[en] OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
[pt] O objetivo deste trabalho é predizer e otimizar o desempenho de motores funcionando no modo bicombustível, diesel-gás natural, fazendo uso da inteligência artificial. Pretende-se determinar a taxa de substituição ótima do combustível original diesel pelo gás natural que minimize custos de opera...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2009 |
| País: | Brasil |
| Institución: | Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
| Repositorio: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
| Idioma: | portugués |
| OAI Identifier: | oai:MAXWELL.puc-rio.br:14548 |
| Acceso en línea: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548&idi=2 http://doi.org/10.17771/PUCRio.acad.14548 |
| Access Level: | acceso abierto |
| Palabra clave: | [pt] REDE NEURAL [pt] MOTOR DIESEL [pt] INTELIGENCIA ARTIFICIAL [pt] GAS NATURAL [en] NEURAL NETWORKS [en] DIESEL ENGINE [en] ARTIFICIAL INTELLIGENCE [en] NATURAL GAS |
| Sumario: | [pt] O objetivo deste trabalho é predizer e otimizar o desempenho de motores funcionando no modo bicombustível, diesel-gás natural, fazendo uso da inteligência artificial. Pretende-se determinar a taxa de substituição ótima do combustível original diesel pelo gás natural que minimize custos de operação (combustíveis) e emissões de poluentes, tais como: monóxido de carbono, CO, hidrocarbonetos, HC, e óxidos de nitrogênio, NOx, priorizando-se também a eficiência térmica. Os dados analisados foram obtidos de testes anteriormente realizados. O procedimento envolve treinamento, validação e teste (utilizando redes neurais). Com os dados analisados foram treinadas diferentes redes neurais 06 para a aprendizagem e predição, as quais vão prever mapas de novos valores baseando-se nos dados experimentais já apreendidos. Finalmente, e continuando com o processo de otimização (técnica de Algoritmos Genéticos), é determinada a melhor taxa de substituição de diesel-gás natural, com as menores taxas de emissões dentro dos mapas gerados. Os resultados indicam uma boa concordância entre os dados experimentais e os previstos pela rede neural. O processo de otimização utilizado determina os pontos de trabalho adequados para cada caso analisado. |
|---|