Predicción de emisiones de CO y HC en motores Otto mediante redes neuronales

Abstract

En el presente trabajo se explica la aplicacion de RNA (redes neuronales artificiales) para la prediccion de emisiones contaminantes generadas por fallas mecanicas en motores de encendido provocado, de la cual se puede cuantificar el porcentaje de CO (% monoxido de carbono) y el particulado por millon HC (ppm hidrocarburos sin quemar), a traves del estudio de la fase de admision del ciclo Otto, la cual es registrada por medio de la implementacion fisica de un sensor MAP (Manifold Absolute Pressure). Se aplica un riguroso protocolo de muestreo y consecuente analisis estadistico. La seleccion y reduccion de atributos de la senal del sensor MAP se realiza en funcion del mayor aporte de informacion y diferencia significativa con la aplicacion de tres metodos estadisticos (ANOVA, matriz de correlacion 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 clasificacion de 5.4061e-9 y de 9.7587e-5 para la red neuronal de CO y HC respectivamente.