funzione obiettivo (per esempio, massimo
rendimento, minimo costo, …). La formulazione del problema di ottimo in presenza
di obiettivi multipli ed in possibile reciproco contrasto è invece oggetto dei metodi di
ottimizzazione multi-criterio: tale metodologia permette di tener conto
simultaneamente di più parametri. Non sempre è però possibile ricondurre la ricerca
della condizione ottimale alla sola ricerca del minimo di una funzione, o di una
opportuna combinazione di funzioni. In tal caso, la definizione del problema è
completata dalla imposizione di opportuni vincoli, espressi generalmente come
equazioni o disequazioni.
Nel caso del progetto di un impianto a vapore, opportune relazioni di disuguaglianza
possono esprimere le seguenti condizioni:
 Che il titolo al termine della espansione non risulti troppo basso (per esempio
maggiore di 0.85), altrimenti la turbina funziona male.
 Che la pressione massima risulti minore del valore critico: al di sopra del valore
critico si va verso un’altra tipologia di impianti che vengono denominati
ipercritici (al crescere ulteriore della pressione non è possibile proprio
realizzare l’impianto stesso).

246
 Che la pressione minima sia maggiore di un valore minimo assegnato (per
esempio pari a 0.05 𝑏𝑎𝑟, che corrisponde alla pressione di saturazione a
temperatura ambiente).
 Che la temperatura massima sia inferiore di un limite massimo (per esempio
850𝐾) per motivi legati alla resistenza dei materiali di cui è fatto l’impianto.
In molti casi, la presenza di vincoli supplisce alla disponibilità di un modello del
sistema sufficientemente accurato e completo (modello semplificato del sistema).
Per esempio:
 Un modello che consideri gli effetti della presenza di vapore umido sul
rendimento interno della turbina renderebbe superfluo il vincolo sul titolo
(primo vincolo dell’elenco precedente): con tale modello viene simulato il
flusso bifasico e dunque si va a calcolare effettivamente il rendimento reale
se aver bisogno di utilizzare il vincolo; in tal caso sarà proprio il modello ad
accorgersi che se si va al di sotto di un certo valore del titolo il rendimento
scade e dunque non è possibile andare avanti.
 Un modello che comprenda gli aspetti strutturali ed economici e che descriva
in maniera accurata le proprietà termodinamiche del vapore in condizioni
supercritiche non richiederebbe il secondo e il quarto vincolo imposti
precedentemente; in tal caso sarebbe il modello a capire che andare verso la
direzione di un impianto supercritico non è conveniente da un punto di vista
economico; il modello in tal caso dovrebbe essere in grado di calcolare
l’aspetto strutturale in funzione di temperatura e pressione e di conseguenza
l’aspetto economico legato a quell’assetto strutturale.
 Un modello che fosse in grado di valutare i costi connessi alla costruzione del
condensatore ed alla localizzazione dell’impianto in siti alternativi,
caratterizzati da valori diversi per la temperatura del fluido refrigerante, non
richiederebbe l’imposizione del terzo vincolo. Se si vuole studiare dove voler
installare in maniera ottimale un impianto a vapore è possibile avere un
modello che magari sceglie di mettere l’impianto al Polo Nord e dunque può
andare a lavorare con pressioni di saturazione minori.
Pertanto la necessità di imporre dei vincoli è legata al livello di dettagli del modello
che si ha a disposizione: più il modello è semplificato e più si ha necessità di imporre
delle condizioni che fanno in modo da vincolare il modello in un’area in cui abbia
significato.
Nel caso in cui si voglia determinare il rapporto di miscela di minimo consumo in un
motore a combustione interna, in mancanza di un modello che descriva le condizioni
di accendibilità della miscela, è necessario fissare i limiti massimi e minimi del
rapporto di miscela (oltre i quali non c’è accendibilità). Quindi nella formulazione del
problema di ottimo, se il modello a disposizione è completo (ovvero predice i limiti di
accendibilità) si avrà:

247
min 𝐶𝑠𝑝 (𝛼)
𝛼

Mentre nel caso in cui si ha a disposizione un modello semplificato (non predice i


limiti di accendibilità) si ha:
min 𝐶𝑠𝑝 (𝛼)
𝛼

𝛼 ≥ 𝛼𝑚𝑖𝑛
𝛼 ≤ 𝛼𝑚𝑎𝑥
Nel caso di un impianto a vapore, è possibile scegliere una funzione obiettivo da
minimizzare che, tramite un fattore di peso 𝑤, realizzi una media pesata tra le
condizioni di massimo rendimento limite e di massimo lavoro specifico (funzione
multi-obiettivo):
𝐹 = 𝑤 ∙ (1 − 𝜂 ) ∙ 100 + (1 − 𝑤) ∙ (−𝐿/1000) 0 ≤ 𝑤 ≤ 1
si può quindi imporre la ricerca del massimo rendimento limite (𝑤 = 1), del massimo
lavoro (𝑤 = 0), o di una combinazione lineare di queste due condizioni (le costanti
numeriche introdotte hanno lo scopo di rendere i due termini dello stesso ordine di
grandezza): andando verso una direzione, piuttosto che verso un’altra, si privilegia il
rendimento oppure il lavoro (ovviamente sta a chi implementa il modello andare a
scegliere il valore del fattore di peso e magari andare a confrontare più soluzioni
differenti al variare di esso). La disponibilità di un modello tecnico economico
sufficientemente completo avrebbe permesso di esprimere il costo di impianto in
funzione delle variabili di progetto ed il costo di esercizio, legato al rendimento ed al
fattore di utilizzo, e di conglobarli in un unico indice di costo, che avrebbe potuto
rappresentare la funzione obiettivo da minimizzare.
È opportuno che le variabili da ottimizzare siano opportunamente definite e
normalizzare, per i seguenti motivi:
 Evitare l’insorgere di problemi numerici dovuti alla presenza di variabili con
ordine di grandezza molto diverso tra loro: quando si va a scegliere un passo
per calcolare le derivate, esso non deve essere troppo grande per una variabile
e troppo piccolo per un’altra; di fatto se è troppo grande c’è l’effetto dell’errore
di troncamento, se è troppo piccolo c’è l’effetto dell’errore di arrotondamento.

 Assicurare che ad ogni scelta delle variabili da parte dell’algoritmo di


ottimizzazione corrisponda un problema fisico congruente: bisogna fare in
modo che il problema da risolvere non sia assurdo e dunque le diverse variabili
devono avere una congruenza tra di loro; se così non fosse il programma
potrebbe andare in errore, oppure è possibile che l’algoritmo generi dei risultati
sbagliati (la qual cosa è anche più pericolosa).

248
Nel caso della ottimizzazione di un impianto a vapore con risurriscaldamenti
(nell’esempio viene riportato un ciclo Hirn con due risurriscaldamenti), la variabile
corrispondente alla pressione di fine espansione 𝑝𝑠,𝑖 è definita in termini relativi.

Figura 195

Attraverso un modello è possibile andare ad ottimizzare le variabili di pressione


(pressione massima, pressione minima e pressioni intermedie). Se al modello non
viene fornita alcuna informazione e si vogliono trovare i valori di queste pressioni in
maniera tale che il rendimento sia massimo l’algoritmo non sa che 𝑝1 deve essere
minore di tutte le altre pressioni o che 𝑝3 è quella più elevata di tutte o ancora che
𝑝𝑠,1 > 𝑝𝑠,2 , ...; se ciò non viene prefissato è molto probabile che alla fine si arriva ad
una soluzione che non soddisfa questi criteri: in alcuni casi il calcolo si blocca in altri
casi può dare dei numeri plausibili che però sono sbagliati. Pertanto, per ognuno
degli 𝑁𝑠 risurriscaldamenti si introduce una pressione relativa di fine espansione 𝛾𝑖 ,
definita dalle relazioni:
(𝑝𝑠𝑢𝑝,𝑖 − 𝑝𝑖𝑛𝑓 ) ∙ 𝛾𝑖
𝑝𝑠,𝑖 = 𝑝𝑖𝑛𝑓 + 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑁𝑠
100
0 ≤ 𝛾𝑖 ≤ 100 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑁𝑠
𝑝𝑠𝑢𝑝,𝑖 = 𝑝𝑠,𝑖−1 (𝑖 > 1), 𝑝𝑠𝑢𝑝,1 = 𝑝3 (𝑖 = 1)
𝑝𝑖𝑛𝑓 = 𝑝1

I valori di 𝛾𝑖 , vanno a definire i valori delle pressioni a partire dalla pressione superiore
fino alla pressione inferiore: ogni pressione viene definita come una certa
percentuale rispetto al valore superiore; in tal modo è sicuro che i quattro valori di
pressione siano congruenti tra di loro.
La pressione finale della singola espansione può quindi variare tra la pressione finale
della espansione precedente (ovvero, la pressione massima del ciclo nel caso della

249
prima espansione) e la pressione minima del ciclo. La scelta di pressioni relative
comprese tra 0 e 100 assicura la congruenza dei dati di ingresso al calcolo.
Similmente si può fare se si vogliono calcolare le pressioni a cui andare a fare degli
spillamenti: anche in tal caso esse devono trovarsi in un certo range tra un valore
massimo e un valore minimo i quali a loro volta sono variabili.

Figura 196

Pertanto nel caso di impianti con spillamenti le variabili 𝜑𝑖 corrispondenti alla


pressione di spillamento possono essere definite da relazioni analoghe:
(𝑝𝑅,𝑠𝑢𝑝,𝑖 − 𝑝𝑖𝑛𝑓 ) ∙ 𝜑𝑖
𝑝𝑅,𝑖 = 𝑝𝑖𝑛𝑓 + 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑍
100
0 ≤ 𝜑𝑖 ≤ 100 𝑝𝑒𝑟: 𝑖 = 1, … , 𝑍
𝑝𝑅,𝑠𝑢𝑝,𝑖 = 𝑝𝑅,𝑖−1 (𝑖 > 1), 𝑝𝑅,𝑠𝑢𝑝,1 = 𝑝3 (𝑖 = 1)
𝑝𝑖𝑛𝑓 = 𝑝1

250
Lezione 19 (Rizzo) 6/04/2017
La similitudine nelle macchine
In quest’ambito si parlerà di modelli intesi non come modelli matematici, bensì come
modelli in scala. Di fatto un’altra visione dell’ingegneria è quella di abbinare a un
modello matematico un modello fisico e vedere in quali condizioni quest’ultimo può
rappresentare l’impianto reale. In molti casi viene sviluppato un modello in scala di
un fenomeno che si vuole studiare, soprattutto se tale fenomeno è in una scala tale
da non riuscire ad essere riprodotto in laboratorio, che però deve seguire certe
regole; a questo si abbina lo sviluppo di un modello matematico che viene validato
ed infine si effettua una estrapolazione al caso reale; anche in tal caso quando si va
a fare un impianto su scala ridotta è necessario seguire delle regole.
La teoria della similitudine si è sviluppata per permettere di riprodurre esperimenti su
modelli, in scala diversa (in genere, minore) rispetto a quella del prototipo.
Storicamente lo studio di tale disciplina (dunque lo studio attraverso modelli) si è
rivelato particolarmente utile per lo studio delle macchine idrauliche: esse, rispetto
alle macchine termiche, hanno minori complicazioni (minori fattori di approssimazioni
nel loro funzionamento). Particolare utilità nello studio delle macchine e dei modelli
rivestono l’analisi dimensionale i gruppi adimensionali. Ovviamente il concetto di
dimensione è strettamente correlato alle unità di misura con cui una data grandezza
si misura, sebbene essi siano due concetti diversi: una lunghezza ad esempio
(dimensione), può essere misurata in metri, o i millimetri, … (unità di misura). I numeri
adimensionali sono in molti ambiti di fondamentale importanza (come il numero di
Reynolds).
Si vuole dunque definire il concetto di similitudine geometrica. Si consideri in
particolare una macchina ed in particolare una turbina idraulica che abbia una certa
geometria:

Figura 197

251
Per ogni macchina si possono individuare delle dimensioni ed in particolare è
possibile individuare una lunghezza fondamentale 𝑙 (nell’esempio, il diametro della
girante: non è l’unica evidentemente, ma essa viene scelta come dimensione di
riferimento). Rispetto a questa lunghezza può essere rapportata la generica
dimensione 𝑙𝑖 di ogni altro organo (nell’esempio, l’altezza della sezione rotorica
all’ingresso): ogni lunghezza può essere messa in relazione alla dimensione
principale. Pertanto l’intera geometria della macchina risulta definita dall’insieme dei
rapporti (minori o maggiori di uno):
𝑙𝑖
𝐿={ }
𝑙
Essi sono i rapporti tra le diverse dimensioni rispetto alla dimensione principale; tali
rapporti costituiscono un insieme finito e numerabile.
Le macchine omotetiche sono caratterizzate dallo stesso insieme 𝐿
precedentemente definito: esse appartengono ad una famiglia di macchine
geometricamente simili. Quindi se due turbina sono caratterizzate dallo stesso
insieme 𝐿, esse saranno due turbine simili: differiranno solo per un fattore di scala.
Pertanto ogni individuo della famiglia può essere caratterizzato da un particolare
valore della lunghezza fondamentale 𝑙

Figura 198

Avendo 𝑛 macchine omotetiche (geometricamente simili), è possibile assumere una


di queste macchine come prototipo (quella incorniciata in rosso ad esempio), e
considerare la sua lunghezza fondamentale 𝑙0 come riferimento: essa rappresenta
sostanzialmente la macchina di dimensioni reali. Ogni individuo della famiglia
(modello: incorniciati in verde) può essere caratterizzato dal rapporto di scala 𝜆:
𝑙
𝜆=
𝑙0
Ovviamente se il modello è più piccolo del prototipo il fattore di scala sarà minore
dell’unità, mentre se è più grande il fattore di scala sarà maggiore di uno.
In genere i modelli risultano più piccoli del prototipo, per consentire di sperimentare
in laboratorio macchine di grandi dimensioni (per esempio turbine idrauliche di
elevata potenza); tipicamente nell’ingegneria si devono studiare dei sistemi molto
grandi in contesti più limitati per motivi di spazio, costo, ….
252
Figura 199

𝑙
𝜆={ }<1
𝑙0
Può anche presentarsi la necessità di realizzare modelli di dimensioni maggiori del
prototipo, quando questo fosse di dimensioni molto ridotte (per esempio macchine
miniaturizzate per applicazioni mediche, macchine realizzate con naotecnologie); per
esempio se si devono studiare delle valvole cardiache o qualsiasi oggetto che deve
essere impiantato nel corpo umano, può essere utile realizzarlo di dimensioni
maggiori per poter mettere dei sensori di pressione (o altri tipi di sensori) per
studiarne il comportamento.

Figura 200

𝑙
𝜆={ }>1
𝑙0
Anche quando si studia un qualcosa che evolve nel tempo (evoluzione temporale),
ha senso andare a considerare il concetto di similitudine: si parla in tal caso di
similitudine temporale. In ogni macchina si verificano eventi nel piano temporale: nel
caso di un motore alternativo a combustione interna nel tempo varia la posizione
reciproca degli organi (l’albero di rotazione gira, le valvole si aprono e si chiudono,
…). La rapidità di tali fenomeni in genere non è costante, ma può variare in funzione
delle condizioni di esercizio: sempre nel caso del motore, il regime di giri varia e
dunque variano i tempi con cui si aprono e si chiudono le valvole, …. Anche in tal
caso è possibile definire un tempo fondamentale 𝑡 (detto regime) al quale possono
essere rapportate le durate 𝑡𝑖 degli altri fenomeni. Nel caso del motore il tempo
fondamentale può essere il tempo impiegato dall’albero per fare una rotazione:
rispetto a tale tempo è possibile definire il tempo durante il quale è aperta la valvola
di aspirazione, il ritardo o l’anticipo rispetto a un punto morto, …. La cronologia del

253
funzionamento della macchina risulta quindi definita dall’insieme dei rapporti
(insieme numerabile):
𝑡𝑖
𝑇={ }
𝑡
L’insieme di questi tempi definisce l’evoluzione temporale di tutto il sistema (sia gli
istanti in cui accadono, sia le durate).
Se l’insieme dei rapporti resta inalterato al variare del regime, il suo comportamento
temporale è costante (spesso è verificata questa condizione in maniera
approssimata): sempre nel caso del motore se il numero di giri raddoppia (e dunque
si dimezza il tempo necessario a compiere un giro dell’albero motore) si dimezza
anche il tempo in cui la valvola di aspirazione rimane aperta, … esistono in sostanza
una serie di tempi che variano proporzionalmente al regime di giri (esistono però altri
fenomeni che non sono collegati al regime di giri: è il caso di alcuni fenomeni
fluidodinamici (fenomeni di risonanza) che si verificano nei collettori, le cui velocità
caratteristiche sono legate alla velocità del suono che è indipendente dalla velocità
del motore: essi non vengono più descritti “rigidamente”). Limitandosi al caso in cui
è possibile ritenere che tutti i tempi siano collegati al tempo fondamentale, è possibile
definire un rapporto 𝜏, tra il suo regime 𝑡 ed un regime di riferimento 𝑡0 :
𝑡
𝜏=
𝑡0
Quindi è possibile ancora una volta definire dei sistemi che abbiano la stessa
cronologia, ma che lavorano a tempi caratteristici differenti, ovvero a numeri di giri
diversi (ovviamente i sistemi devono essere simili, ovvero deve trattarsi ad esempio
di due motori, … e non di un motore e un frullatore).
È possibile mettere assieme le due grandezze appena definite (lunghezze e tempi)
per comporre la similitudine cinematica. Se un punto 𝑃 percorre una lunghezza 𝑙, in
un tempo 𝑡, si muove con una velocità media:
𝑙
𝑣=
𝑡
Si può quindi considerare il rapporto tra le velocità del punto nel modello e nel
prototipo, e definire il rapporto tra le velocità 𝐾. Risulta:
𝑣 𝑙 𝑡0 𝑙 𝑡0 𝜆
𝐾= = ∙ = ∙ =
𝑣0 𝑡 𝑙0 𝑙0 𝑡 𝜏
Il rapporto tra le velocità (tra i due sistemi geometricamente e temporalmente simili)
è dato dal rapporto tra la scala delle lunghezze e quella dei tempi.
Così com’è possibile parlare di un modello più o meno grande rispetto al prototipo, è
anche possibile parlare di un modello più o meno veloce rispetto al prototipo.

254
Il rapporto tra le accelerazioni 𝐾′ (in un sistema in moto stazionario esse sono nulle)
è invece dato dal rapporto tra la scala delle lunghezze e quella dei tempi al quadrato:


𝑎 𝑙 𝑡02 𝑙 𝑡02 𝜆
𝐾 = = 2∙ = ∙ 2= 2
𝑎0 𝑡 𝑙0 𝑙0 𝑡 𝜏
Anche in tal caso conoscendo la scala delle lunghezze e il rapporto dei tempi tra
modello è prototipo è possibile dire che rapporto c’è tra le accelerazioni dei singoli
punti tra modello e prototipo (lo stesso vale per le velocità).
Combinando l’ultima relazione con quella precedente (sulle velocità) si ha:
𝜆 𝐾∙𝜏 𝐾
𝐾′ = = =
𝜏2 𝜏2 𝜏
C’è dunque una relazione tra il rapporto delle velocità e il rapporto delle accelerazioni:
i due rapporti non sono uguali a meno che i sistemi non lavorino con gli stessi tempi
di riferimento (se i due modelli lavorano con tempi non potranno avere
contemporaneamente le stesse velocità e le stesse accelerazioni). Quindi facendo
un modello in scala e facendolo girare a tempi diversi non è possibile riprodurre
contemporaneamente velocità è accelerazione del sistema (questo è un fatto molto
importante).
È utile rappresentare i parametri di similitudine 𝜆 e 𝜏 su un diagramma logaritmico
(sulle ascisse si riporta 𝜆, mentre sulle ordine si riporta 𝜏:

Figura 201

Il punto di coordinate (1,1) è evidentemente il punto caratteristico del prototipo (per


definizione). I punti a destra (𝜆 > 1) rappresentano modelli più grandi, mentre quelli
a sinistra (𝜆 < 1) modelli più piccoli. Analogamente, i punti in alto (𝜏 > 1)
rappresentano modelli con durate maggiori rispetto al prototipo, mentre quelli in
255
basso (𝜏 < 1) modelli con durate temporali minori. Il punto 𝑃, per esempio,
rappresenta un modello in scala geometrica 1: 10 con lo stesso regime di
funzionamento del prototipo (stessi tempi del prototipo). Le sue velocità (𝐾 = 𝜆/𝜏)
sono 1/10 di quelle del prototipo (di fatto gli spazi si sono ridotti di un fattore 10,
mentre i tempi sono rimasti inalterati).
Punti che hanno la stessa velocità sono caratterizzati da un rapporto:
𝜆
𝐾= = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒
𝜏
Passando ai logaritmi si ha:
log(𝜆) = log(𝜏) + log(𝐾)
Sul piano 𝜆 − 𝜏, in scala logaritmica quanto precedentemente riportato rappresenta
l’equazione di una retta (log(𝐾) = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒):

Figura 202

In particolare le rette che rappresentano la velocità sul piano logaritmico


rappresentato hanno una pendenza unitaria (retta in blu), mentre l’intercetta con
l’asse delle ascisse è pari a log(𝐾). Le rette passanti per l’origine sono caratterizzate
da 𝐾 = 1 (log(𝐾) = log(1) = 0): essi sono modelli che hanno la stessa velocità del
prototipo però più piccoli o più grandi (affinché essi abbiano la stessa velocità
lunghezza e tempo devono variare in sincronia).
Facendo lo stesso ragionamento per le accelerazioni la relazione che viene fuori è
la seguente:
𝜆
𝐾′ =
𝜏2
Per cui passando ai logaritmi:
256
log(𝜆) = 2 ∙ log(𝜏) + log(𝐾 ′ )
Anche in questo caso si ottiene una retta (retta in verde), che però questa volta ha
una pendenza pari a 0.5, mentre l’intercetta con l’asse delle ascisse è pari a log(𝐾 ′ ).
Su tale retta ricadono i modelli che hanno la stessa accelerazione: la retta passante
per l’origine esprime modelli che hanno la stessa accelerazione del prototipo.
Quindi riassumendo, la retta 𝐾 = 1 passante per il punto (1,1) rappresenta situazioni
cinematiche con velocità uguali a quelle del prototipo al regime di riferimento. Modelli
caratterizzati dalle stesse velocità, ma diverse da quelle del prototipo al regime 𝑡0 , si
trovano su rette parallele alla bisettrice. La retta 𝐾 ′ = 1 passante per il punto (1,1),
rappresenta invece modelli con accelerazioni uguali a quelle del prototipo al regime
𝑡0 . Modelli con le stesse accelerazioni, ma diverse da quelle del prototipo, sono su
fasci di rette parallele a questa.

Figura 203

In molti sistemi ha molta influenza anche la massa, per cui è possibile fare un
ragionamento analogo. In ogni macchina si può considerare quale massa
fondamentale 𝑚 quella contenuta in un certo spazio in un certo istante: in un motore
che gira ad un certo regime di giri, a pieno carico, la massa potrebbe essere quella
contenuta all’interno del cilindro alla chiusura della valvola di aspirazione; in quello
stesso istante è possibile considerare la massa contenuta all’interno del collettore di
aspirazione, la massa contenuta all’interno del collettore di scarico, … e rapportare
tutte queste masse alla massa di riferimento definendo l’insieme della distribuzione
delle masse. Pertanto tutte le masse 𝑚𝑖 contenute in determinati spazzi nello stesso
istante possono essere rapportate alla massa fondamentale. La distribuzione delle
masse della macchina risulta quindi definita dall’insieme dei rapporti:
𝑚𝑖
𝑀={ }
𝑚

257
Se l’insieme di questi rapporti rimane inalterato durante il funzionamento, anche al
variare della massa fondamentale 𝑚 e della densità del fluido, si ha una similitudine
di massa: se nel motore quando si dimezza la massa contenuta nel cilindro, si
dimezzano anche la massa nel collettore di aspirazione, la massa nel collettore di
scarico, … allora si ottiene questa similitudine di massa (spesso essa non vale
rigorosamente, ma è approssimata). Anche in questo caso si può individuare il
rapporto 𝜇 tra la massa fondamentale 𝑚 (del modello) e quella di riferimento 𝑚0 (del
prototipo):
𝑚
𝜇=
𝑚0
Tale similitudine di massa è più facile che non sia perfetta lavorando con un flusso
comprimibile piuttosto che con un liquido (flusso incomprimibile); di fatto nel caso del
liquido, nella maggior parte dei casi, salvo quando si ha cavitazione, ci sarà una
stretta proporzionalità tra le diverse quantità di fluido contenute nelle varie parti di
una turbina idraulica ad esempio; quando la macchina è a flusso comprimibile è
possibile che ci siano fenomeni di rarefazione o di compressione (legati magari a
risonanze: questo è ciò che accade nei motori da competizione), per cui il rapporto
tra le masse può variare: questo è il motivo per cui tale teoria si applica meglio alle
macchine idrauliche, rispetto alle macchine termiche (dove ci sono più fattori di
incertezza).
Quando si ha la coesistenza di similitudine geometrica, temporale e di massa
definisce la similitudine dinamica. È possibile estendere quanto precedentemente
detto con una rappresentazione grafica tridimensionale, con tre assi logaritmici:

Figura 204

Il prototipo avrà evidentemente coordinate (1,1,1). Il generico modello, rappresentato


dal punto 𝑃, è caratterizzato dalle coordinate (𝜆, 𝜏, 𝜇), che definiscono
rispettivamente il rapporto delle dimensioni, il rapporto dei tempi e il rapporto delle
masse, rispetto al prototipo.

258
Questo modo di ragionare è molto utile giacché è possibile calcolare il rapporto tra
una grandezza relativa al modello e quella relativa al prototipo a partire dalle
dimensioni della grandezza. Per esempio una forza è data dal prodotto di una massa
per un’accelerazione e dunque le dimensioni fisiche saranno:
𝐹 = 𝑚𝑎 = [𝑀𝐿𝑇 −2 ]
Il rapporto tra la forza 𝐹 del modello e la forza 𝐹0 del prototipo sarà pari a: 𝜇𝜆𝜏 −2 ;
pertanto quanto detto vale in generale per tutte le grandezze che hanno delle
dimensioni (tutte le grandezze, eccetto quelle dove compare la temperatura, si
esprimono attraverso le dimensioni fondamentali: lunghezza, massa, tempo; per tutte
queste grandezze valgono tutti i ragionamenti fatti sinora). Conoscendo dunque i
rapporti di lunghezza, massa, tempo, tra prototipo e modello, nota la distribuzione
delle forze sul prototipo, sarà nota la distribuzione delle forze sul modello (e
viceversa): pertanto misurando le forze sul modello in scala ridotta è possibile risalire
alle forze sul sistema reale.
Analogamente, è possibile ragionare per la densità:
𝑚
𝜌= = [𝑀𝐿−3 ]
𝑉
Il rapporto tra la densità 𝜌 del modello e la densità 𝜌0 del prototipo è pari a: 𝜇𝜆−3 .
Ancora per la potenza si avrà:
𝐿 𝐹𝑠 𝑚𝑎𝑠
𝑃= = = = [𝑀𝐿𝑇 −2 𝐿𝑇 −1 ] = [𝑀𝐿2 𝑇 −3 ]
𝑡 𝑡 𝑡
Il rapporto tra la potenza 𝑃 del modello e la potenza 𝑃0 del prototipo è pari a: 𝜇𝜆2 𝜏 −3 .
Se si vuole costruire una macchina in laboratorio e per motivi di potenza elettrica
installata, … non è possibile superare certi valori, ciò guida a capire il fattore di scala
da scegliere per il modello affinché non si ecceda: volendo simulare una turbina di
300 𝑀𝑊, magari è possibile costruire una turbina di 30 𝑘𝑊, così da definire il
rapporto di scala, e potendo giocare su tre variabili per arrivare proprio a quella
potenza ridotta (non solo sulle dimensioni, ma anche su tempi e masse).
Quindi in generale, per realizzare un modello in similitudine meccanica, esistono in
linea di principio tre gradi di libertà, corrispondenti ai parametri di similitudine 𝜇, 𝜆, 𝜏.
Tuttavia esigenze diverse possono vincolare alcune delle scelte e ridurre il numero
di gradi di libertà. Per esempio, se si sta costruendo una turbina, e si vuole variare in
maniera arbitraria il rapporto delle masse, è probabile che si debba utilizzare un fluido
di densità arbitraria e ciò non è detto che sia semplice: per cui magari si sceglie di
utilizzare l’acqua sia per il modello che per il prototipo. Pertanto può essere difficile
o impossibile utilizzare nel modello un fluido con una densità arbitraria o diversa da
quella del fluido usato nel prototipo (spesso aria o acqua), anche per motivi di costo;
se le densità coincidono, risulta:

259
𝜌
𝜌 = 𝜌0 ⟹ = 𝜇𝜆−3 = 1 ⟹ 𝜇 = 𝜆3
𝜌0
Per cui i gradi di libertà nella scelta della similitudine scendono da 3 a 2, essendo 𝜇
e 𝜆 legati da una relazione (fissato 𝜆 resta fissato anche 𝜇 o viceversa). Volendo
avere 3 gradi di libertà deve esserci la possibilità di scegliere un fluido qualunque di
densità qualunque.
In definitiva se le similitudini sono sufficientemente realizzate, è possibile fare degli
esperimenti sul modello ed attraverso la conoscenza dei fattori di scala, trasportare
questi risultati al prototipo. Tuttavia man mano che ci si scosta da fattori di scala
unitari (ed in particolare per la scala delle lunghezze) possono intervenire dei
fenomeni secondari che possono giocare un ruolo diverso sul prototipo e sul modello.
I processi termo-fluidodinamici di fatto dipendono in genere anche da fenomeni
(strato limite, capillarità, rugosità), spesso considerati “secondari” in quanto il loro
effetto in una macchina ben costruita ed operante alle condizioni di progetto può
essere di entità trascurabile. Può essere difficile o impossibile rispettare le condizioni
di similitudine per tutti i fenomeni secondari presenti. Per esempio se si immagina di
avere una turbina idraulica, il fenomeno principale è il flusso che c’è all’interno della
girante che provoca lo scambio di lavoro; esistono però dei fenomeni secondari, tra
i quali il trafilamento tra il bordo della girante e la cassa della macchina (deve esserci
un certo gioco, per evitare interferenza: in quello spazio passerà del liquido che non
partecipa allo scambio di lavoro); realizzando un modello in scala 1: 10 ad esempio,
teoricamente dovrebbe essere ridotto di un fattore 10 anche il gioco che c’è tra la
girante e la cassa: ciò può non essere tecnologicamente possibile (se la turbina è
molto performante è già quella a dimensioni naturali ha un gioco molto ridotto, ridurlo
ulteriormente di un fattore 10 può non essere possibile); ciò significa che nel modello
l’effetto del gioco avrà un peso maggiore rispetto a quello che esso aveva nel
prototipo: più la scala è ridotta e più ci si discosta da ciò che accade sul prototipo.
Un altro esempio può essere rappresentato dalla rugosità: in una macchina si cerca
di ridurre quanto più possibile gli attriti, realizzando le superfici lisce con lavorazioni
meccaniche di precisione (al limite con lavorazioni di lappatura) che permettono di
avere una rugosità superficiale molto ridotta; realizzando un modello in scala 1: 10,
la rugosità superficiale dovrà ridursi di un fattore 10, quindi la superficie andrà
lavorata in maniera differente; tuttavia se quella superficie era già al limite
tecnologico, al di sotto di tale limite non è possibile scendere per cui sulla macchina
su scala minore il peso dei fenomeni di attrito sarà maggiore rispetto a quello che si
ha sul prototipo (quindi anche tutto ciò che è legato alla viscosità peserà di più). I
fenomeni secondari giocano quindi un ruolo diverso nel prototipo e nel modello, tanto
più quanto il rapporto di scala 𝜆 si allontana da 1, rendendo meno attendibili i risultati
e più problematica la loro trasferibilità al prototipo (perché magari nel prototipo erano
trascurabili e nel modello invece no): si parla in questo caso di effetti di scala (i quali
possono inficiare il risultato).
Si consideri un’equazione, che viene espressa nella maniera seguente:
260
𝑓 (𝐺1 , 𝐺2 , 𝐺3 , … , 𝐺𝑛 ) = 0 (1)
Una generica equazione (la maggior parte) tra le 𝑛 grandezze fisiche 𝐺𝑖 può essere
espressa nella forma seguente, come serie di potenze, dove gli addendi hanno le
stesse dimensioni:
𝜀 𝜀 𝜀 𝜀 𝜀 𝜀
𝑘1 𝐺1 11 𝐺2 12 … 𝐺𝑛1𝑛 + 𝑘2 𝐺1 21 𝐺2 22 … 𝐺𝑛2𝑛 + ⋯ = 0 (2)
Dove:
𝑘 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑖
È evidente che gli addendi devono avere le stesse dimensioni, affinché la relazione
abbia un significato fisico. Tra le altre cose, una delle prime cose da andare a
guardare in un’equazione è se i diversi addendi hanno le stesse dimensioni, giacché
è il modo più veloce per capire se l’equazione è sbagliata.
A titolo di esempio si consideri la relazione composta dalle tre grandezze (𝑛 = 3)
seguenti:
𝐹 = 𝑚𝑎 ⟹ 𝐹 − 𝑚𝑎 = 0
È possibile applicare quanto detto, riscrivendo la relazione come una serie di
potenze:
(1)𝐹1 𝑚0 𝑎0 + (−1)𝐹 0 𝑚1 𝑎1 + (0)𝐹 0 𝑚0 𝑎0 = 0
In sostanza è stata riscritta, in diverso modo la relazione riportata sopra (𝐹 − 𝑚𝑎 =
0). Tuti gli addendi hanno evidentemente le stesse dimensioni: ogni termine è
composto dalle tre grandezze moltiplicate per una costante.
In particolare l’equazione (2) può essere espressa in forma adimensionale dividendo
tutti gli addendi per uno di essi (non nullo). Per esempio dividendo per il primo
addendo si ha:
𝜀 𝜀 𝜀 𝜀 𝜀 𝜀
𝑘2 𝐺1 21 𝐺2 22 … 𝐺𝑛2𝑛 𝑘3 𝐺1 31 𝐺2 32 … 𝐺𝑛3𝑛
1+ 𝜀 𝜀 𝜀 + 𝜀 𝜀 𝜀 +⋯=0
𝑘1 𝐺1 11 𝐺2 12 … 𝐺𝑛1𝑛 𝑘1 𝐺1 11 𝐺2 12 … 𝐺𝑛1𝑛
In tal modo il tutto è stato ridotto ad una somma di termini adimensionali. È ancora
possibile manipolare l’equazione riscrivendola come somma di prodotti di termini
adimensionali:
(𝜀21 −𝜀11 ) (𝜀22 −𝜀12 ) (𝜀2𝑛 −𝜀1𝑛 ) (𝜀31 −𝜀11 ) (𝜀32 −𝜀12 ) (𝜀3𝑛 −𝜀1𝑛 )
1 + 𝑘2 𝑘1−1 𝐺1 𝐺2 … 𝐺𝑛 + 𝑘3 𝑘1−1 𝐺1 𝐺2 … 𝐺𝑛 +⋯=0

La relazione (1), contenente 𝑛 grandezze, può quindi essere espressa in forma


adimensionale con una relazione contenente 𝑞 gruppi adimensionali 𝜋𝑖 funzioni delle
𝑛 grandezze fisiche 𝐺𝑖 , del tipo:
𝑓(𝜋1 , 𝜋2 , 𝜋3 , … , 𝜋𝑞 ) = 0

261
In generale i gruppi adimensionali sono in numero diverso rispetto alle grandezze da
cui si è partiti.
In sostanza si è partiti da un’equazione dimensionale in 𝑛 grandezze e ci si è
ricondotti ad un’equazione che esprime la stessa cosa, ma come somma di termini
adimensionali.
La formulazione adimensionale comporta una riduzione nel numero delle variabili
rappresentative del fenomeno (𝑞 < 𝑛). Nel caso dell’esempio presentato, l’equazione
può essere posta nella seguente forma:
𝑚𝑎
𝐹 = 𝑚𝑎 ⟹ 𝐹 − 𝑚𝑎 = 0 ⟹ 1 − =0
𝐹
In sostanza quindi da una formulazione dimensionale con 3 grandezze (𝑛 = 3: forza,
massa, accelerazione) si passa a una relazione con un solo gruppo adimensionale
(𝑞 = 1):
𝑓 (𝐺1 , 𝐺2 , 𝐺3 ) = 0 ⟹ 𝑓(𝜋1 ) = 0
A questo punto è possibile introdurre il teorema di Buckingham. In un sistema
meccanico (ovvero un sistema retto dalle dimensioni lunghezza, massa e tempo),
caratterizzato da 𝑛 grandezze 𝐺𝑖 (in cui ogni grandezza è esprimibile in funzione di
𝐿, 𝑀, 𝑇), è possibile scegliere tre grandezze fisiche 𝐴, 𝐵, 𝐶 (giacché tre sono le
dimensioni) attraverso cui esprimere le dimensioni di tutte le altre grandezze, con
relazioni del tipo:
[𝐺𝑖 ] = [𝐴𝛼𝑖 𝐵𝛽𝑖 𝐶 𝛾𝑖 ]

Quindi ognuna di queste grandezze (𝐴, 𝐵, 𝐶) viene elevata ad un opportuno


esponente (in effetti una qualunque grandezza fisica è data da una lunghezza
elevata a un certo esponente, per una massa elevata a un certo esponente e per un
tempo elevato a un certo esponente).
Si scelgano quindi tre grandezze 𝐺𝑖 (pari al numero delle grandezze fondamentali:
lunghezza, massa e tempo), per esempio 𝐺1 , 𝐺2 , 𝐺3 e si consideri il termine ottenibile
elevando ogni grandezza ad un esponente per ora arbitrario:
𝑦
𝐺1𝑥 𝐺2 𝐺3𝑧
Si moltiplichi questo monomio per ciascuna delle grandezze rimanenti (ne rimangono
𝑛 − 3: 𝐺4 … 𝐺𝑛 ). Per esempio con riferimento alla 𝐺4 si avrà:
𝑦
𝐺1𝑥 𝐺2 𝐺3𝑧 𝐺4
È possibile scegliere gli esponenti 𝑥, 𝑦, 𝑧 in modo da rendere il prodotto su scritto (e
tutto gli altri prodotti considerando 𝐺5 , 𝐺6 , …) adimensionale.
Si considerino dunque le seguenti espressioni:
𝑦
𝐺1𝑥 𝐺2 𝐺3𝑧 𝐺4
262
[𝐺𝑖 ] = [𝐴𝛼𝑖 𝐵𝛽𝑖 𝐶 𝛾𝑖 ]

Combinando si ottiene:
𝑦 𝑥 𝑦 𝑧
𝐺1𝑥 𝐺2 𝐺3𝑧 𝐺4 = [𝐴𝛼1 𝐵𝛽1 𝐶 𝛾1 ] [𝐴𝛼2 𝐵𝛽2 𝐶 𝛾2 ] [𝐴𝛼3 𝐵𝛽3 𝐶 𝛾3 ] [𝐴𝛼4 𝐵𝛽4 𝐶 𝛾4 ] = [𝐴0 𝐵0 𝐶 0 ]
Affinché quel prodotto sia adimensionale tutto quello scritto al primo membro deve
essere equivalente al prodotto 𝐴0 𝐵0 𝐶 0 .
In particolare i valori 𝑥, 𝑦, 𝑧 che rendono il prodotto adimensionale possono essere
ottenuti dalla soluzione di un sistema lineare di tre equazioni nelle tre incognite 𝑥, 𝑦, 𝑧:
𝛼1 𝑥 + 𝛼2 𝑦 + 𝛼3 𝑧 + 𝛼4 = 0
{ 𝛽1 𝑥 + 𝛽2 𝑦 + 𝛽3 𝑧 + 𝛽4 = 0
𝛾1 𝑥 + 𝛾2 𝑦 + 𝛾3 𝑧 + 𝛾4 = 0
La relazione scritta rappresenta un sistema di equazioni lineari. Il numero dei diversi
gruppi adimensionali che possono ottenersi con questo metodo è quindi pari a 𝑛 − 3
(o in generale a 𝑛 − 𝑓, dove 𝑓 è il numero di dimensioni fondamentali del sistema).
Quindi a partire da un’equazione espressa in forma dimensionale con 𝑛 grandezze,
si è arrivati ad un numero di gruppi adimensionali pari a 𝑛 − 3 (giacché le prime tre
variabili sono state isolate), che esprimono la stessa legge dell’equazione di
partenza.
Il teorema di Buckingham (o del 𝜋) stabilisce che se in un fenomeno intervengono 𝑛
grandezze 𝐺, l’equazione che lo governa può essere sostituita da un’equazione tra
gli 𝑛 − 𝑓 gruppi adimensionali che si possono formare con queste grandezze (dove
𝑓 è il numero di dimensioni fondamentali):
𝑓 (𝐺1 , 𝐺2 , 𝐺3 , … , 𝐺𝑛 ) = 0 ⟹ 𝑓(𝜋1 , 𝜋2 , 𝜋3 , … , 𝜋𝑞 ) = 0
Con:
𝑞 = 𝑛 − 𝑓 (𝑞 = 𝑛 − 3 𝑖𝑛 𝑢𝑛 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑚𝑒𝑐𝑐𝑎𝑛𝑖𝑐𝑜 )
Esistono casi in cui la massa non interviene giacché viene considerato un problema
di cinematica e dunque le dimensioni saranno due.
I vantaggi della adimensionalizzazione sono i seguenti:
 Unicità della rappresentazione: una grandezza adimensionale non varia al
variare sia delle unità di misura che del sistema di misura.
 Semplificazione nella rappresentazione: la riduzione del numero di variabili
permette di rappresentare un fenomeno in modo molto più sintetico, riducendo
il numero di esperimenti da compiere; quello che era un problema retto da 𝑛
variabili, diventa un problema retto da 𝑞 varabili dove 𝑞 < 𝑛; un esempio viene
dallo studio delle perdite di carico nei condotti: esistono in tal caso dei grafici,
dove le grandezze che influenzano tali fenomeni (lunghezza, viscosità,
densità, …) si riducono ad una sola grandezza che è il numero di Reynolds; in
263
tal modo non si hanno bisogna di più grafici per capire quello che accade al
variare delle diverse grandezze, ma un solo grafico descrive tutto.
 Ricerca di leggi fisiche: maggiore facilità nella ricerca delle leggi che regolano
un fenomeno. Per esempio, un fenomeno retto da 5 grandezze può essere
analizzato al variare di 5 − 3 = 2 variabili adimensionali. Approssimando
l’andamento con una relazione analitica si ottiene la legge che governa il
fenomeno. Sapendo che un fenomeno è retto da un gruppo adimensionale,
che raggruppa quattro variabili non è necessario fare un’analisi parametrica
delle quattro variabili, ma basta fare un’analisi parametrica rispetto a quel solo
gruppo adimensionale.
A questo punto si analizza il problema del pendo semplice, ipotizzando che il periodo
𝑇 possa dipendere dalla massa 𝑀, dalla accelerazione di gravità 𝑔 e dalla lunghezza
𝑙 del filo.

Figura 205

Per cui si considera un’equazione (al momento incognita) che lega tra di loro le
grandezze menzionate:
𝑓 (𝐺1 , 𝐺2 , 𝐺3 , … , 𝐺𝑛 ) = 0 ⟹ 𝑓 (𝑇, 𝑙, 𝑀, 𝑔) = 0
A questo punto si cerca una rappresentazione adimensionale:
𝑓(𝜋1 , 𝜋2 , 𝜋3 , … , 𝜋𝑞 ) = 0

In questo caso: 𝑛 = 3 e 𝑞 = 4 − 3 = 1, quindi teoricamente si deve arrivare a un unico


gruppo adimensionale che lega le diverse grandezze. Pertanto scegliendo come
grandezze 𝑙, 𝑀, 𝑔, si può ottenere un gruppo adimensionale del tipo:
𝜋1 = 𝑙 𝑥 𝑀𝑦 𝑔 𝑧 𝑇
Dato che si vuole una relazione che esprime il periodo, è conveniente lasciare il
periodo senza esponente (era possibile anche ragionare diversamente, il risultato
sarebbe stato lo stesso).
Imponendo la condizione di adimensionalità, si possono ottenere gli esponenti 𝑥, 𝑦, 𝑧:
[𝑙 𝑥 𝑀𝑦 𝑔 𝑧 𝑇] = [𝐿1 ]𝑥 [𝑀1 ]𝑦 [𝐿𝑇 −2 ]𝑧 [𝑇] = [𝐿0 𝑀 0 𝑇 0 ]
Per cui si avrà:

264
𝑥+𝑧 =0
{ 𝑦=0
−2𝑧 + 1 = 0
Da cui:
1
𝑥=−
2
𝑦=0
1
{ 𝑧 =
2
Per cui il gruppo adimensionale sarà:
1 1
𝜋1 = 𝑙 −2 𝑔2 𝑇
Nella relazione scritta non compare la massa: senza andare ad applicare le leggi
della fisica (equazioni della dinamica) è stato ottenuto lo stesso risultato, ovvero che
la massa non influenza il periodo, soltanto facendo delle considerazioni di carattere
dimensionale. Il periodo 𝑇 può quindi essere espresso in funzione di 𝑙 e 𝑔, con una
relazione del tipo:

1 1 𝑙
𝑇 ∝ 𝑙 2 𝑔−2 = 𝑘√
𝑔

Ovviamente c’è una costante 𝑘 che andrebbe determinata. Basta tuttavia un unico
esperimento per trovare il valore della costante 𝑘 (che peraltro è uguale a 2𝜋).
L’analisi dimensionale ha dunque mostrato, pur senza svolgere uno studio dettagliato
del problema, come il periodo 𝑇 non dipenda dalla massa 𝑀 e con quale legge
dipenda dalle grandezze 𝑙 e 𝑔.
Un altro esempio un po’ più complesso, può essere effettuato sulla curva
caratteristica di un compressore centrifugo. Le curve caratteristiche ideali sono delle
rette a pendenza variabile sul piano portata (𝑄), prevalenza manometrica (𝛥𝑝/𝜌): la
pendenza dipende dall’angolo di uscita del fluido dal rotore.

Figura 206

265
Le curve riportate dipendono dal numero di giri della macchina: a ogni regime di giri
si avrà una curva differente.
La relazione tra portata e prevalenza di un compressore centrifugo, nel caso ideale,
può essere espressa da una famiglia di curve al variare di 𝑛 e 𝛽 nella forma seguente:
𝛥𝑝 𝑄
= 𝐴 ∙ 𝐷 2 ∙ 𝑛2 − 𝐵 ∙ ∙ 𝑛 ∙ cot(𝛽)
𝜌 𝑏
Dove:
𝐴, 𝐵 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑖
𝐷 = 𝑑𝑖𝑎𝑚𝑒𝑡𝑟𝑜
𝑛 = 𝑟𝑒𝑔𝑖𝑚𝑒 𝑑𝑖 𝑔𝑖𝑟𝑖
𝑄 = 𝑝𝑜𝑟𝑡𝑎𝑡𝑎
𝑏 = 𝑠𝑝𝑒𝑠𝑠𝑜𝑟𝑒 𝑑𝑒𝑙 𝑟𝑜𝑡𝑜𝑟𝑒 𝑎𝑙𝑙′ 𝑢𝑠𝑐𝑖𝑡𝑎
𝛽 = 𝑎𝑛𝑔𝑜𝑙𝑜 𝑝𝑎𝑙𝑒𝑡𝑡𝑎𝑡𝑢𝑟𝑎
Per una data macchina, l’angolo costruttivo 𝛽 ed il rapporto 𝐷/𝑏 geometrico tra il
diametro e la larghezza della sezione di uscita sono invarianti (𝐴 e 𝐵 sono delle
costanti numeriche). Si cerca una relazione adimensionale tra le quattro grandezze
rimanenti, del tipo:
𝛥𝑝
𝜑 ( , 𝑛, 𝑄, 𝐷) = 0
𝜌
Tale relazione è applicabile a una famiglia di macchine, dove le restanti variabili sono
costanti.
Volendo esprimere le dimensioni delle quattro variabili si ha:
𝛥𝑝
= [𝐿2 𝑇 −2 𝑀0 ]
𝜌
𝑛 = [𝐿0 𝑇 −1 𝑀0 ]
𝑄 = [𝐿3 𝑇 −1 𝑀0 ]
𝐷 = [𝐿1 𝑇 0 𝑀0 ]
Dato che in nessuna delle variabili compare la massa 𝑀, il problema è a due
dimensioni (𝑓 = 2). Si possono quindi determinare due gruppi adimensionali (𝑞 = 𝑛 −
𝑓 = 4 − 2 = 2), 𝜋1 e 𝜋2 : di fatto si è nell’ambito della cinematica. Quindi partendo da
quattro grandezze dimensionali è possibile trovare due gruppi adimensionali. È
possibile scegliere 2 variabili in funzione delle quali esprimere i gruppi adimensionali:
per esempio 𝑛 e 𝐷. Quindi si va a creare un primo gruppo adimensionale:

266
𝛥𝑝
𝜋1 = 𝑛 𝑥 𝐷 𝑦
𝜌
La condizione di adimensionalità impone:
[𝐿0 𝑇 0 𝑀0 ] = [𝐿0 𝑇 −1 𝑀0 ]𝑥 [𝐿1 𝑇 0 𝑀0 ]𝑦 [𝐿2 𝑇 −2 𝑀 0 ]
Pertanto il sistema di equazioni lineari che viene fuori sarà:
𝑦 + 2 = 0 (𝐿 )
{−𝑥 − 2 = 0 (𝑇)
0 = 0 (𝑀 )
Da cui:
𝑥 = −2
{
𝑦 = −2
Pertanto il primo gruppo adimensionale sarà:
𝛥𝑝
𝜋1 = 𝑛−2 𝐷 −2
𝜌
Introducendo la velocità periferica 𝑢 ∝ 𝑛𝐷 (si mantiene l’adimensionalità) è possibile
rendere più significativo dal punto di vista fisico il gruppo adimensionale, ottenendo
il coefficiente di pressione (è il rapporto tra la prevalenza manometrica e l’energia
cinetica associata alla velocità periferica):
𝛥𝑝 𝛥𝑝
𝜌 𝜌
𝜋1 = 2 2 = 2 = 𝜓
𝑛 𝐷 𝑢
2
A questo punto per il secondo gruppo si ha:
𝜋2 = 𝑛 𝑥 𝐷 𝑦 𝑄
Imponendo la condizione di adimensionalità:
[𝐿0 𝑇 0 𝑀0 ] = [𝐿0 𝑇 −1 𝑀0 ]𝑥 [𝐿1 𝑇 0 𝑀0 ]𝑦 [𝐿3 𝑇 −1 𝑀 0 ]
Il sistema che viene fuori (equazioni lineari) sarà:
𝑦 + 3 = 0 (𝐿 )
{−𝑥 − 1 = 0 (𝑇)
0 = 0 (𝑀 )
Quindi la soluzione sarà:
𝑥 = −1
{
𝑦 = −3
Pertanto:

267
𝜋2 = 𝑛−1 𝐷 −3 𝑄
Introducendo ancora una volta la velocità periferica 𝑢 ∝ 𝑛𝐷, nonché la larghezza
della sezione 𝑏 ∝ 𝐷 (diametro e bordo di uscita sono proporzionali tra di loro) e la
velocità radiale 𝑐𝑟 si rende più significativo il gruppo adimensionale da un punto di
vista fisico, individuando il coefficiente di portata:
𝑄 𝑄
𝑄 𝐷 = 𝐷𝑏 = 𝑐𝑟 = 𝛷
2
𝜋2 = =
𝑛𝐷3 𝑛𝐷 𝑢 𝑢
Dove:
𝐷𝑏 = 𝑠𝑒𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑝𝑎𝑠𝑠𝑎𝑔𝑔𝑖𝑜
𝑄
= 𝑐𝑟 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑡à 𝑟𝑎𝑑𝑖𝑎𝑙𝑒 𝑑𝑖 𝑎𝑡𝑡𝑟𝑎𝑣𝑒𝑟𝑠𝑎𝑚𝑒𝑛𝑡𝑜 (𝑣𝑒𝑙𝑜𝑐𝑖𝑡à 𝑟𝑎𝑑𝑖𝑎𝑙𝑒 𝑑𝑖 𝑢𝑠𝑐𝑖𝑡𝑎 𝑑𝑎𝑙 𝑟𝑜𝑡𝑜𝑟𝑒)
𝐷𝑏
𝑢 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑡à 𝑝𝑒𝑟𝑖𝑓𝑒𝑟𝑖𝑐𝑎
Le curve caratteristiche teoriche di un compressore centrifugo, al variare della
velocità di rotazione, sono quindi esprimibili con una unica relazione tra due gruppi
adimensionali, il coefficiente di pressione ed il coefficiente di portata. La relazione
assume, sotto opportune ipotesi, la forma seguente (relazione lineare):
𝜓 = 𝑘(1 − 𝛷 cot 𝛽)
Dove:
𝑘 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒
In sostanza invece di avere la prevalenza manometrica 𝛥𝑝/𝜌 sulle ordinate si ha il
coefficiente 𝜓 (coefficiente di pressione), mentre invece di avere la portata
volumetrica, sulle ascisse si ha il coefficiente 𝛷 (coefficiente di portata).

Figura 207

Per verificare il risultato e determinare la costante 𝑘, si può fare riferimento al caso


di un compressore centrifugo con ingresso assiale (𝑐1𝑢 = 0) e pale radiali (𝛽2 = 90°);
il triangolo di velocità per questa macchina è dunque il seguente:

268
Figura 208

Applicando l’equazione di Eulero si ottiene:


𝛥𝑝
2
𝛥𝑝 𝛥𝑝 𝑢 𝜌
= 𝐿 = 𝑐2𝑢 𝑢2 = 𝑢22 = 𝑢2 ⟹ =2 ⟹ 2 =𝜓=2
𝜌 𝜌 2 𝑢
2
Dove:
𝐿 = 𝑙𝑎𝑣𝑜𝑟𝑜 𝑠𝑐𝑎𝑚𝑏𝑖𝑎𝑡𝑜
Per cui la curva caratteristica assume la forma:
𝜓 = 2(1 − 𝛷 cot 𝛽 )

Figura 209

Quindi per una data macchina, la prevalenza teorica in funzione della portata può
essere espressa da una famiglia di curve caratteristiche al variare di 𝛽 e di 𝑛.

Figura 210

269
Le curve caratteristiche dipendono inoltre dal diametro della macchina. Ogni
individuo, nell’ambito di una classe di macchine simili, avrà una propria curva
caratteristica.

Figura 211

L’uso dei parametri adimensionali permette invece di rappresentare tutte le curve


caratteristiche teoriche della famiglia di macchine simili, ed al variare del numero di
giri, con una retta funzione di 𝛽.

Figura 212

Pertanto in definitiva, partendo da una famiglia di curve, al variare del numero di giri
e al variare delle dimensioni della macchina (ogni macchina ha una sua famiglia di
curve), si è arrivati ad un’unica curva che esprime sia la variabilità in termini di
numero di giri, sia la variabilità in termini di diametro, con una rappresentazione
unificata (questo è certamente un vantaggio).

270
Lezione 20 (Sorrentino) 7/04/2017
Note introduttive a Matlab
Impianto a ciclo Joule (es_joule_id, joule_id_with_entropy)
Si calcolino il lavoro utile e l’efficienza globale di un impianto con turbina a gas in cui
il fluido evolve secondo il ciclo termodinamico di Joule. Le ipotesi che vengono
assunte sono:
 Funzionamento ideale
 Condizioni ambiente all’aspirazione
 Fluido di lavoro: aria
 Rapporto di compressione: 𝛽 = [1: 0.1: 200]
 Temperatura massima del ciclo: 𝑇3 = [1073, 1273, 1573]𝐾
Si risponda alle seguenti richieste:
 Si rappresentino gli andamenti dell’efficienza e del lavoro utile al variare di 𝛽 e
𝑇3
 Si calcolino i punti di massimo delle curve relative al lavoro utile
 Si rappresenti l’andamento dell’efficienza introducendo la rigenerazione (parte
del calore viene recuperato all’uscita della turbina per riscaldare il fluido di
lavoro): 𝑅 = [0.5, 0.9, 1] per 𝑇3 = 1273 𝐾
 Rappresentare il ciclo Joule sul piano 𝑇 − 𝑠 e ricavare i valori di lavoro utile,
calore addotto e rendimento dall’area del ciclo (attraverso un processo di
integrazione dell’area del ciclo Joule)
Il ciclo Joule ideale sul piano 𝑇 − 𝑠 è composto da quattro trasformazioni:
 Compressione adiabatica reversibile (1 − 2)
 Adduzione di calore a pressione costante (2 − 3)
 Espansione adiabatica reversibile (3 − 4)
 Sottrazione di calore a pressione costante (4 − 1)
Evidentemente: 𝑃1 = 𝑃4 e 𝑃2 = 𝑃3 .

Figura 213

271
Lo schema di riferimento per un impianto a ciclo Joule è il seguente:

Figura 214

Essendo le condizioni all’aspirazione pari a quelle ambiente si assume:


𝑃1 = 1 𝑏𝑎𝑟
𝑇1 = 25°𝐶
Inoltre il calore specifico a pressione costante del fluido di lavoro (in tal caso aria)
sarà:
𝑐𝑝 = 1005 𝐽/(𝑘𝑔 ∙ 𝐾)
Quando si introduce la rigenerazione lo schema d’impianto diventa il seguente:

Figura 215

Lo schema del ciclo di riferimento, nel caso di rigenerazione viene di seguito riportato:

Figura 216

272
Il lavoro utile sarà dato dalla differenza tra il lavoro fornito dalla turbina e quello
assorbito dal compressore:
𝑙𝑢 = 𝑙𝑡 − 𝑙𝑐 = 𝑐𝑝 (𝑇3 − 𝑇4 ) − 𝑐𝑝 (𝑇2 − 𝑇1 ) = 𝑐𝑝 (𝑇3 − 𝑇4 − 𝑇2 + 𝑇1 )
In generale il calore da addurre al sistema dipende dal grado di rigenerazione che si
sta adottando; il calore addotto dal punto 2 al punto 3, in assenza di rigenerazione
viene fornito interamente dall’esterno; con la rigenerazione invece parte del calore
viene recuperato in uscita dalla turbina; nel caso ideale (rigenerazione completa)
tutto il calore necessario viene fornito tramite rigenerazione per riscaldare il fluido in
uscita dal compressore, portandolo ad una temperatura di fine scambio 𝑇2𝑅 pari alla
temperatura 𝑇4 . In funzione del grado di rigenerazione si raggiungerà una
temperatura di fine scambio pari a 𝑇2𝑅 che in generale sarà minore di 𝑇4 . Per cui il
calore da fornire dall’esterno sarà pari alla differenza tra il calore totale e il calore
fornito dalla rigenerazione:
𝑞 = 𝑞32 − 𝑞𝑅𝐼
Se non c’è rigenerazione tutto il calore viene addotto interamente nella camera di
combustione.
Esplicitando i termini su scritti si ha:
𝑞32 = 𝑐𝑝 (𝑇3 − 𝑇2 )

𝑞𝑅𝐼 = 𝑐𝑝 (𝑇2𝑅 − 𝑇2 )
Quindi:
𝑞 = 𝑐𝑝 (𝑇3 − 𝑇2 ) − 𝑐𝑝 (𝑇2𝑅 − 𝑇2 ) = 𝑐𝑝 (𝑇3 − 𝑇2 − 𝑇2𝑅 + 𝑇2 ) = 𝑐𝑝 (𝑇3 − 𝑇2𝑅 )
Quindi il rendimento sarò pari a:
𝑙𝑢 𝑐𝑝 (𝑇3 − 𝑇4 − 𝑇2 + 𝑇1 ) 𝑇3 − 𝑇4 + 𝑇1 − 𝑇2
𝜂= = =
𝑞 𝑐𝑝 (𝑇3 − 𝑇2𝑅 ) 𝑇3 − 𝑇2𝑅
Per desumere le diverse temperature si fa ovviamente riferimento alle trasformazioni
politropiche ideali.
È evidente peraltro che quando 𝑇4 = 𝑇2 non è possibile avere rigenerazione (caso
limite).

273
Lezione 21 (Pianese) 11/04/2017
Motori alternativi a combustione interna: sistemi di aspirazione e scarico
Aumentando l’alzata della valvola si ha un incremento della sezione di passaggio
che apporta un effetto benefico soprattutto ad elevato regime di giri (elevate velocità
medie del pistone), condizioni in cui è possibile che si verifichi il bloccaggio della
portata. In effetti nel momento in cui il flusso è in condizioni di bloccaggio per variare
la portata non è possibile agire sul salto di pressione (proprio perché c’è il
bloccaggio), ma l’unica soluzione è fare in modo che la sezione aumenti.

Figura 217

Nel momento in cui si è in condizioni di bloccaggio e cioè il rapporto 𝑃𝑐 /𝑃0 è inferiore


al rapporto di pressione critico, non si riesce ad aspirare altra aria abbassando la
pressione a valle (𝑃𝑐 ); in sostanza aumentando la velocità di rotazione la pressione
a valle si riduce il che comporta un aumento della portata; tuttavia al di sotto di una
certa soglia, pur aumentando la velocità di rotazione si ha il bloccaggio della portata,
ovvero pur riducendosi la pressione a valle, la portata rimane sempre la stessa: da
questo punto in poi pur aumentando il regime di giri il riempimento del motore non
migliora; in condizioni di bloccaggio per aumentare la portata bisogna fare in modo
da aumentare la sezione. Aumentando la sezione di passaggio all’aspirazione, si
riesce a spostare la curva del riempimento verso l’alto: questo è il motivo per cui si
passa da cilindri a due valvole a cilindri a quattro valvole. Quindi in generale, l’alzata
della valvola va a modificare la curva del coefficiente di riempimento.

274
Anche la fasatura agisce sulla curva del coefficiente di riempimento volumetrico: con
bassi incroci e ritardi (o anticipi) poco ampi si ha un coefficiente di riempimento
elevato ai bassi regimi di giri, mentre aumentando gli incroci e con ritardi (o anticipi)
ampi ci si sposta verso destra e dunque il coefficiente di riempimento assume il valore
massimo ad elevati regimi di giri. Il timing (ovvero la fasatura) regola (controlla) i
fenomeni non stazionari che avvengono nei condotti: ai bassi regimi di giri i tempi
caratteristici sono relativamente lunghi, mentre ad elevati regimi di giri i tempi
caratteristici sono relativamente corti (la sequenza delle fasi di aspirazione, scarico,
… si sussegue più velocemente: periodo più corto). Volendo ipoteticamente
realizzare dei sistemi con una fasatura variabile continua, cioè partendo da incroci
piccoli e anticipi e ritardi minimi ai bassi regimi di giri, fino a fasature più estreme con
larghi incroci ad elevati regimi di giri, si realizza una curva del coefficiente di
riempimento (e quindi di coppia) elevata sia ai bassi regimi di giri sia ad alti regimi di
giri (inviluppo). Realizzare ciò non è semplice: oggigiorno esistono sistemi a fasatura
variabile, ma sono ad attuazione meccanica e dunque sono rigidi (ci sono delle leggi
più o meno lineari di anticipo e ritardo, ma non è possibile determinare ad oggi una
fasatura delle valvole indipendente dalla rotazione del motore: c’è sempre un vincolo
meccanico tra l’albero motore e l’apertura e/o la chiusura delle valvole stesse).
Esistono degli esperimenti che si portano avanti da diversi anni in cui la valvola
diventa un attuatore elettromeccanico: in pratica si realizza una valvola il cui stelo sia
avvolto da un solenoide ed in base al verso della corrente nasce una forza
elettromagnetica in grado di muovere la valvola stessa verso il basso o verso l’alto;
in tal modo con l’elettronica si riesce a svincolare la fasatura dell’apertura o della
chiusura della valvola in maniera completa.

Figura 218

Il problema che tali sistemi riscontrano è dovuto al fatto che le forze in gioco sono
molto elevate: quando ad esempio il pistone scende al punto morto inferiore nella
fase di espansione e la valvola di scarico deve aprirsi la pressione all’interno del
cilindro è anche superiore ai 4 𝑏𝑎𝑟 − 5 𝑏𝑎𝑟: la forza necessaria a far aprire la valvola
sebbene non elevatissima andrebbe generata attraverso la corrente inviata nel
275
solenoide per cui sono richieste delle correnti di spunto elevatissime per vincere
l’attrito della valvola e la pressione interna; inoltre quando la valvola si chiude essa
deve andare a battuta nella sede, ma senza sbatterci sopra, per cui il problema da
risolvere non è semplice; esistono tutta una serie di problematiche che non hanno
permesso lo sviluppo di tali sistemi se non a livello sperimentale. Tuttavia con un
sistema del genere giocando opportunamente sulle fasature si riuscirebbe
veramente ad avere una curva di coppia data dall’inviluppo di cui si parlava prima.
I sistemi meccanici sono invece molto complessi in cui le camme hanno delle forme
particolari.
Per quanto riguarda le alzate delle valvole esistono sempre delle particolari
applicazioni andando a modificare la camma. La camma convenzionale (camma
piatta) è fatta nella maniera seguente:

Figura 219

Invece di realizzare una camma piatta è possibile realizzare una camma di questo
tipo:

Figura 220

Consentendogli tra le altre cose di spostarsi verso destra e verso sinistra grazie ad
una forza che viene impressa con un sistema idraulico: quando la camma è spostata

276
verso sinistra l’alzata è bassa, mentre quando è spostata verso destra l’alzata è
massima.
In un motore convenzionale ad accensione comandata la portata di aria viene
regolata tramite la valvola a farfalla. In un motore innovativo, in cui c’è la possibilità
di fasare e dunque di anticipare e ritardare l’apertura e la chiusura delle valvole e di
modificare l’alzata delle valvole stesse è possibile immaginare di regolare la portata
d’aria agendo proprio sulle valvole e dunque realizzare un motore throttless (senza
valvola a farfalla): ciò ridurrebbe notevolmente il ciclo di bassa pressione (sarebbe
ridotto) e dunque sarebbe vantaggioso da un punto di vista energetico; giocando
opportunamente sulla fasatura sarebbe possibile regolare la portata d’aria riducendo
molto le perdite di carico.
Per variare la fasatura si potrebbe o anticipare tutto oppure ritardare tutto: quindi è
possibile o anticipare sia l’apertura sia la chiusura o posticipare sia l’apertura che la
chiusura; a parità di posizione angolare dell’albero motore è possibile far ruotare la
camma in un verso o nell’altro a seconda se si deve anticipare o posticipare l’apertura
e la chiusura delle valvole.
I sistemi VVT (Variable Valve Train – Variable Valve Timing) sono sistemi a fasatura
variabile in cui è possibile la reintroduzione di gas residui anticipando l’apertura della
valvola di aspirazione, ritardando la chiusura della valvola di scarico, oppure
sfasando entrambe le valvole di uno stesso angolo. Pertanto è possibile sfruttare tali
sistemi non solo per l’aumento del coefficiente di riempimento volumetrico ai vari
regimi, ma anche per aumentare l’EGR (creando un ricircolo senza utilizzare un
circuito esterno).
Anticipando molto l’apertura della valvola di aspirazione, vuol dire che quando il
pistone sta salendo per effettuare lo scarico la valvola di aspirazione risulta già
aperta; in tale condizione una parte dei gas caldi rifluisce nel collettore di aspirazione,
dopodiché durante la discesa del pistone essi vengono riaspirati dal motore e si
mescolano con l’aria. Questo ha evidentemente un effetto negativo sul riempimento
giacché il volume che dovrebbe essere occupato dalla carica fresca è in parte
occupato dai gas di scarico; è possibile accettare un scadimento delle prestazioni
per ottenere una riduzione della temperatura di combustione il che si traduce nella
riduzione delle emissioni inquinanti di ossidi di azoto. Per contro, considerando un
motore ad accensione comandata, è sempre possibile agire sulla valvola a farfalla
aprendola di più in maniera da fare entrare una quantità maggiore di aria il che va a
beneficio del ciclo di bassa pressione. Quindi l’EGR interno, che da un lato viene
utilizzato per ridurre le emissioni di ossidi di azoto, si potrebbe tradurre in un effetto
di riduzione delle perdite di pompaggio in quanto si è costretti ad aprire di più la
valvola a farfalla per incamerare più aria. Nella soluzione seguente ad esempio si
utilizzano due assi a camme indipendenti gestendone uno soltanto:

277
Figura 221

È possibile anche adottare delle soluzioni a rapporti di compressione variabili che in


alcune circostanze e con alcuni combustibili consente di aumentare e far fronte al
problema della detonazione: quando il problema è più sentito (detonazione più
spinta) si lavora con rapporti di compressione più bassi, mentre quando si vogliono
prestazioni più elevate si può aumentare tale rapporto. Questa soluzione è associata
a sistemi di iniezione di acqua all’interno del collettore di aspirazione: il vantaggio è
che l’acqua tende a raffreddare aumentando in parte il riempimento, ma soprattutto
abbassando la temperatura in camera in modo da poter alzare il rapporto di
compressione e dunque compensare al problema della detonazione che si verifica
proprio quando il rapporto di compressione aumenta (altrimenti con elevati rapporti
di compressione, la temperatura sarebbe troppo elevata).
Nel momento in cui si ha un solo asse a camme, si ha la fase di incrocio che occupa
un intervallo angolare che rimane costante, ma ritardando la chiusura della valvola
di scarico, in fase di discesa del pistone, ovvero durante la fase di aspirazione, si
vanno a riprendere i gas di scarico dal collettore di scarico. In tal modo si riesce a
fare la stessa cosa però giocando su altri meccanismi che potrebbero essere però
più vantaggiosi in quanto si evita di spingere il gas nel collettore di aspirazione.

278
Figura 222

Di seguito si riporta l’esempio di un sistema VVT (in rosso) a confronto con uno a
fasatura convenzionale (in blu), con riferimento al ciclo di bassa pressione.

Figura 223

Si tenga presente che i tre picchi individuabili sul ciclo blu sono legati ad errori di
misura: per quanto la camma possa essere perfetta (graduale) c’è un momento in
cui quando la valvola si apre c’è una sorta di ticchettio che provoca rumore; dato che
il sensore di pressione è basato su un piezo-quarzo esso sente tutte le vibrazioni e
dunque anche l’impulso a seguito dell’apertura della valvola: ciò genera quegli errori
di misura individuabili sul ciclo attraverso quei picchi. Le oscillazioni del ciclo invece
sono indotte dal fatto che nel collettore di scarico ci sono delle oscillazioni di

279
pressione generate dalle sequenze di scarico dei singoli cilindri e dei vari cicli
successivi.
Oggigiorno tutti i motori benzina hanno una fasatura variabile con un ciclo di
riferimento Atkinson, perché esso consente di avere la massima espansione fino al
punto morto inferiore (tutta la corsa del pistone) e di avere una fase di compressione
più breve: in tal modo il rendimento aumenta (il lavoro di compressione è minore di
quello che si avrebbe in un motore con una corsa di compressione più lunga).
Complessivamente se si fa un’analisi dell’area del ciclo di bassa pressione ci si rende
conto che nel caso VVT essa si riduce per cui il lavoro di pompaggio è più basso:
nella fase in cui la valvola di scarico è ancora aperta, quando il pistone scende esso
aspira non solo dal collettore di aspirazione, ma anche dal collettore di scarico,
pertanto la pressione minima resta più la stessa, ma i gas residui sono a pressione
più elevata per cui la pressione complessiva risulta essere più elevata e dunque il
ciclo di bassa pressione è un po’ più alto e più piccolo. In sintesi, il sistema VVT
consente di effettuare un EGR interno, ma allo stesso tempo può portare, in diverse
condizioni (soprattutto a carico parzializzato), ad avere un ciclo di bassa pressione
minore e dunque un lavoro di pompaggio ridotto.
La portata di aria nel motore può essere calcolata attraverso un modello lumped (ai
valori medi: parametri concentrati, per cui non c’è variabilità delle grandezze nella
dimensione spaziale, ma solo nel tempo) ed in particolare considerando un flusso
isoentropico e monodimensionale, con un coefficiente di efflusso che tiene conto
degli effetti di perdita (efflusso reale):
𝑉∙𝑛
𝑚̇𝑎,𝑒 = 𝜆𝑣 ∙ 𝜌0 ∙
60𝜀
Dove:
𝑚̇𝑎,𝑒 = 𝑝𝑜𝑟𝑡𝑎𝑡𝑎 𝑑 ′ 𝑎𝑟𝑖𝑎 𝑛𝑒𝑙 𝑚𝑜𝑡𝑜𝑟𝑒 (𝑒𝑛𝑔𝑖𝑛𝑒)
𝜆𝑣 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑖 𝑟𝑖𝑒𝑚𝑝𝑖𝑚𝑒𝑛𝑡𝑜
𝜌0 = 𝑑𝑒𝑛𝑠𝑖𝑡à 𝑑𝑒𝑙𝑙′ 𝑎𝑟𝑖𝑎 𝑎𝑚𝑏𝑖𝑒𝑛𝑡𝑒
𝑉 = 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎
𝑛 = 𝑟𝑒𝑔𝑖𝑚𝑒 𝑑𝑖 𝑔𝑖𝑟𝑖
In particolare il coefficiente di riempimento, a seconda delle esigenze può essere
calcolato o in funzione del regime di giri e della pressione ambiente o in funzione del
regime di giri e della pressione nel collettore di aspirazione:
𝜆𝑣 = 𝑓 (𝑛, 𝑝0 )
𝜆𝑣 = 𝑔(𝑛, 𝑝𝑚 )

280
Figura 224

In particolare quando si utilizza l’espressione del 𝜆𝑣 con riferimento al collettore di


aspirazione è come se ci si mettesse in un sistema costituito dal collettore di
aspirazione, dalla valvola di aspirazione e dal cilindro. Se invece si utilizza
l’espressione del 𝜆𝑣 in funzione della pressione esterna è come se ci si mettesse
appunto all’esterno e si deve tenere conto degli effetti di perdita attraverso il filtro e
attraverso la valvola a farfalla. La pressione 𝑝𝑚 per quanto variabile non varia
moltissimo rispetto alla 𝑝𝑐 , per cui il coefficiente di riempimento volumetrico calcolato
in questo modo è tendenzialmente più elevato rispetto al caso in cui si considera 𝑝0 .
È evidente che nel caso si caratterizza 𝜆𝑣 in funzione di 𝑝𝑚 anche la densità nella
formula del calcolo della portata di aria nel motore bisogna sostituire 𝜌𝑚 (densità
dell’aria nel collettore di aspirazione) alla 𝜌0 .
Nel momento in cui si introduce un sistema a fasatura variabile il coefficiente di
riempimento dipenderà anche da una variabile legata alla fasatura (quindi entra in
gioco una terza dipendenza).
Rispetto alla portata di aria che si ha intorno alla valvola a farfalla, si immagina di
avere un fluido comprimibile e si utilizzano le formule standard per un flusso
comprimibile isoentropico attraverso un orifizio; ci saranno pertanto due condizioni:
una condizione di flusso non bloccato e una condizione di flusso bloccato. In
particolare il flusso non bloccato si ha quando il rapporto tra la pressione nel collettore
di aspirazione (𝑝𝑚 ) e la pressione a monte (𝑝0 ) è maggiore di 0.546 (rapporto di
pressione critico: 𝑝𝑐 /𝑝0 ), mentre il flusso bloccato si ha quando il rapporto tra la
pressione nel collettore di aspirazione e la pressione a monte è minore o al limite
uguale a 0.546. nel caso di flusso non bloccato la portata d’aria si valuta nel seguente
modo (essa dipenderà dalla pressione a valle e da quella a monte):
281
1 𝛾−1 0.5
𝐶𝐷 ∙ 𝐴𝑅 ∙ 𝑝𝑚 𝑝𝑚 𝛾 2 𝑝𝑚 𝛾
𝑚̇𝑎,𝑣 = ∙ ( ) ∙ [ ∙ (1 − ( ) )]
(𝑅 ∙ 𝑇𝑖 )0.5 𝑝0 𝛾+1 𝑝0

Dove:
𝐶𝐷 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑖 𝑒𝑓𝑓𝑙𝑢𝑠𝑠𝑜
𝐴𝑅 = 𝑠𝑒𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑝𝑎𝑠𝑠𝑎𝑔𝑔𝑖𝑜 𝑑𝑒𝑙𝑙𝑎 𝑣𝑎𝑙𝑣𝑜𝑙𝑎
𝑝𝑚 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑛𝑒𝑙 𝑐𝑜𝑙𝑙𝑒𝑡𝑡𝑜𝑟𝑒 𝑑𝑖 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒 (𝑚𝑎𝑛𝑖𝑓𝑜𝑙𝑑 )
𝑝0 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒 𝑎𝑚𝑏𝑖𝑒𝑛𝑡𝑒
𝛾 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑙𝑒𝑔𝑎𝑡𝑜 𝑎𝑙 𝑡𝑖𝑝𝑜 𝑑𝑖 𝑓𝑙𝑢𝑖𝑑𝑜
𝑇𝑖 = 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑎𝑙𝑙′ 𝑎𝑠𝑝𝑖𝑟𝑎𝑧𝑖𝑜𝑛𝑒
In condizioni di flusso bloccato, la pressione a valle non ha alcun peso (pur variando
la portata non cambia) per cui la portata d’aria sarà data dalla seguente relazione:
𝛾+1
𝐶𝐷 ∙ 𝐴𝑅 ∙ 𝑝0 0.5 2 2∙(𝛾−1)
𝑚̇𝑎,𝑣 = ∙ 𝛾 ∙ [ ]
(𝑅 ∙ 𝑇𝑖 )0.5 𝛾+1
In effetti andando a plottare l’andamento della portata massica di aria in funzione del
rapporto tra le pressioni a valle e a monte si ha:

Figura 225

Man mano che la pressione nel collettore di aspirazione si riduce ci si sposta verso
le condizioni di bloccaggio (a sinistra del rapporto 𝑝𝑐 /𝑝0 la portata risulta bloccata).
Quindi per 𝑝1 < 𝑝𝑐 si ha il bloccaggio della portata, mentre se risulta 𝑝1 > 𝑝𝑐 al ridursi
della pressione 𝑝1 la portata cresce. Ciò accade all’interno del motore al variare
dell’apertura della valvola a farfalla: chiudendo la valvola a farfalla la pressione nel
collettore si riduce (perdita di carico notevole) per cui è facile ricadere in condizioni
di bloccaggio. Ciò spiega perché in un motore Diesel il coefficiente di riempimento
volumetrico è più elevato: infatti in tal caso non c’è un organo di intercettazione come

282
la valvola a farfalla. In ogni caso, in condizioni di bloccaggio, qualunque cosa accada
a valle, l’informazione non risale la corrente perché si è in condizioni di flusso sonico.
È possibile dunque scrivere un bilancio di massa detto Filling-emptying, in cui in
ingresso c’è la portata di aria che passa attraverso la valvola a farfalla e in uscita c’è
la portata di aria che entra nel motore:

Figura 226

Quindi il bilancio dei due flussi determina la pressione nel collettore (a 𝑇 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒):
𝑑𝑃𝑚 𝑅 ∙ 𝑇𝑚
= (𝑚̇𝑎,𝑣 − 𝑚̇𝑎,𝑒 ) ∙
𝑑𝑡 𝑉𝑚
Quindi la pressione nel collettore di aspirazione si calcola attraverso tale equazione
differenziale ordinaria grazie al bilancio tra i flussi in ingresso e in uscita.
Si immagini di far aprire la valvola a farfalla, la portata di aria che entra nel collettore
di aspirazione aumenta, mentre ipoteticamente la portata di aria che va al motore la
si lascia costante: in tal caso la pressione aumenta (se in un ambiente entra più aria,
ma ne esce meno di quella che entra è evidente che la pressione aumenta): questo
è ciò che accade in un ipotetico transitorio dove si verifica una crescita repentina
della pressione. Diverso è il caso in cui a valvola a farfalla costante si fa variare il
regime di giri (il motore accelera); in tal caso aumenterà la portata al motore e ciò
metterà in depressione il collettore di aspirazione. Tutto ciò si estrinseca da un punto
di vista matematico proprio con la relazione Filling-emptying su scritta (la si ottiene
derivando l’equazione di stato ed assumendo la temperatura costante, altrimenti ci
sarebbe un altro termine).
Sempre dalla precedente relazione si comprende che, avendo un volume del
collettore di aspirazione 𝑉𝑚 molto piccolo, le variazioni di pressione sono molto rapide
(la derivata rispetto al tempo è grande): in particolare la derivata sarà tanto più
grande quanto più piccolo è il collettore di aspirazione (questo è ciò che accade
tipicamente nei motori sportivi); nei motori navali invece il volume del collettore di
aspirazione è molto elevato e quindi la derivata della pressione sarà minore; in
quest’ultimo caso, accelerando rapidamente la pressione nel collettore di aspirazione
si adegua più lentamente e dunque anche il transitorio rallenta perché la pressione
cresce più lentamente il che comporta il fatto che la densità dell’aria nei cicli
successivi crescerà più lentamente. Pertanto in un motore in cui si vuole una risposta
rapida di adeguamento della portata bisogna ridurre il volume del collettore di
aspirazione: il collettore di fatto funge da “condensatore” (quanto più è grande il
condensatore tanto maggiore sarà la costante di tempo in termini di ritardo: maggiore

283
è il volume, maggiore sarà la costante di tempo di adeguamento alle nuove
condizioni).
Esistono anche altri effetti che producono una variazione del coefficiente di
riempimento volumetrico che sono legati sia al comportamento del fluido all’interno
del collettore sia indotti dalla sequenza dei cicli; l’apertura e la chiusura delle valvole
sono evidentemente dei fenomeni periodici, per cui l’apertura e la chiusura delle
stesse determina delle pulsazioni: il collettore di aspirazione per quanto ampio possa
essere (più è ampio e più sarà in grado di smorzare le pulsazioni), giacché i quattro
cilindri insistono sullo stesso collettore, ma ciascuno di questi cilindri si apre in periodi
successivi, si determinano delle pulsazioni all’interno del collettore stesso il quale è
ovviamente collegato all’ambiente esterno; pertanto all’interno del collettore la
pressione non è stabile e pari a 𝑃𝑚 , ma subisce delle oscillazioni, legate al fatto che
la portata di aria che passa almeno attraverso la valvola di aspirazione è pulsata.
Nel mono-cilindro la valvola di aspirazione si apre con un periodo pari a 720°, quindi
ogni due giri, per cui la pulsazione di aria aspirata avrà un periodo pari a due giri;
pertanto la pressione avrà una pulsazione legata proprio a tale periodo: tale
pulsazione è inoltre caratterizzata da un’ampiezza che sarà tanto più grande quanto
più basso è il numero di cilindri. Nel momento in cui si hanno più cilindri, le pulsazioni
agiranno tutte all’interno del collettore, ma essendo tutte sfalsate tra di loro è come
se si andassero a sovrapporre tante onde di pressione, che hanno un’ampiezza
elevata, ma per il fatto che sono sfalsate, la risultate sarà una forma d’onda che avrà
un periodo molto inferiore rispetto alla massima.
Nel momento in cui si ha un motore con un solo cilindro, all’interno del collettore di
aspirazione si ha un’onda che avrà un picco durante una fase (sulle quattro fasi
complessive) dopodiché rimarrà più o meno stabile:

Figura 227

Con un motore due cilindri si avrà invece la seguente situazione:

284
Figura 228

Mentre con un motore a quattro cilindri la situazione sarà la seguente:

Figura 229

Nel momento in cui si vanno a sommare le onde di pressione nell’ultimo caso (motore
quattro cilindri) l’oscillazione sarà molto contenuta:

Figura 230

Con un motore sei cilindri, la forma d’onda sarà più complessa, ma l’ampiezza
dell’oscillazione sarà ancor più ridotta.
Le pulsazioni sono evidentemente dovute alla sequenza delle aspirazioni (o alla
sequenza di una qualunque altra fase) e determineranno dei fenomeni non
stazionari.
In particolare, gli effetti dinamici (non stazionari) nei condotti sono di due tipi:
 Effetto inerziale, dovuto al moto di trasporto non stazionario del fluido; in tal
caso si ragiona sulla conversione dell’energia cinetica in energia di pressione
(e viceversa).
 Effetti d’onda, legati al moto delle onde di pressione che si propagano con la
velocità del suono; esse sono onde di perturbazione di piccola ampiezza che
si muovono all’interno del collettore di aspirazione e generate ad esempio da
una valvola ce si apre.

285
Nel collettore di aspirazione, ad esempio, nel momento in cui si apre la valvola,
nascerà un’onda di depressione che risale il condotto; tale onda viaggerà all’interno
del condotto con una certa velocità (pari alla velocità del suono).

Figura 231

L’obiettivo è quello di sfruttare una colonna di fluido che avanza nel collettore e se la
valvola è ancora aperta, quando il fluido ha una certa velocità, convertire questa
energia cinetica dell’aria in energia di pressione. Di fatto non si fa altro che rallentare
il fluido che ha una certa velocità e dunque una sua pressione dinamica e convertire
quella pressione dinamica in una pressione statica.
L’effetto inerziale è dovuto alla frequenza propria del sistema gassoso: se la
frequenza con cui si susseguono le fasi di aspirazione è legata alla frequenza
naturale del sistema gassoso, è possibile sfruttare l’inerzia relativa convertendo
l’energia cinetica della fase iniziale di aspirazione in energia di pressione nella fase
finale del processo (quindi si sfrutta l’inerzia della colonna fluida). Tipicamente
quando il pistone sta nella seconda metà della propria corsa, rallenta, fino ad arrivare
al punto morto inferiore dove si inverte la corsa (e dunque si ferma), pertanto la
capacità di aspirazione e quindi la velocità dell’aria è molto bassa: a quel punto si
può compensare questa carenza di portata volumetrica con un aumento di pressione
a seguito di fenomeni inerziali. L’energia cinetica della colonna fluida può essere
calcolata nella maniera seguente:
1
𝐸𝑐 = ∙ 𝑚 ∙ 𝑢2
2
Dove:
𝑚 = 𝑚𝑎𝑠𝑠𝑎 𝑑𝑖 𝑓𝑙𝑢𝑖𝑑𝑜
𝑢 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑡à 𝑑𝑒𝑙𝑙𝑎 𝑚𝑎𝑠𝑠𝑎 𝑑𝑖 𝑓𝑙𝑢𝑖𝑑𝑜
Pertanto si avrà:
2
1 𝑉̇ 𝐿
𝐸𝑐 = ∙ 𝜌 ∙ 𝐿 ∙ 𝑆 ∙ [ ] ≃
2 𝑆 𝑆
Dove:

286
𝜌 = 𝑑𝑒𝑛𝑠𝑖𝑡à 𝑑𝑒𝑙𝑙′ 𝑎𝑟𝑖𝑎
𝐿 = 𝑙𝑢𝑛𝑔ℎ𝑒𝑧𝑧𝑎 𝑑𝑒𝑙 𝑐𝑜𝑙𝑙𝑒𝑡𝑡𝑜𝑟𝑒
𝑆 = 𝑠𝑒𝑧𝑖𝑜𝑛𝑒 𝑑𝑖 𝑝𝑎𝑠𝑠𝑎𝑔𝑔𝑖𝑜
𝑉̇ = 𝑝𝑜𝑟𝑡𝑎𝑡𝑎 𝑣𝑜𝑙𝑢𝑚𝑒𝑡𝑟𝑖𝑐𝑎 ("𝑑𝑒𝑟𝑖𝑣𝑎𝑡𝑎" 𝑑𝑒𝑙𝑙𝑎 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎 𝑛𝑒𝑙 𝑡𝑒𝑚𝑝𝑜)
𝑚 = 𝜌∙𝐿∙𝑆
𝑢 = 𝑉̇ /𝑆
Quindi l’energia cinetica a disposizione è proporzionale al rapporto 𝐿/𝑆, per cui a
parità di portata volumetrica l’effetto di inerzia cresce con la lunghezza del collettore
e decresce con l’aumentare della sezione di passaggio. È evidente che sezioni
troppo strette o condotti troppo lunghi possono produrre un aumento delle perdite di
carico e dunque creare un effetto negativo e non più benefico: pertanto quanto detto
vale entro i limiti di un collettore non estremamente lungo e con sezione non
eccessivamente ridotta, proprio per problemi legati a perdite fluidodinamiche.
In un collettore relativamente lungo, dove la lunghezza è prevalente rispetto al
diametro è possibile assumere che il moto sia monodimensionale e che la massa di
fluido non subisca effetti di compressione e dunque la si può immaginare come una
massa rigida. Pertanto si immagini che la colonna di gas costituisca un sistema
oscillante smorzato, con elasticità distribuita e una frequenza 𝑓0 assimilabile ad un
sistema massa-molla. Le ipotesi che si fanno per una trattazione semplificata sono:
 La massa è costituita dal fluido nel condotto (collettore) con una sua inerzia e
si trascura la comprimibilità.
 L’elasticità del sistema è legata al fluido nel cilindro che si considera soggetto
a compressione o espansione adiabatica; pertanto l’elasticità viene
concentrata nel volume più ampio ovvero all’interno del cilindro.
Sulla base delle precedenti ipotesi è possibile dire che la massa che si muove
all’interno del collettore è rigida (fluido incomprimibile), ma all’interno del cilindro c’è
un gas che si trova in un volume molto più ampio e dunque si assume che questa
parte sia elastica (fluido comprimibile): in un ambiente molto ampio l’effetto di
comprimibilità si propaga molto facilmente (in un condotto molto lungo invece no); in
questo modo si vanno a trascurare effetti secondari che comunque nella realtà
esistono.
Quindi nel caso degli effetti inerziali si sfrutta l’inerzia della colonna di gas che è
proporzionale ad 𝐿/𝑆. La colonna di gas nel collettore e la parte nel cilindro
costituiscono un sistema oscillante smorzato con una massa 𝑚 ed elasticità
distribuita.
Di seguito si riporta la schematizzazione mediante un risonatore di Helmholtz, del
sistema gassoso contenuto nel condotto di aspirazione e nel cilindro, supponendo
che l’inerzia del sistema sia stata data prevalentemente dalla massa di gas presente
287
nel condotto (di lunghezza 𝐿 e sezione 𝑆) e l’elasticità da quella nel cilindro (di
costante elastica 𝐾𝑒 e volume medio 𝑉𝑚 ).

Figura 232

Di fatto il sistema diventa un risonatore di Helmholtz costituito appunto da una massa


e una molla (sistema massa-molla). Nel modello si assume che l’elasticità del
sistema sia quella del fluido all’interno del cilindro (fluido comprimibile) e che la
trasformazione di compressione (ma anche quella di espansione) sia adiabatica:
pertanto si potrà assumere valida l’equazione della politropica 𝑝𝑉 𝑘 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒. È
evidente che l’elasticità è legata alla variazione di pressione. Si immagina
evidentemente che il condotto sia abbastanza lungo affinché gli effetti di elasticità
non si risentano al suo interno (sistema rigido nel condotto). Ovviamente uno
spostamento di fluido 𝑑𝑥 positivo all’interno del collettore, corrisponderà ad una
variazione di volume 𝑑𝑉 negativa all’interno del cilindro: di fatto se l’elemento di fluido
esce dal cilindro ed entra nel collettore, un incremento di volume 𝑆 ∙ 𝑑𝑥 nel collettore
corrisponde ad una riduzione di volume pari a 𝑑𝑉 all’interno del cilindro (e viceversa).
Pertanto assumendo che:
𝑚 = 𝜌∙𝐿∙𝑆
È possibile studiare la politropica 𝑝𝑉 𝑘 = 𝑐𝑜𝑠𝑡𝑎𝑛𝑡𝑒 per cercare di capire cosa accade
all’interno del cilindro in termini di variazione di pressione. Pertanto differenziando
l’equazione della politropica si avrà:

288
𝑑𝑝𝑉 𝑘 + 𝑘𝑉 𝑘−1 𝑝𝑑𝑉 = 0
Da cui:
𝑑𝑝 = −(𝑘𝑝/𝑉)𝑑𝑉 = 𝑘𝑝𝑆𝑑𝑥/𝑉
Dove:
𝑑𝑉 = −𝑆𝑑𝑥 (𝑝𝑒𝑟 𝑞𝑢𝑎𝑛𝑡𝑜 𝑑𝑒𝑡𝑡𝑜)
In tal modo si lega il differenziale 𝑑𝑝 (variazione di pressione) alla variazione di
spostamento 𝑑𝑥.
La costante elastica della molla si ricava come rapporto tra la forza 𝑑𝐹 (che è data
dalla variazione di pressione per la sezione) e lo spostamento 𝑑𝑥:
𝑑𝐹 𝑑 (𝑆 ∙ 𝑝) 𝑆 ∙ 𝑑𝑝
𝐾𝑒 = = =
𝑑𝑥 𝑑𝑥 𝑑𝑥
Sostituendo alla relazione della costante elastica, quanto trovato in termini di 𝑑𝑝 si
ha:
𝑘 ∙ 𝑝 ∙ 𝑆2
𝐾𝑒 =
𝑉𝑚
Dove:
𝑉𝑚 = 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑎𝑡𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 𝑚𝑜𝑡𝑜𝑟𝑒 (𝑣𝑜𝑙𝑢𝑚𝑒 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 𝑐𝑖𝑙𝑖𝑛𝑑𝑟𝑜)
Più grande è la cilindrata, minore sarà la costante elastica.
La pulsazione naturale del sistema (ovvero della massa all’interno del collettore di
aspirazione) sarà pari a:
𝐾𝑒 𝑘∙𝑝∙𝑆 𝑎2 ∙ 𝑆
𝜔02 = = =
𝑚 𝜌 ∙ 𝐿 ∙ 𝑉𝑚 𝐿 ∙ 𝑉𝑚
Dove:
𝑘∙𝑝
𝑎2 = (𝑣𝑒𝑙𝑜𝑐𝑖𝑡à 𝑑𝑒𝑙 𝑠𝑢𝑜𝑛𝑜)
𝜌
Quindi la frequenza naturale (frequenza del risonatore di Helmholtz: frequenza di
risonanza) sarà:

𝜔0 𝑎 𝑆
𝑓0 = = ∙√
2 ∙ 𝜋 2 ∙ 𝜋 𝐿 ∙ 𝑉𝑚

Ovviamente fissata 𝑉𝑚 la frequenza dipende dal rapporto tra la sezione di passaggio


e la lunghezza. Se la lunghezza è molto elevata, la frequenza naturale del sistema
si riduce e dunque si allungano i tempi caratteristici della massa oscillante.

289
L’obiettivo ovviamente è fare in modo che il sistema non sia smorzato, ma che si trovi
in risonanza, per cui la pulsazione naturale del sistema deve coincidere con la
pulsazione della forzante. Un buon “accordo” si ottiene fasando opportunamente la
sequenza delle aspirazioni con la frequenza naturale del sistema aria. Nel momento
in cui la massa avanza e arriva in prossimità del cilindro bisogna fare in modo che la
valvola non si stia chiudendo, ma bisogna fare in modo proprio da convertire l’energia
cinetica in energia di pressione per cui la valvola deve essere aperta.
Quindi con riferimento al diagramma polare, dal punto morto superiore al punto morto
inferiore si hanno 180° di sfasamento: alla fine della corsa del pistone (a partire da
0° fino ad arrivare ai 180°) deve aversi la massima inerzia: quindi il massimo effetto
si ha a fine corsa di aspirazione (180°), ovvero dopo mezzo giro (la capacità di
aspirare fluido man mano che il pistone scende verso il punto morto inferiore,
diminuisce, giacché il pistone superata la mezza corsa inizia a rallentare: in questa
fase bisogna fare in modo da massimizzare la densità del fluido in modo che a parità
di volume entri una massa maggiore; per tale motivo bisogna fare in modo che
l’energia cinetica del fluido si converta in energia di pressione e questo lo si può fare
sfruttando l’effetto di inerzia a fine corsa); il tempo caratteristico del sistema sarà pari
a:
1 1 1
𝑇0 = = = (𝑚𝑒𝑡à 𝑔𝑖𝑟𝑜)
𝑓0 2 ∙ 𝑛 2 ∙ 𝑓𝑚
Dove:
𝑓𝑚 = 𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑧𝑎 𝑑𝑒𝑙 𝑚𝑜𝑡𝑜𝑟𝑒
Infatti 360° vengono percorsi in un giro e quindi in un tempo pari ad 1/𝑛 (con 𝑛
espresso già in secondi), dovendo percorrere però 180° il tempo sarà pari alla metà
del tempo caratteristico del motore.
Il massimo riempimento si ottiene dunque per la frequenza con cui si susseguono le
fasi di aspirazione, pertanto:
𝑓0 = 2 ∙ 𝑓𝑚 , 4 ∙ 𝑓𝑚 , 6 ∙ 𝑓𝑚 , …
Se non si rispetta tale rapporto è possibile avere un effetto parzialmente benefico; in
particolare, nel caso in cui il rapporto tra le due frequenze è un numero intero dispari
(1, 3, 5, …) si ha un effetto totalmente negativo in quanto si è in opposizione.
Quindi il rapporto tra la frequenza del sistema oscillante (frequenza naturale del
sistema di aspirazione) e la frequenza del motore (frequenza della forzante) deve
essere pari a 2 e quindi in generale deve essere un numero pari (condizione
ottimale):
𝑓0
= 2, 4, 6, …
𝑓𝑚

290
In particolare per 𝑓0 = 2 ∙ 𝑓𝑚 si avrà il regime di massimo “accordo” per un
monocilindrico 4 tempi:
𝑎 𝑆
𝑓0 ∙√ 𝑎 𝑆
2 ∙ 𝜋 𝐿 ∙ 𝑉𝑚
𝑓0 = 2 ∙ 𝑓𝑚 = 2 ∙ 𝑛 ⟹ =2= ⟹ 𝑛0 = ∙√
𝑓𝑚 𝑛 4 ∙ 𝜋 𝐿 ∙ 𝑉𝑚

Dove:
𝑛0 = 𝑟𝑒𝑔𝑖𝑚𝑒 𝑑𝑖 𝑟𝑜𝑡𝑎𝑧𝑖𝑜𝑛𝑒 𝑑𝑒𝑙 𝑚𝑜𝑡𝑜𝑟𝑒 (𝑖𝑛 𝑠𝑒𝑐𝑜𝑛𝑑𝑖)
Volendo aumentare il regime di rotazione (𝑛0 ) per il quale si ha il massimo accordo
per gli effetti inerziali, si dovrebbe aumentare il rapporto 𝑆/𝐿 e quindi si dovrebbe
auementare 𝑆 (sezione di passaggio) e/o diminuire 𝐿 (lunghezza del collettore).
Questo è il motivo per cui i motori da competizione devono avere i condotti di
aspirazione più corti possibile: in tale condizione si ha un accordo ad elevati regimi
di giri; le motopompe, i trattori, … hanno collettori di aspirazione relativamente lunghi
perché si vuole il massimo effetto di inerzia ai regimi di giri più bassi.
Di seguito si riporta l’andamento del coefficiente di riempimento 𝜆𝑣 (per un
monocilindro) in funzione del rapporto tra la frequenza propria del sistema 𝑓0 e quella
corrispondente al regime di rotazione (𝑓𝑚 = 𝑛), calcolato con la schematizzazione
semplificata massa-molla. Si ha un massimo in corrispondenza del rapporto 𝑓0 /𝑓𝑚 =
2, che costituisce la condizione trovata sperimentalmente per ottimizzare l’effetto
inerziale:

Figura 233

In alcuni motori da competizione accordando le fasi di aspirazione e scarico con la


lunghezza dei condotti si può avere una sovralimentazione dinamica, in cui il
coefficiente di riempimento viene aumentato a valori superiore all’unità grazie proprio

291
agli effetti dinamici indotti dai moti non stazionari nei condotti. È evidente che quando
il rapporto tra le frequenze si porta a valori superiori a 2 (quindi 4, 6, …), la massa che
oscilla inizia a smorzarsi: l’effetto maggiore lo si sfrutta proprio quando il rapporto è
pari a 2.
Pertanto, con riferimento al tuning ottimale è possibile dire che:
 A parità di cilindrata unitaria il regime ottimale si può ridurre:
o Diminuendo la sezione 𝑆 del collettore a parità di lunghezza 𝐿
o Aumentando la lunghezza 𝐿 a parità di sezione 𝑆
o Diminuendo il rapporto 𝑆/𝐿
 A parità di cilindrata unitaria e regime ottimale fissando 𝑆/𝐿 (lo si mantiene
costante):
o Piccole sezioni e condotti corti
o Grandi sezioni e condotti lunghi
 A parità di regime ottimale, all’aumentare della cilindrata unitaria occorre:
o Aumentare 𝑆 ad 𝐿 costante (volume proporzionale alla cilindrata
unitaria)
o Aumentare 𝑆/𝐿 in proporzione a 𝑉𝑚
Oltre agli effetti di inerzia, esistono altri effetti che si possono verificare durante la
fase di aspirazione noti come effetti d’onda. Nel momento in cui c’è l’apertura della
valvola di aspirazione, nasce un’onda di depressione che risale il condotto (ovvero
la corrente) andandosi a riflettere dall’altro lato del condotto, dove può esserci un
ambiente aperto oppure anche una parete.
In particolare, dove c’è un open boundary (ambiente aperto) l’onda incidente ritorna
indietro con segno opposto, pertanto un’onda di compressione si rifletterà e tornerà
indietro come onda di espansione (onda di depressione):

Figura 234

Invece nel caso in cui vi sia un wall boundary, ovvero una parete, se su di essa arriva
un’onda di compressione essa si rifletterà e tornerà indietro con lo stesso segno
ovvero sempre come onda di compressione:

292
Figura 235

Ciò ovviamente accade nelle due condizioni estreme di condotto completamente


chiuso o di condotto completamente aperto. Nel caso in cui invece vi sia un
restringimento o un ampliamento della sezione di passaggio l’onda in parte si riflette
e in parte avanzerà. In particolare nel caso in cui si ha un aumento di sezione, in
corrispondenza di tale incremento, l’onda avanzerà parzialmente con lo stesso
segno, mentre la restante parte tornerà indietro con segno opposto: è evidente che
la somma delle due perturbazioni deve essere uguale alla perturbazione incidente.
Quando invece si ha un restringimento la situazione è diametralmente opposta: la
perturbazione che torna indietro lo farà con lo stesso segno, mentre quella che
avanza, avanzerà con segno opposto; anche in questo caso ovviamente la somma
delle due perturbazioni deve essere uguale alla perturbazione di partenza. È
evidente che l’aliquota riflessa e quella che continua ad avanzare dipenderanno dal
grado di apertura/chiusura del condotto stesso. In particolare il ragionamento sarà
condotto nell’ipotesi ideale che non vi sia forzamento.

Figura 236

293
Lezione 22 (Pianese) 12/04/2017
Motori alternativi a combustione interna: sistemi di aspirazione e scarico
Si ricordi che il coefficiente di riempimento volumetrico ha una dipendenza forte dal
regime di giri:

Figura 237

Il tratto di forte riduzione del coefficiente di riempimento volumetrico col regime di giri
è strettamente legato alle perdite di carico e a fenomeni di bloccaggio della portata
all’interno del collettore di aspirazione.
Oltre ai fenomeni inerziali di cui si è ampiamente discusso esistono anche i cosiddetti
fenomeni d’onda che si possono realizzare all’interno del collettore di aspirazione.
Un’onda di perturbazione incidente alla velocità del suono viene riflessa da una
discontinuità secondo un processo legato alle leggi di continuità:
 Con segno opposto se vi è un aumento di sezione (open boundary) e procede
con lo stesso segno nelle sezioni successive con intensità minore.
 Con lo stesso segno se vi è una riduzione di sezione (wall boundary).
Si immagini di avere un collettore di aspirazione che termina in un cilindro, come
riportato nella schematizzazione seguente:

Figura 238

Nel momento in cui si apre la valvola di aspirazione (o anche di scarico), nasce una
perturbazione di pressione (ovvero un’informazione che risale la corrente alla

294
velocità del suono): tale perturbazione è legata a una differenza di pressione che
esiste tra il collettore di aspirazione e il cilindro (questa differenza di pressione esiste
sempre). Se si immagina che nasca un’onda di perturbazione di depressione (onda
negativa: si è in fase di aspirazione) essa avanzerà da destra (a partire dalla valvola
di aspirazione) verso sinistra, con una velocità pari alla velocità del suono (𝑎); se il
condotto di aspirazione è lungo 𝐿, evidentemente il tempo necessario affinché tale
onda percorra tutto il condotto sarà pari a:
𝐿 𝐿
𝑎= ⟹ 𝛥𝑡 =
𝛥𝑡 𝑎
In un motore quattro cilindri ad esempio ci sono i quattro piccoli collettori che arrivano
nel plenum principale (collettore grande) il quale a sua volta è collegato con
l’ambiente esterno (le valvole rappresentate sono quelle di aspirazione):

Figura 239

L’ambiente è infinito in questa analisi ed esso dà la condizione di open boundary; se


l’ambiente non fosse infinito, ma semplicemente fosse più ampio non si avrebbe un
open boundary, ma comunque vi sarebbe una discontinuità la quale provocherebbe
comunque delle perturbazioni: in questo caso però non si avrebbe un effetto puro di
riflessione, ma parte dell’onda continuerebbe a proseguire in avanti; esiste dunque
una certa gradualità ed in funzione di quanto sia più ampia (o meno ampia) la zona
che la perturbazione si trova di fronte, rispetto a quella che ha lasciato dietro, essa
si comporterà in un certo modo.
Se si vogliono analizzare i casi estremi allora si fa riferimento al caso in cui la
perturbazione trova un ambiente aperto infinito (open boundary) e al caso essa trova
una parete solida (wall boundary).

295
Quando la perturbazione arriva in un ambiente aperto (open boundary) per le leggi
di continuità, ritorna indietro con il segno opposto: ciò accade per la continuità intorno
al volume di controllo riportato nella figura seguente (in rosso), in quanto l’energia
deve conservarsi.

Figura 240

Nella condizione opposta invece (wall boundary) che può manifestarsi all’altra
estremità del condotto di aspirazione quando la valvola è chiusa, per le leggi della
continuità siccome la perturbazione trova una parete chiusa essa tornerà indietro con
lo stesso segno (sempre per la conservazione dell’energia sul volume di controllo
riportato in rosso):

Figura 241

Quindi nel momento in cui le perturbazioni trovano una discontinuità si riflettono


all’interno del condotto.
Si immagini invece di trovare una discontinuità generica, ovvero un ambiente non
completamente aperto, ma nemmeno chiuso:

Figura 242

296
Ovviamente non è detto che si passi da una sezione all’altra così bruscamente, ma
ci potrebbe anche essere un passaggio graduale (sezione conica): in tal caso vi è
una sequenza di successive variazioni per cui il fenomeno avviene in ogni sezione
successiva. In ogni caso con una discontinuità di questo tipo una parte dell’onda
continua ad andare avanti con intensità ridotta e con lo stesso segno (in blu) ed il
suo complemento torna indietro con il segno cambiato (in rosso).
Nella figura sottostante, a titolo di esempio, viene rappresentato ciò che accade nel
collettore di scarico:

Figura 243

È evidente che il tempo affinché l’onda si propaghi in tutto il condotto e torna indietro
dipende dalla lunghezza del condotto stesso; se le lunghezze in gioco (𝐿) sono
relativamente piccole, siccome la velocità 𝑎 è molto elevata, la scala di tempo è
inferiore al ciclo. Se invece il condotto è molto lungo il tempo caratteristico potrebbe
essere dell’ordine dei due-tre cicli.
Nel caso dello scarico, quando il pistone è in prossimità del punto morto superiore in
fase di salita esso tenderà a rallentare e la capacità di espulsione si riduce: se il
motore è ben progettato e in quella condizione si fa in modo che arrivi un treno di
onde di depressione lo scarico migliora. Quindi se l’onda di depressione risale nel
momento in cui la valvola è aperta, avendo una densità maggiore dentro e minore
fuori esso tende a spingere la massa d’aria migliorando lo scarico. Pertanto se si è
in grado di accordare la lunghezza del collettore di scarico col regime di giri al quale
si vuole la migliore evacuazione possibile si trova il punto di funzionamento ottimale
per quel condotto di scarico (lo stesso discorso vale per il condotto di aspirazione).
Per i motori a quattro tempi, dove la fasatura è controllata, tale fenomeno è molto
utile. Nei motori a due tempi invece, dove non c’è la valvola di scarico, quando lo
scarico è aperto, il problema è più complesso da risolvere in quanto comunque non
è possibile ottimizzare il sistema per tutti i regimi di giri (ovviamente lo stesso vale
per il motore quattro tempi, ma in questo caso le valvole ci sono).
Nei sistemi di aspirazione per sfruttare al massimo questi effetti sono stati realizzati
dei condotti a geometria variabile, in cui si fa in modo che tali condotti si allunghino
297
e si accorcino; in pratica si fa in modo che ai bassi regimi di giri tali collettori siano
lunghi, mentre ad elevati regimi di giri siano corti; ciò permette di allargare la curva
di coppia.
Oggigiorno si utilizzano dei sovralimentatori che consentono anche un downsizing; è
evidente che il sovralimentatore subisce queste variazioni di pressione e quindi se il
sistema non è ben progettato è possibile che tali onde vadano a vanificare gli effetti
del sovralimentatore stesso.
Nel caso in cui la sezione si riduce piuttosto che aumentare una parte dell’onda torna
indietro con lo stesso segno e il residuo va avanti sempre con lo stesso segno:

Figura 244

Il problema è ovviamente analogo nel caso in cui si ha un condotto di questo tipo:

Figura 245

In tal caso in ogni sezione si deve fare lo stesso ragionamento fatto finora.
A questo punto si ragioni sul diagramma polare:

Figura 246

298
Il motore evidentemente aspira tra 0° e 180°. Nel collettore di aspirazione bisogna
fare in modo che tra 90 ° e 180° l’aria venga spinta dentro al cilindro in quanto il
pistone da solo non ce la fa: di fatto nella seconda parte della corsa il pistone rallenta
per cui l’aria ha bisogna di una “spinta” per poter continuare ad entrare. Quindi
bisogna fare in modo che nel momento in cui il pistone è lento, la densità aumenti e
pertanto è necessaria in quella fase un’onda di compressione; pertanto nel collettore
di aspirazione deve esserci un’onda di sovrappressione che arrivi sulla valvola,
quando la valvola stessa si sta aprendo; ovviamente nel collettore di aspirazione tale
condizione si ritroverà dopo 540° dalla chiusura della valvola di aspirazione. Quindi
nel momento in cui il pistone sta a metà corsa deve arrivare questa onda di
compressione. L’ampiezza angolare 𝛥𝜃 corrisponde al periodo necessario a
percorrere il condotto di lunghezza 𝐿 è:
𝛥𝑡 𝐿
𝛥𝜃 ∶ 360° = 𝛥𝑡 ∶ 𝑇𝑚 ⟹ 𝛥𝜃 = 360° ∙ = 360° ∙ 𝛥𝑡 ∙ 𝑛 = 360° ∙ 𝑛 ∙
𝑇𝑚 𝑎
Quindi:
𝐿
𝛥𝜃 = 360° ∙ 𝑛 ∙ (𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑐𝑜𝑠𝑡𝑖𝑡𝑢𝑡𝑖𝑣𝑜 (𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑟𝑒) 𝑑𝑒𝑙𝑙′ 𝑎𝑛𝑎𝑙𝑖𝑠𝑖 𝑐𝑜𝑛𝑑𝑜𝑡𝑡𝑎 )
𝑎
Dove:
1
𝑇𝑚 = (𝑡𝑒𝑚𝑝𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 𝑚𝑜𝑡𝑜𝑟𝑒 (𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑑𝑒𝑙 𝑟𝑒𝑔𝑖𝑚𝑒 𝑑𝑖 𝑔𝑖𝑟𝑖))
𝑛
In pratica ogni giro viene chiuso in un tempo pari a 𝑇𝑚 e 𝛥𝜃 indica la frazione dei 360°
che corrisponde all’intervallo di tempo 𝛥𝑡 (frazione del giro completo) in cui avviene
un’oscillazione.
In particolare il 𝛥𝜃 calcolato dà informazioni riguardo all’intervallo angolare
necessario a un’onda di perturbazione a coprire una lunghezza 𝐿 caratteristica del
motore a quel dato regime di giri. Variando il regime di giri il 𝛥𝜃 varierà per cui se si
vuole che esso rimanga costante, aumentando ad esempio il regime di giri bisogna
ridurre la lunghezza.
Per una fase di aspirazione, in cui la perturbazione di espansione risale il condotto e
si riflette come compressione a seguito della discontinuità (ambiente o plenum), la
condizione ottimale a valvola aperta è 2 ∙ 𝛥𝜃 = 90°, da cui:
90° 𝐿 90° 𝑎 𝑎
𝛥𝜃 = = 360° ∙ 𝑛 ∙ ⟹ 𝑛 ∙ 𝐿 = ∙𝑎 = ⟹𝑛 =
2 𝑎 720° 8 8 ∙𝐿
Quindi il regime di giri a cui si avrà il massimo accordo a valvole aperte è proprio
quello riportato nella relazione su scritta. Ovvero la lunghezza ottimale sarà pari a:
𝑎
𝐿=
8∙𝑛

299
La condizione ottimale è quella indicata in virtù di quanto riportato nello schema
seguente:

Figura 247

Nel momento in cui si apre la valvola di aspirazione, si genera un’onda di depressione


che risale il condotto con velocità 𝑎 in un certo intervallo di tempo 𝛥𝑡 arrivando
dall’altro lato, dove trova l’ambiente esterno (open boundary), per cui si rifletterà con
il segno opposto avanzando sempre con velocità 𝑎, ma ritornando indietro verso il
cilindro; pertanto arriverà come onda di compressione dall’altro lato del collettore: se
la lunghezza è stata ben progettata ci si troverà nella condizione in cui l’onda di
compressione si troverà tra i 90° e i 180°; per fare in modo che ciò avvenga i 90° di
angolo di manovella devono corrispondere al percorso compiuto dall’onda di
perturbazione pari a 2 ∙ 𝐿:

Figura 248

Quindi secondo tale fenomenologia quando l’onda di compressione “ritorna” e la


valvola di aspirazione è ancora aperta si riesce ad incrementare la pressione che si
sarebbe ridotta a seguito del rallentamento del pistone nel moto verso il punto morto
inferiore.
Volendo fare un esempio, supposto 𝑎 = 350 𝑚/𝑠, per 𝑛 = 6000 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛 =
100 𝑔𝑖𝑟𝑖/𝑠, la lunghezza deve essere pari a 𝐿 = 0.44 𝑚, mentre per un numero di giri
pari a 𝑛 = 1800 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛 = 30 𝑔𝑖𝑟𝑖/𝑠, la lunghezza deve esser 𝐿 = 1.46 𝑚. È
semplice comprendere come in realtà sui motori non si hanno queste lunghezze: in
effetti quanto calcolato è la condizione ottimale per un monocilindrico fissato un certo
regime di giri, mentre quando si hanno più cilindri è possibile sfruttare anche gli effetti
di sovrappressione dei cilindri vicini e quindi è possibile avere lunghezze minori.
È chiaro sarebbe possibile avere un effetto positivo non immediatamente a 90°, ma
in un tratto intermedio della corsa.

300
Quindi in definitiva si vogliono sfruttare gli effetti d’onda: a valvole aperte (stesso
ciclo), e a valvole chiuse (ciclo successivo).
Nel caso a valvole aperte, come visto, l’onda di compressione arriva quando la
valvola è ancora aperta. Al contorno si riflette un’onda opposta per garantire all’open
boundary la continuità per annullare la differenza di pressione tra incidente e riflessa:

Figura 249

L’onda deve compiere 2𝐿 in 90° (1/4 giro) alla velocità 𝑎:


2𝐿 1 𝑎
𝑇= = ⟹𝑛=
𝑎 4𝑛 8𝐿
L’altra fase è quella a valvole chiuse: quando la valvola di aspirazione si apre si vuole
una sovrappressione in quanto in quella fase il pistone ha una velocità ridotta (sta
accelerando) e quindi non riesce ad aspirare; in quella fase se si riesce ad aumentare
la densità dell’aria si riesce ad incrementare il coefficiente di riempimento.
Ovviamente l’onda può essere generata grazie alla discontinuità che si genera a
seguito della chiusura della valvola di aspirazione: quando la valvola di aspirazione
si chiude il fluido arriva sulla stessa “sbattendoci” sopra e generando un’onda di
compressione, la quale risale la corrente. Ovviamente la velocità dell’aria, a meno di
non trovarsi in condizioni di bloccaggio, è sempre più bassa della velocità dell’onda
di perturbazione; quando più ci si avvicina alla velocità del suono (condizioni di
bloccaggio) tanto più si possono avere difficoltà nella risalita dell’onda di pressione:
ciò che conta è il moto relativo (tuttavia quest’analisi è comunque piuttosto
complessa, per cui si immagina che il fluido sia fermo: se così non fosse la
perturbazione in un verso sarebbe rallentata (controcorrente) e nell’altro sarebbe
accelerata). Quando la valvola è chiusa, ovviamente il fluido è fermo per cui l’analisi
che si sta conducendo può essere applicata senza alcuna ipotesi semplificata.
Quando l’onda di compressione generata arriva dall’altro lato del condotto, si troverà
di fronte ad un open boundary per cui essa si rifletterà col segno opposto; arrivata
nuovamente in prossimità del cilindro, giacché la valvola risulta chiusa (wall
boundary) la perturbazione si rifletterà nuovamente, ma con lo stesso segno,
dopodiché arrivata nuovamente all’open boundary si riflette nuovamente, ma con
segno opposto, ritornando ancora una volta verso il cilindro. Nella schematizzazione
seguente viene sintetizzato quanto detto:
301
Figura 250

Per cui alla fine arriverà sulla valvola di aspirazione come onda di compressione (così
com’è partita), dopo aver fatto quattro giri (4𝐿). La lunghezza pari a 4𝐿 deve essere
coperta in 540° giacché la valvola è chiusa (teoricamente) durante questo intervallo
angolare. Durante le altre fasi (540° circa) il sistema di perturbazione oscillerà
secondo le caratteristiche di un oscillatore smorzato con un periodo pari a 𝑇0 =
1/𝑓0 = 4𝐿/𝑎. L’intervallo angolare necessario a coprire la lunghezza 𝐿 sarà:
𝐿
𝛥𝜃 = 360° ∙ 𝑛 ∙
𝑎
Quindi una perturbazione compie 4 corse in 540°, per cui:
4𝐿 3 𝑎
540° = 360° ∙ 𝑛 ∙ ⟹𝑛= ∙
𝑎 8 𝐿
Come prima, se la lunghezza aumenta il regime di giri si riduce e viceversa.
In generale, una valutazione dell’effetto è data dal numero 𝐾 di periodi 𝑇0 , convertiti
in angoli di manovella, contenuti nell’intervallo 540°:
540° 1 540° 1 𝑎 3 1 𝑎
𝐾= ∙ = ∙ ∙ = ∙ ∙
360° 𝑛 ∙ 𝑇0 360° 𝑛 4 ∙ 𝐿 8 𝑛 𝐿
Dove:
𝑇0 = 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑑𝑒𝑙𝑙′ 𝑜𝑠𝑐𝑖𝑙𝑙𝑎𝑧𝑖𝑜𝑛𝑒
Evidentemente l’effetto è positivo per 𝐾 intero (1, 2, 3, …), mentre è negativo per 𝐾
frazionario (1.5, 2.5, 3.5, …) in quanto in quest’ultimo caso se l’onda parte positiva
ritornerà negativa. Ovviamente per contro se partisse un’onda negativa (ammesso
che possa partire) con un 𝐾 frazionario si avrebbe un beneficio (ma ciò non accade,
perché quando la valvola si chiude la perturbazione è positiva).
Ovviamente tali fenomeni esistono sempre durante tutto il processo: quando la
valvola è aperta comunque si generano delle onde di perturbazioni indotte da
fenomeni di discontinuità (anche effetti secondari quali valvole di EGR, …).
L’anticipo di apertura della valvola di aspirazione 10° − 25° prima del punto morto
superiore (coefficiente di riempimento poco influenzato), consente di evitare la forte
riduzione della pressione nel cilindro.
302
Ovviamente tutto il ragionamento è stato fatto sulla fasatura ideale (0° − 180° − …:
apertura e chiusura ai punti morti), ma nella realtà la fasatura è anticipata o ritardata
e dunque gli angoli possono variare: pertanto nella realtà bisogna tener conto di
questi aspetti.
Quanto detto sinora viene sintetizzato brevemente nelle seguenti figure:

Figura 251

Figura 252

303
Figura 253

Nel caso del collettore di scarico l’obiettivo è avere un’onda di depressione che
facilita la fuoriuscita del gas dal cilindro.
Tutti questi fenomeni vengono analizzati con modelli di calcolo monodimensionali, in
cui si fa l’ipotesi che la lunghezza del condotto sia molto maggiore rispetto al
diametro: a partire dalle equazioni di Navier-Stokes monodimensionali (equazione di
continuità (bilancio di massa), equazione di conservazione della quantità di moto,
equazione di conservazione dell’energia) il condotto viene discretizzato in tanti
elementi di calcolo e si implementano tecniche di calcolo numerico per la risoluzione
delle derivate parziali (l’equazione di Navier-Stokes è scritta nello spazio e nel
tempo).
Di seguito viene riportata una rappresentazione di ciò che accade dal punto di vista
sperimentale nei condotti:

Figura 254
304
Nel caso in cui la valvola a farfalla fosse parzializzata (non completamente aperta) ci
sarebbe una parte della perturbazione riflessa e una che continua ad andare avanti
(non sarebbe un open boundary puro), mentre quando è completamente aperta
teoricamente si tratta di un open boundary.
In un sistema a quattro cilindri ci saranno degli effetti di interferenza o di
amplificazione delle diverse perturbazioni. Volendo collocare le pressioni 𝑝1 , 𝑝2 e 𝑝3
riportate nella figura precedente in un sistema reale, esse saranno le pressioni
individuate nelle zone riportate nella schematizzazione seguente:

Figura 255

Nel caso di quattro cilindri evidentemente ogni 180° si ha un ciclo motore. Nella figura
riportante i diagrammi di pressione è possibile notare come vi sia una leggera
sovrapposizione (incrocio) tra la fase di apertura della valvola di aspirazione (IO: Inlet
Opening) e la fase di apertura della valvola di chiusura della valvola di scarico scarico
(EO: Exhaust Opening). A 1200 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛 la pressione 𝑝1 risulta essere influenzata
anche da piccole oscillazioni, che sono legate ad effetti secondari provocati da onde
di oscillazione che si muovono nei condotti (la pressione è molto oscillante). Nella
fase di chiusura della valvola di aspirazione, a partire dalla seconda metà
dell’apertura della stessa, è possibile notare un effetto positivo di sovrappressione
(risalita della pressione) che è benefico in quanto consente di incrementare la densità
del fluido aspirato proprio quando il pistone rallenta. La pressione 𝑝3 invece è
misurata molto lontano dai cilindri ed in quella zona è possibile distinguere
chiaramente le quattro sovrappressioni legate ai quattro sbuffi dei quattro cilindri allo
scarico: essa non è influenzata da altri fenomeni giacché ad una certa distanza dai
cilindri oramai le onde secondarie si sono attenuate (non ci sono oscillazioni piccole
come nel caso della 𝑝1 ), ma è possibile distinguere chiaramente la sequenza delle
pulsazioni dello scarico. Per quanto riguarda la pressione 𝑝2 misurata più in
prossimità dei cilindri, i treni d’onda sono più numerosi giacché c’è un’influenza
notevole di tutti i cilindri. Quando il regime di giri aumenta. Passando da
1200 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛 a 4800 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛, sebbene le onde di perturbazione avanzeranno
sempre con la stessa velocità e le lunghezze in gioco rimangono le stesse,
cambieranno evidentemente le forzanti che generano le onde di pressione (aumenta
305
la frequenza con cui le onde di pressione vengono generate); in questo caso lo
scenario cambia; con riferimento alla pressione 𝑝1 è possibile notare più chiaramente
la sequenza dei quattro picchi; per quanto riguarda la 𝑝2 è possibile notare che c’è
un effetto negativo nella fase di apertura della valvola di scarico dovuto ad una
sovrappressione, mentre un effetto positivo durante la chiusura della stessa in
quanto in quel caso la sovrappressione è desiderata. Per quanto riguarda la
pressione 𝑝3 , i quattro picchi, sebbene appaiano, essi risultano smorzati
probabilmente a causa del fatto che ci sono due cilindri in cui invece di arrivare una
sovrappressione arriva una depressione.
Nella schematizzazione seguente riportato l’effetto d’onda a valvola aperta. Se
l’impulso positivo di pressione, riflesso dall’estremità aperta del condotto, arriva alla
valvola nella seconda metà della fase di aspirazione, la pressione risultante favorisce
il riempimento del cilindro nel momento in cui la valvola sta per chiudersi. In assenza
di riflessione l’onda seguirebbe l’andamento del moto del pistone (in base alla
massima velocità del pistone si avrebbe la massima depressione); se invece l’onda
si riflette si avrà una pressione risultante positiva ed elevata a cavallo del punto morto
inferiore, quando cioè il pistone è lento o addirittura sta risalendo.

Figura 256

Di seguito viene invece riportato l’andamento del coefficiente di riempimento in


funzione del regime di rotazione, nel caso di un motore con condotti di aspirazione
separati e molto lunghi (𝐿𝑎 = 1.5 𝑚: lunghezza eccessiva per i motori moderni), in
modo da evidenziare l’effetto inerziale (ottimo a 35 𝑔𝑖𝑟𝑖/𝑠), quello d’onda a valvola
aperta (ottimo a 30 𝑔𝑖𝑟𝑖/𝑠 e a 80 𝑔𝑖𝑟𝑖/𝑠) e quello d’onda a valvola chiusa (favorevole
a 30 𝑔𝑖𝑟𝑖/𝑠, a 40 𝑔𝑖𝑟𝑖/𝑠 e a 80 𝑔𝑖𝑟𝑖/𝑠. Il “buco di riempimento a 35 𝑔𝑖𝑟𝑖/𝑠 è dovuto
all’effetto d’onda a valvola chiusa sfavorevole.

306
Figura 257

Ovviamente in un motore reale, i condotti sono più corti ed inoltre c’è l’effetto
“condensatore” del collettore di aspirazione, che ha un volume molto maggiore della
cilindrata (anche cinque o sei volte maggiore) e che smorza le pulsazioni (quasi come
se fosse un ambiente aperto).
Per lo stesso motore, come è possibile vedere dalla figura precedente si può passare
tranquillamente da un coefficiente di riempimento pari a 0.8 a un coefficiente di
riempimento pari a 1.3 a seconda del regime di giri: ciò significa che il riempimento
aumenta del 50% circa il che si traduce in un aumento di potenza del 50%. Questo
fa capire l’importanza del sistema di aspirazione e scarico sulle prestazioni
complessive del motore. Questo è il motivo per cui negli ultimi 15 𝑎𝑛𝑛𝑖 ci si è
concentrati molto su tali sistemi. Con l’avvento della sovralimentazione poi è stato
possibile ridurre le dimensioni del motore (downsizing) e dunque la cilindrata e
migliorare le prestazioni ai bassi carichi (aumentando la cilindrata aumenta lo
scambio termico, aumentano gli attriti, … quindi riducendo la cilindrata si perde
meno). Invece il sistema di combustione non è stato ottimizzato molto, sebbene
oggigiorno si stia cercando un’ottimizzazione anche in questo senso. Oggigiorno
addirittura si utilizzano due turbine e due compressori per la sovralimentazione (alta
e bassa pressione) per fare in modo che in tutto il campo di funzionamento si ha una
copertura ottimale. Ovviamente migliorando il sistema di aspirazione e scarico non
si influenza direttamente il rendimento termico: facendo un downsizing si riducono
attriti e perdite di calore, … per cui vi è un’azione indiretta sul rendimento, ma
un’azione diretta sul peso, sugli ingombri, …. Dal punto di vista termodinamico della
combustione fino ad oggi non si è fatto molto, in futuro si prospetta di poter adottare
tecnologie con rapporti di compressione variabili ed altre tecnologie quale l’iniezione
307
di acqua che può ridurre il rischio di detonazione e incrementare il rapporto di
compressione volumetrico. I rendimenti sui motori dei camion oggigiorno sfiorano il
50%, mentre sulle autovetture si è intorno al 40%.
Di seguito vengono rappresentati tre grafici che riportano l’andamento in funzione
dell’angolo di manovella 𝜃, delle pressioni nei collettori di aspirazione 𝑝𝑎 e di scarico
𝑝𝑠 (in prossimità delle rispettive valvole) per un motore con condotti d’aspirazione
separati e molto lunghi. Le ampie oscillazioni di pressione influenzano sensibilmente
il processo di ricambio della carica. In particolare:
 Per 𝑛 = 30 𝑔𝑖𝑟𝑖/𝑠 risulta buono l’effetto inerziale e favorevoli gli effetti d’onda:
a valvola di aspirazione aperta si ha un incremento della pressione.
 Per 𝑛 = 35 𝑔𝑖𝑟𝑖/𝑠 risulta ottimo l’effetto, inerziale, buono quello d’onda a
valvola aperta, mentre è sfavorevole (𝐾 = 2.5) quello d’onda a valvola chiusa.
 Per 𝑛 = 40 𝑔𝑖𝑟𝑖/𝑠 risulta buono l’effetto inerziale, discreto quello d’onda a
valvola aperta e favorevole (𝐾 = 2) quello d’onda a valvola chiusa.

Figura 258
308
Per la fase di scarico c’è uno sbuffo di pressione abbastanza pronunciato, giacché
la pressione di fine espansione è molto elevata, per cui si ha un picco di pressione
che poi tende a smorzarsi; in genere il collettore di scarico è relativamente lungo; lo
sbuffo di pressione genera delle onde di pressione che avanzano nel collettore di
scarico smorzandosi man mano. In genere nei motori a quattro tempi si fanno
condotti lunghi per sfruttare effetti di inerzia nel condotto ed avere una depressione
dinamica.
Di seguito viene riportato un diagramma tridimensionale illustrante l’andamento della
pressione in funzione dello spazio e del tempo, lungo un condotto con brusco
allargamento di sezione (in 𝐴: in pratica un condotto più piccolo è innestato su un
condotto più grande). Un impulso positivo di pressione proveniente dall’estremità di
destra, in corrispondenza del netto allargamento di sezione viene in buona parte
riflesso come onda di depressione che risale all’indietro il condotto di minore
diametro, mentre in parte si propaga come onda dello stesso segno (ma minore
ampiezza) nel tratto di sezione maggiore. In sostanza l’onda di pressione che arriva
alla giunzione ritorna indietro con intensità minore come onda di depressione, mentre
la restante parte prosegue come onda di compressione.

Figura 259

In effetti, la presenza delle marmitte a espansione soprattutto nei motori a due tempi
(non è detto che vi sia una variazione brusca, ma può esserci in generale una
variazione di sezione graduale, in modo da dare un ampio intervallo temporale al
fenomeno) serve proprio ad avere un’onda di pressione che avanza in modo da
favorire l’espansione del gas verso l’esterno (e dunque l’uscita del gas stesso) e
dall’altro lato ciò permette di far risalire un’onda di depressione che migliora lo
svuotamento del cilindro; se tale fenomeno si inverte, può essere positivo perché
nelle fasi finali, quando nel motore (due tempi) c’è anche la carica fresca può essere
opportuno avere un’onda di pressione che fa da tappo fluidodinamico. Il condotto, in
genere di forma conica, ha un tratto prima divergente, poi costante ed infine
convergente con un terminale poi a sezione costante.

309
Nel caso del motore a due tempi è molto complesso calcolare sezioni, angoli e
lunghezze: in genere si riesce a ottimizzare la lunghezza e le dimensioni dei vari
componenti della marmitta ad espansione per una zona relativamente stretta del
regime di giri in cui si vuole avere il massimo effetto di riempimento. Nel motore a
due tempi c’è una fase in cui la luce di travaso e quella di scarico sono
contemporaneamente aperte, per cui può aversi la fuoriuscita di miscela fresca il che
determina una perdita di energia: per tale motivo bisogna fare in modo che quando
le due luci sono contemporaneamente aperte ci sia un tappo fluidodinamico, ovvero
un’onda di pressione che si opponga alla fuoriuscita del gas.
L’onda di pressione che parte da un certo punto, quando arriva in 𝐴, trova una brusca
variazione di sezione: se a partire da questo punto ci fosse un ambiente
completamente aperto l’onda si rifletterebbe e tornerebbe indietro; tuttavia giacché
c’è un ambiente non infinito una parte dell’onda torna indietro col segno cambiato
(depressione) e un’altra parte va avanti con lo stesso segno (sovrappressione: essa
favorisce per esempio lo smaltimento della carica).

310
Lezione 23 (Pianese – Rizzo) 20/04/2017
Motori alternativi a combustione interna: sistemi di aspirazione e scarico
L’incremento di densità che si ottiene a seguito dei fenomeni inerziali e degli effetti
dinamici è dell’ordine di quale punto percentuale. In ogni caso tali fenomeni
influenzano la forma della curva del coefficiente di riempimento. Ovviamente le onde
di cui si è discusso fino a questo momento sono in realtà un treno di onde che
viaggiano e che si riflettono secondo i principi visti.
Nel caso monocilindrico la schematizzazione del motore è la seguente (le valvole di
aspirazione e scarico vengono aperte grazie ad un albero a camme):

Figura 260

In realtà il motore di un’autovettura è composto da più cilindri; immaginando di


guardare il sistema dall’altro è possibile fare la seguente schematizzazione (motore
quattro cilindri):

Figura 261
311
Evidentemente quando si vuole progettare un sistema di questo tipo
contemporaneamente si vuole progettare un aspetto funzionale (operativo) ed un
aspetto geometrico (dimensioni del collettore di aspirazione, sezione di passaggio,
lunghezza dei condotti, sezione di passaggio delle valvole, sezione di passaggio del
filtro, alzata delle valvole, dimensioni del collettore di scarico, …). Ovviamente
bisogna anche progettare la fasatura giacché essa è legata alla lunghezza del
condotto: pertanto è necessario fare una simulazione ragionando su un modello
dinamico (nell’ambito della fase di aspirazione (e non solo), che ha una durata di
180°, c’è una variazione di velocità del fluido dunque il fenomeno è fortemente
dinamico); ovviamente il pistone raggiunge delle velocità medie (media tra la velocità
nulla ai punti morti e la velocità massima più o meno al centro della corsa) che al
limite si aggirano intorno ai 15 𝑚/𝑠 − 20 𝑚/𝑠, laddove esistono fenomeni inerziali e
dinamici che hanno tempi caratteristici caratterizzati dalla velocità del suono (c’è un
ordine di grandezza di differenza). Pertanto in questo sistema, entrano in gioco scale
temporali dei fenomeni molto ampie: la dinamica da simulare è molto veloce e ha
tempi caratteristici inferiori al ciclo. Per quanto detto, un’analisi completa di ciò che
accade non può essere stazionaria. Quindi è difficile progettare in maniera chiusa
tutti i fenomeni che avvengono all’interno di un motore, se non con delle
approssimazioni. Il concetto di precisione bilanciata si applica proprio a questo tipo
di simulazioni: il sistema va simulato con sotto-modelli che rappresentano il
coefficiente di efflusso, le perdite di carico, gli effetti d’onda, … con uno stesso grado
di precisione altrimenti si rischia di rappresentare uno dei fenomeni in maniera
eccessivamente precisa e dunque impiegare tempo di calcolo elevato, senza
apportare grande vantaggio alla precisione complessiva; al contrario invece si rischia
di utilizzare un modello estremamente semplificato che fa perdere la fisica del
fenomeno. Dunque un progettista costruisce il modello di calcolo per poter poi andare
a fare delle analisi di ottimizzazione su: fasatura, lunghezza dei condotti, dimensioni
del motore (che entrano in gioco attraverso le perdite di carico: sezione di passaggio),
….
Dal punto di vista fluidodinamico è necessario fare delle ipotesi sul modello trattato.
Ovviamente all’interno di un motore la fluidodinamica, per sua natura, è
tridimensionale; tuttavia esistono dei fenomeni che hanno delle dimensioni
caratteristiche: ad esempio, in genere, quando si studia lo strato limite esso viene
analizzato come fenomeno bidimensionale. In questo caso, è necessario effettuare
una rappresentazione del fenomeno lungo la 𝑥 (rappresentazione longitudinale del
moto), e si deve tener conto anche dalla variazione lungo 𝑦 (rappresentazione
trasversale del moto), giacché il profilo di velocità varia lungo questa direzione:

312
Figura 262

Evidentemente il modello fluidodinamico nella zona dello strato limite non può essere
monodimensionale (al di fuori invece sì), ma deve essere bidimensionale. Nel caso
in cui si tratti di un condotto circolare, piuttosto che di una lastra piana, il flusso va
modellato addirittura come tridimensionale, giacché si deve tener conto anche dei
moti indotti dalla vorticità.
Nel caso del motore, all’interno dei condotti, è possibile immaginare che una
dimensione sia predominante rispetto alle altre (lunghezza del collettore), tranne in
alcuni casi (ovvero lungo le giunzioni dove ci sono delle caratteristiche geometriche
di cui tener conto e degli effetti indotti dalle perdite di carico), per cui è possibile
modellare il flusso come monodimensionale. La rappresentazione più corretta è
evidentemente, quella che bilancia meglio la precisione con l’onere di calcolo; il
problema unidimensionale è comunque un problema alle derivate parziali, giacché
le equazioni devono essere integrate nello spazio e nel tempo.
Quindi si considera un modello unidimensionale (white-box) del sistema di
aspirazione e scarico, con fluido comprimibile.
Per l’equazione di conservazione della massa (equazione di continuità si ha):
∂ ∂
(𝜌 ∙ 𝐴 ) = − (𝜌 ∙ 𝐴 ∙ 𝑈 )
∂𝑡 ∂x
Dove:
𝜌 = 𝑑𝑒𝑛𝑠𝑖𝑡à 𝑑𝑒𝑙 𝑓𝑙𝑢𝑖𝑑𝑜
𝐴 = 𝑠𝑒𝑧𝑖𝑜𝑛𝑒
𝑈 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑡à
In sostanza c’è la variazione della massa nel tempo e nello spazio.
Per l’equazione di conservazione della quantità di moto:
∂ ∂ ∂
(𝜌 ∙ 𝐴 ∙ 𝑈 ) = − (𝜌 ∙ 𝐴 ∙ 𝑈 2 ) − (𝑝 ∙ 𝐴 ) − 𝜏 𝑤 ∙ 𝑃
∂t ∂x ∂x
313
Dove:
𝑝 = 𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛𝑒
𝜏𝑤 = 𝑠𝑓𝑜𝑟𝑧𝑜 (𝑝𝑒𝑟𝑑𝑖𝑡𝑎 𝑎𝑙𝑙𝑎 𝑝𝑎𝑟𝑒𝑡𝑒)
In tal caso c’è la variazione nel tempo e nello spazio della quantità di moto, la
variazione nello spazio del termine legato alle forze di pressione e un termine legato
alle forze di attrito.
Infine, per quanto riguarda il bilancio di energia si ha:
∂ ∂ ∂
(𝜌 ∙ 𝐴 ∙ 𝑒 ) = − (𝜌 ∙ 𝐴 ∙ 𝑈 ) − 𝑝 ∙ (𝑈 ∙ 𝐴 ) + 𝜏 𝑤 ∙ 𝑃 ∙ 𝑈 − 𝑞 ∙ 𝑃
∂t ∂x ∂x
Dove:
𝑒 = 𝑒𝑛𝑒𝑟𝑔𝑖𝑎
In tal caso si tiene conto, anche dell’attrito e dunque dell’energia dissipata dallo
stesso e degli effetti di scambio termico tra il fluido e le pareti del condotto.
Il modello è di tipo white-box in quanto vengono scritte le equazioni costitutive del
problema; tuttavia rispetto al comportamento viscoso (e dunque rispetto all’attrito), il
problema viene semplificato introducendo un sotto-modello, che non è quello del
tensore degli sforzi, ma è rappresentato da un termine indicativo degli sforzi alla
parete 𝜏𝑤 (modello grey-box: modello ibrido); in sostanza, congruentemente con
l’ipotesi di flusso monodimensionale (e non bidimensionale), non si tiene conto del
gradiente della velocità nella direzione ortogonale a quella prevalente del flusso (se
si volesse tenere conto degli sforzi sia del fluido che della parete, bisognerebbe fare
un’analisi bidimensionale). Quindi il modello va semplificato in maniera coerente:
invece di avere un modello fluidodinamico completo, dal punto di vista degli sforzi si
assume la perdita alla parete (il fluido che avanza per effetto dell’attrito troverà delle
perdite di carico sintetizzate con il coefficiente 𝜏𝑤 ).
Il sistema di equazioni differenziali viene integrato lungo i condotti numericamente,
suddividendo il condotto in tanti elementi di calcolo elementare (le equazioni vengono
integrate numericamente su ogni elemento di calcolo). Ovviamente c’è un’interazione
tra il sistema di aspirazione e scarico e il ciclo termodinamico: la pressione
all’apertura della valvola di scarico dipende dal ciclo termodinamico il quale a sua
volta dipende dalla pressione all’aspirazione, la quale influenza la pressione
massima. Tuttavia nel momento in cui le valvole sono chiuse è possibile separare gli
effetti e dunque seguire il ciclo con un modello più semplice (che può essere anche
il modello standard in cui si va ad integrare l’equazione di ∂p/ ∂𝜗) utilizzando una
legge di rilascio del calore più fisica (e non certamente un’adduzione di calore a
volume costante). Per esempio, come legge di rilascio del calore (ciclo a valvole
chiuse) si potrebbe utilizzare la legge di Wiebe (grey-box):

314
𝜗 − 𝜗𝑠 𝑛
𝑥 (𝜗) = 1 − exp [−𝑎 ( ) ]
𝜗𝑏
Dove:
𝜗𝑏 = 𝑑𝑢𝑟𝑎𝑡𝑎 𝑑𝑒𝑙𝑙𝑎 𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑜𝑛𝑒
𝑛, 𝑎 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑖 𝑐ℎ𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑜 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎 𝑑𝑒𝑙𝑙𝑎 𝑙𝑒𝑔𝑔𝑒 𝑑𝑖 𝑟𝑖𝑙𝑎𝑠𝑐𝑖𝑜 𝑑𝑒𝑙 𝑐𝑎𝑙𝑜𝑟𝑒
𝜗 = 𝑎𝑛𝑔𝑜𝑙𝑜 𝑑𝑖 𝑚𝑎𝑛𝑜𝑣𝑒𝑙𝑙𝑎
Per un motore ad accensione comandata l’andamento della 𝑥 (𝜗) e dalla sua derivata
𝑥̇ (𝜗) è il seguente:

Figura 263

Ovviamente è anche possibile andare ad integrare le equazioni tridimensionali nel


tempo: questo lo si fa, ma non con l’obiettivo di progettare i condotti, bensì con
l’obiettivo di capire cosa accade nella parte vicina al cielo del cilindro ad esempio, o
anche con l’obiettivo di capire qual è l’interazione tra il flusso di combustibile che
esce dall’iniettore e l’aria (per evitare che il combustibile si vada ad addensare sulla
parete portando alla formazione di idrocarburi incombusti).

Figura 264

L’obiettivo magari è quello di allargare quanto più possibile la curva del coefficiente
di riempimento volumetrico e questo lo si può fare: utilizzando quattro valvole invece
di due, aumentando l’alzata delle valvole, fasando opportunamente l’apertura e la
chiusura, …. In un problema di ottimizzazione di un motore rientrano moltissime

315
variabili, per cui ridurre l’ordine del problema da tra dimensioni a una dimensione,
comporta una velocità di calcolo maggiore.
Ovviamente integrando numericamente nei diversi tratti le equazioni, è necessario
scegliere un passo (sono necessari un certo numero di elementi di calcolo); ci
saranno però dei punti di discontinuità dovuti ad esempio a delle zone d confluenza
tra due collettori, per cui sarà necessario scrivere delle equazioni di congruenza
(tenendo conto delle portate che confluiscono in quella zona, della perdita di carico
che si verifica in quella zona, …). Quindi dove il condotto è rettilineo è possibile
procedere analiticamente, ma è necessario far ricorso a dati sperimentali (di natura
empirica) o ad ipotesi semplificative quando vengono trattate le giunzioni
(discontinuità).
Le equazioni scritte sono disponibili attualmente in alcuni codici di calcolo
ampiamente utilizzati dalle case automobilistiche.
Si dà vita in sostanza ad una sorta di CAD fluidodinamico, dove il progettista si
costruisce il modello del motore in cui vengono rappresentate tutte le varie fasi:

Figura 265

Il motore ad esempio viene rappresentato come un black-box ed in cui viene integrata


l’equazione ∂p/ ∂ϑ per ogni cilindro. Poi c’è la turbina, il compressore, l’aspirazione,
il filtro, … nonché diverse sezioni in cui ci sono elementi di calcolo standard che
simulano curve, tratti rettilinei, … (è necessario introdurre condizioni al contorno tra i
due elementi contigui). Viene anche rappresentato l’EGR dove una parte del fluido
viene presa dallo scarico e viene inviata all’aspirazione.

316
Di seguito viene rappresentato lo stesso modello, ma esploso su tutta la fase di
aspirazione e scarico:

Figura 266

Di seguito invece viene rappresentato il motore con i quattro cilindri:

Figura 267

Ogni elemento (in giallo) porta all’interno del calcolo delle condizioni al contorno
(quali ad esempio la perdita di carico).
Alla fine il risultato è quello di ottenere, rispetto all’angolo di manovella, e fissato il
regime di giri, l’andamento della pressione. Ovviamente tale andamento della
317
pressione, può essere confrontato con i dati sperimentali qualora essi siano
disponibili.
Le figure seguenti mostrano i valori misurati e calcolati della pressione in una
posizione del collettore di aspirazione di un motore automobilistico 4 cilindri, al
variare della velocità di rotazione e dell’apertura della valvola a farfalla:

Figura 268

È possibile notare in maniera esplicita le quattro sequenze delle fasi di aspirazione:


il modello (in rosso), segue con una buona precisione i dati sperimentali (in blu).
Ovviamente le frequenze principali non sono difficili da prendere in maniera
adeguata, giacché sono legate alla forzante (e dunque al ciclo), ma le frequenze
intermedie, legate alle onde di perturbazione che si muovono nel collettore, sono più
complesse da riuscire ad afferrare.

Figura 269

318
In questo caso il regime di giri è doppio rispetto al caso precedente, mentre l’apertura
della valvola a farfalla rimane la stessa. È possibile comunque individuare i quattro
picchi principali, sebbene in questo caso vi siano due picchi più elevati rispetto ai
restanti due. Anche in questo caso il modello simula abbastanza bene il trend dei
dati sperimentali.

Figura 270

In tal caso l’apertura della valvola a farfalla viene variata rispetto ai casi precedenti.

Figura 271

In quest’ultimo caso invece l’apertura della valvola a farfalla è uguale a quella del
caso precedente, ma il regime di giri raddoppia.

319
La similitudine nelle macchine
Esiste un’ulteriore metodologia con cui comunque si riescono a mettere assieme, in
forma adimensionale, le grandezze che influenzano il funzionamento di un
determinato sistema.
Nello studio delle macchine idrauliche (in particolare, delle turbine idrauliche) si
ricorre ad un gruppo adimensionale di notevole interesse pratico, detto numero di giri
specifico. Questo indice permette di raggruppare le principali variabili operative (sono
quelle variabili, il cui valore può variare una volta che l’impianto è stato costruito)
quali:
 Portata volumetrica 𝑄
 Salto utile 𝐻
 Numero di giri 𝑛
 Potenza 𝑃
In tal caso si è partiti da una grandezza adimensionale che determina il
funzionamento della macchina ed in particolare che ne influenza il rendimento; in
particolare, la variabile adimensionale che determina la ottimalità dei triangoli di
velocità è il rapporto 𝑢/𝑐1 . In sostanza si esprime la dipendenza funzionale tra le
variabili operative (𝑛, 𝑄, 𝐻, 𝑃) ed il rapporto caratteristico 𝑢/𝑐1 (rapporto
adimensionale), legato alla forma dei triangoli di velocità e quindi al rendimento della
macchina. Nel ragionamento, non ci si rifà ad equazioni in senso stretto, ma si
effettuano delle semplici considerazioni di similitudine (ragionando sulla
proporzionalità tra le diverse variabili):
𝑢 ∝ 𝐷𝑛
1
𝑐1 ∝ √𝐻 ∝ 𝐻 2
La portata è invece legata alla sezione di passaggio (proporzionale ad una
dimensione al quadrato: in un discorso di similitudine tutte le dimensioni di una
macchina sono proporzionali tra di loro e proporzionali alla dimensione principale che
può essere il diametro 𝐷) ed alla velocità di attraversamento (componente normale
alla sezione: tuttavia in una logica di similitudine fluidodinamica e cinematica tutte le
velocità sono proporzionali tra loro e dunque può essere considerata una qualunque
velocità):
1 1 1
𝑄 ∝ 𝐷 2 𝑐 ∝ 𝐷 2 𝐻 2 ⟹ 𝐷 ∝ 𝑄 2 𝐻 −4
Quanto espresso, vale per una famiglia di macchine tra loro geometricamente simili:
quando la portata volumetrica e il salto variano in questa famiglia di macchine il
diametro varia con la legge su scritta.
Combinando le relazioni sulle velocità per quanto detto si avrà:

320
1 1
𝑢 𝑛𝐷 𝑛𝑄2 𝐻 −4 1 3
∝ 1∝ 1 ∝ 𝑛𝑄2 𝐻 −4
𝑐1 𝐻 2 𝐻2
Al rapporto individuato si dà il nome di numero di giri specifico (o numero di giri
caratteristico), per cui:
1 3
𝑛𝑠 = 𝑛𝑄2 𝐻 −4
Essa è evidentemente una grandezza adimensionale, come si può facilmente
verificare:
1 3 1 3 3 3
𝑛𝑠 = [𝑇 −1 (𝐿3 𝑇 −1 )2 (𝐿2 𝑇 −2 )−4 ] = [𝑇 −1−2+2 𝐿2−2 ] = [𝑇 0 𝐿0 ]

Introducendo la potenza, si ottiene una seconda espressione:


𝑃 ∝ 𝑄𝐻 ⟹ 𝑄 ∝ 𝑃𝐻 −1
Pertanto:
1 3 1 5
𝑛𝑠 = 𝑛(𝑃𝐻 −1 )2 𝐻 −4 = 𝑛𝑃2 𝐻 −4
Macchine idrauliche geometricamente simili che operino con lo stesso valore del
numero di giri specifico (stesso rapporto 𝑢/𝑐1 ) hanno triangoli di velocità simili, ed
operano quindi con gli stessi rendimenti (in prima approssimazione, a meno di effetti
secondari: tenute, attriti, rugosità superficiale, …). Pertanto se una macchina sta
operando nelle condizioni di massimo rendimento di progetto, volendo fare un
modello di macchina da far lavorare nelle stesse condizioni, essa deve lavorare con
lo stesso numero di giri specifico: quindi conoscendo il numero di giri, la portata e il
salto della turbina reale e calcolato il numero di giri specifico, in laboratorio si
dovranno combinare le diverse grandezze del modello affinché sia rispettato lo
stesso numero di giri specifico. Pertanto volendo realizzare una prova sperimentale
in scala su modello di un prototipo, per poter ottenere un funzionamento
fluidodinamico e cinematico simile è necessario adottare valori di 𝑄, 𝐻, 𝑃 e 𝑛 , tali che
risulti:
1 3 1 3
− −
𝑛𝑠,𝑚 = 𝑛𝑠,𝑝 ⟹ 𝑛𝑚 𝑄𝑚 𝐻𝑚4
2
= 𝑛𝑝 𝑄𝑝 𝐻𝑝 4
2

Dove:
𝑚 = 𝑚𝑜𝑑𝑒𝑙𝑙𝑜
𝑝 = 𝑝𝑟𝑜𝑡𝑜𝑡𝑖𝑝𝑜
Ovvero in termini di potenze:
1 5 1 5
− −
𝑛𝑚 𝑃𝑚2 𝐻𝑚4 = 𝑛𝑝 𝑃𝑝2 𝐻𝑝 4

321
Inoltre il numero di giri specifico è un utile strumento per individuare il campo di
funzionamento ottimale (con elevati rendimenti: triangoli di velocità ottimizzati,
massimo rendimento di palettatura, velocità di uscita parallele all’asse, …) di una
macchina, e quindi per guidare la scelta del tipo di macchina in funzione delle
condizioni di progetto. Analizzando gli impianti realizzati, si può ricavare una precisa
correlazione tra il numero di giri specifico 𝑛𝑠 , il tipo di macchina (ognuna di queste
macchine avrà una propria condizione di funzionamento ottimale in termini di portata,
giri e salto), il tipo di flusso e il grado di reazione 𝑅:

Figura 272

Evidentemente lo schema riportato si riferisce al numero di giri specifico che


corrisponde al funzionamento ottimale (chiaramente la macchina può lavorare anche
in condizioni differenti, ma con rendimenti minori).
Si ricordi che nelle turbine Pelton tutto il salto tra energia potenziale ed energia
cinetica è effettuata nello statore (il rotore converte solamente l’energia cinetica in
energia meccanica: 𝑅 = 0). Nelle turbine Francis invece c’è un grado di reazione
intermedio, fino ad arrivare alle turbine Kaplan in cui una buona parte della
conversione di energia potenziale in energia cinetica viene effettuata nel rotore.
La sussistenza di questa relazione fornisce un criterio di scelta e di progettazione di
una certa tipologia di macchina; note le caratteristiche di un determinato sito, in
termini di portata e salto, si hanno gli strumenti per scegliere il tipo di turbina più
adatto (ipotizzato che sia il numero di giri: le turbine idrauliche sono in genere
accoppiate a un generatore elettrico, il quale normalmente produce corrente
alternata a 50 𝐻𝑧, che gira tipicamente a una velocità di 3000 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛 o a
1500 𝑔𝑖𝑟𝑖/𝑚𝑖𝑛). Quindi conoscendo la portata, il salto e il numero di giri è possibile
calcolare il numero di giri specifico, vedere dove si colloca sulla scala riportata sopra,
e andare a scegliere il tipo di turbina più adatto. È chiaro che è anche possibile
giocare sul frazionamento della portata tra più turbine (il salto normalmente rimane
quello che è) e quindi si ha un ulteriore parametro sulla base del quale andare a
scegliere la tipologia di macchina più adatta (questo è uno dei criteri di progettazione
più utilizzati).
Un’altra importante applicazione della similitudine riguarda la definizione dei
parametri corretti (o ridotti) per lo studio delle curve caratteristiche delle
322
turbomacchine termiche (turbine e compressori: macchine operatrici a flusso
comprimibile). L’esigenza in questo caso è quella di aumentare la generalizzabilità
delle curve caratteristiche, rendendone il tracciamento indipendente (almeno in prima
approssimazione) dalle condizioni esterne (per esempio pressione e temperatura di
aspirazione per un compressore). Un importante vantaggio è quello di ridurre il
numero di rilievi sperimentali e di rappresentazioni grafiche necessari a
caratterizzare la macchina. In effetti andando a cercare delle curve caratteristiche di
compressori (o turbine), sulle ascisse e sulle ordinate del grafico di tali curve non si
trovano semplicemente le variabili quali portata e rapporto di compressione, ma c’è
un qualcosa di più complesso: ciò è dovuto proprio a quanto detto.
Le curve caratteristiche di un compressore sono tracciate in laboratorio
(sperimentalmente): si mette un compressore a funzionare a diversi valori della
portata, andando a regolare il circuito esterno (regolando cioè una valvola) e si
riportano i punti di funzionamento su un piano cartesiano, ottenendo dunque una
curva caratteristica (caratteristica interna del compressore). Quando si effettuano
queste prove sperimentali, esse vengono fatte ovviamente in certe condizioni
ambientali (pressione e temperatura); in generale le prove dovrebbero essere
effettuate per un dato fluido e per assegnate condizioni di riferimento all’aspirazione
(alcuni laboratori sono dotati di sistemi di termostatazione per poter effettuare le
prove sempre nelle stesse condizioni di temperatura); se la macchina opera con
condizioni all’aspirazione diverse da quelle di riferimento, a