[en] ASSESSEMENT OF MODELS BASED ON ARTIFICIAL NEURAL NETWORKS FOR PERFORMANCE ANALYSIS OF ENGINES AND GENERATORS

• Ano de defesa: 2022
• Autor(a) principal: NAIARA RINCO DE MARQUES E CARMO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] APRENDIZADO DE MAQUINA; [pt] MISTURAS DIESEL-BIODIESEL-ETANOL; [pt] BIOCOMBUSTIVEL; [pt] MOTORES DE COMBUSTAO INTERNA; [pt] GAS NATURAL; [en] MACHINE LEARNING; [en] DIESEL-BIODIESEL-ETHANOL MIXTURES; [en] BIOFUEL; [en] INTERNAL COMBUSTION ENGINE; [en] NATURAL GAS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60087&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60087&idi=2; http://doi.org/10.17771/PUCRio.acad.60087

[pt] Diante da crise ambiental dos dias atuais, desenvolver tecnologias de menor impacto negativo e promover ações de eficiência energética tornam-se imprescindíveis para conciliar produtividade e redução de emissões. Neste contexto, aprofundar-se no estudo de motores de combustão interna modelando seu funcionamento se apresenta como uma ferramenta bastante interessante, seja por ensaios em bancada ou modelagens. O presente trabalho buscou desenvolver modelos usando diferentes arquiteturas de Redes Neurais Artificiais (RNAs) para obter parâmetros de performance de Motores de Combustão Interna movidos a gás natural e a misturas de diesel – biodiesel – etanol. Para o primeiro caso, foram coletados dados de 5 motores visando a avaliação da eficiência térmica, consumo específico, temperatura de exaustão, e para o segundo a base de dados contempla um motor, sobre o qual foram avaliados, em acréscimo aos parâmetros mencionados, os coeficientes de compressão e expansão da politrópica, o consumo específico de etanol, a taxa máxima de liberação de calor e a pressão máxima. Para as redes que apresentaram melhores resultados, foram construídas superfícies de resposta a fim de analisar os modelos sobre a perspectiva do fenômeno que representam. Foi possível obter modelos com boa representatividade dos parâmetros mencionados (obtendo valores de R2 acima de 70 por cento para dados de treino e teste), exceto para os dois coeficientes da politrópica. Neste caso, embora os erros fossem relativamente satisfatórios, as superfícies de resposta atingiram extremos que não condizem com a teoria relacionada. Por outro lado, foi possível construir um modelo para a eficiência térmica a partir do consumo e abertura da válvula, com R2 de 99 por cento para treino e teste. Isto se explica pelo fato de que a primeira variável de entrada é parte da equação que calcula o parâmetro em questão, e a segunda está ligada à relação ar-combustível da mistura.