Determinación de la presión máxima de compresión de un MEP basado en una RNAR

##plugins.themes.bootstrap3.article.main##

Wilmer Rafael Contreras Urgiles http://orcid.org/0000-0003-2300-9457
Mauricio Arichávala http://orcid.org/0000-0002-3111-7848
Cristian Jérez http://orcid.org/0000-0003-1474-5014

Keywords

diagnóstico, presión de compresión, RNAR, MEP, red Elman, capa recurrente.

Resumen

En la presente investigación se realiza la explicación de la metodología aplicada a la determinación de la presión máxima de compresión de un motor de combustión interna alternativo de encendido provocado (MEP), el cual se basa en un estudio que parte de la caracterización de las curvas del consumo de amperaje del motor de arranque. Se aplica un protocolo de adquisición de datos y su posterior análisis estadístico. Los valores estadísticos de la señal como energía, promedio, desviación estándar, varianza, kurtosis, asimetría, máximo, mínimo y factor de cresta son seleccionados en función al mayor aporte de información para la caracterización del experimento; estos valores generan bases de datos las cuales son aplicadas para la creación y entrenamiento de una red neuronal artificial recurrente (RNAR) en la cual se obtiene un error absoluto menor al 2 \%. En una primera instancia se aplica la metodología de pruebas en un motor ensamblado en un banco didáctico y luego se procede a la aplicación del método en motores aplicados en vehículos.
Abstract 153 | PDF Downloads 4526 HTML Downloads 405 Programacion Downloads 49 Software para Red Neuronal Downloads 51 Manuscrito en word Downloads 130 PDF (English) Downloads 150

Citas

[1] Covarrubias, R. F., & Covarrubias, A. G. F. (2013). Desarrollo de un sistema experto para el diagnóstico de fallas automotrices.
[2] Criollo Jadán, O. R., & Matute Bravo, H. M. (2014). Diagnóstico de fallos en la combustión para motores de combustión interna alternativos diésel por análisis de vibraciones.
[3] García Pamplona, J. (2007). Diseño de una sala de pruebas para motores alternativos de combustión interna.
[4] Fajardo Merchán, J. E., Urgilés, C., & Rafael, W. (2015). Diseño y construcción de un sistema prototipo para determinar la cilindrada total de un motor ciclo Otto por un método no invasivo mediante Labview (Doctoral dissertation, Quito, 2015.).
[5] Giarratano Joseph, Riley Garry, “Sistemas expertos, principios y programación”. Cuarta edición, International (Thomson Ed.). (2004), pp. 1-18. México.
[6] Khajavi, M. N., Nasiri, S., & Eslami, A. (2014). 1469. Combined fault detection and classification of internal combustion engine using neural network. Journal of Vibroengineering, 16(8).