SciELO - Scientific Electronic Library Online

 
 número23Análisis del comportamiento de las emisiones de CO2, CO y del factor lambda de un vehículo con sistema de inyección convencional con catalizador y sin catalizadorEfecto de la composición química del baño en la microestructura y resistencia a la corrosión de los recubrimientos de zinc por inmersión en caliente: una revisión índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Ingenius. Revista de Ciencia y Tecnología

versão On-line ISSN 1390-860Xversão impressa ISSN 1390-650X

Resumo

CONTRERAS URGILES, Wilmer Rafael; LEON JAPA, Rogelio Santiago  e  MALDONADO ORTEGA, José Luis. Predicción de emisiones de co y hc en motores otto mediante redes neuronales. Ingenius [online]. 2020, n.23, pp.30-39. ISSN 1390-860X.

En el presente trabajo se explica la aplicación de RNA (redes neuronales artificiales) para la predicción de emisiones contaminantes generadas por fallas mecánicas en motores de encendido provocado, de la cual se puede cuantificar el porcentaje de CO (% monóxido de carbono) y el particulado por millón HC (ppm hidrocarburos sin quemar), a través del estudio de la fase de admisión del ciclo Otto, la cual es registrada por medio de la implementación física de un sensor MAP (Manifold Absolute Pressure). Se aplica un riguroso protocolo de muestreo y consecuente análisis estadístico. La selección y reducción de atributos de la señal del sensor MAP se realiza en función del mayor aporte de información y diferencia significativa con la aplicación de tres métodos estadísticos (ANOVA, matriz de correlación y Random Forest), de la cual se obtiene una base de datos que permite el entrenamiento de dos redes neuronales feed-forward backpropagation, con las cuales se obtiene un error de clasificación de 5.4061e−9 y de 9.7587e−5 para la red neuronal de CO y HC respectivamente.

Palavras-chave : predicción; emisiones contaminantes; monóxido de carbono (CO); hidrocarburos no combustionados (HC); diagnóstico; redes neuronales artificiales.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )