OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE

Detalhes bibliográficos
Autor(a) principal: MIGUEL ANGEL LEON MOZO
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@2
Resumo: 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.
id PUC_RIO-1_c43311013288ed1eba0d2c9cd82b7adf
oai_identifier_str oai:MAXWELL.puc-rio.br:14548
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisOPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE OTIMIZAÇÃO DA OPERAÇÃO DIESEL-GÁS EM MOTORES DE COMBUSTÃO INTERNA UTILIZANDO INTELIGÊNCIA ARTIFICIAL 2009-04-29SERGIO LEAL BRAGA42511755734lattes.cnpq.br/4168538689240017JUAN JOSE MILON GUZMANJUAN JOSE MILON GUZMANJUAN GUILLERMO LAZO LAZOSERGIO LEAL BRAGAMARCOS SEBASTIAO DE PAULA GOMESJOSE ALBERTO DOS REIS PARISEJUAN GUILLERMO LAZO LAZOMIGUEL ANGEL LEON MOZOPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA MECÂNICAPUC-RioBRO 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.The purpose of this study is to predict and optimize the internal combustion engine performance using diesel-natural gas fuel using the artificial intelligence. The ultimate goal is to determine the optimal substitution rate of natural gas to minimize the costs of operation and pollutants emissions such as carbon monoxide CO, hydrocarbons HC and nitrogen oxides NOx, considering the values of efficiency. The analyzed data are obtained from tests performed earlier. The procedure involves training, validation and test (using neural networks). Once these data were analyzed with different trained neural networks for learning and prediction, which are maps of the predicted values based on experimental data have been seized. Finally, and continuing with the process of optimization (technique of Genetic Algorithms), is given the best substitution rate of and lower emissions in the maps generated. The results indicate a good agreement between data and neural network, the process of optimization using certain items of work appropriate for each case analyzed.PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROCOORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIORhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T13:05:57Zoai:MAXWELL.puc-rio.br:14548Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342018-10-25T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.en.fl_str_mv OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
dc.title.alternative.pt.fl_str_mv OTIMIZAÇÃO DA OPERAÇÃO DIESEL-GÁS EM MOTORES DE COMBUSTÃO INTERNA UTILIZANDO INTELIGÊNCIA ARTIFICIAL
title OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
spellingShingle OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
MIGUEL ANGEL LEON MOZO
title_short OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
title_full OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
title_fullStr OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
title_full_unstemmed OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
title_sort OPTIMIZATION OF DUAL FUEL OPERATION IN INTERNAL COMBUSTION ENGINES USING ARTIFICIAL INTELLIGENCE
dc.creator.ID.none.fl_str_mv
dc.creator.Lattes.none.fl_str_mv
author MIGUEL ANGEL LEON MOZO
author_facet MIGUEL ANGEL LEON MOZO
author_role author
dc.contributor.advisor-co1ID.none.fl_str_mv
dc.contributor.advisor-co1Lattes.none.fl_str_mv
dc.contributor.advisor-co2ID.none.fl_str_mv
dc.contributor.advisor-co2Lattes.none.fl_str_mv
dc.contributor.advisor1.fl_str_mv SERGIO LEAL BRAGA
dc.contributor.advisor1ID.fl_str_mv 42511755734
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br/4168538689240017
dc.contributor.advisor-co1.fl_str_mv JUAN JOSE MILON GUZMAN
dc.contributor.advisor-co2.fl_str_mv JUAN JOSE MILON GUZMAN
dc.contributor.referee1.fl_str_mv JUAN GUILLERMO LAZO LAZO
dc.contributor.referee2.fl_str_mv SERGIO LEAL BRAGA
dc.contributor.referee3.fl_str_mv MARCOS SEBASTIAO DE PAULA GOMES
dc.contributor.referee4.fl_str_mv JOSE ALBERTO DOS REIS PARISE
dc.contributor.referee5.fl_str_mv JUAN GUILLERMO LAZO LAZO
dc.contributor.author.fl_str_mv MIGUEL ANGEL LEON MOZO
contributor_str_mv SERGIO LEAL BRAGA
JUAN JOSE MILON GUZMAN
JUAN JOSE MILON GUZMAN
JUAN GUILLERMO LAZO LAZO
SERGIO LEAL BRAGA
MARCOS SEBASTIAO DE PAULA GOMES
JOSE ALBERTO DOS REIS PARISE
JUAN GUILLERMO LAZO LAZO
description 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.
publishDate 2009
dc.date.issued.fl_str_mv 2009-04-29
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14548@2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM ENGENHARIA MECÂNICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1748324903459749888

Registros relacionados