Please use this identifier to cite or link to this item: http://dspace.ups.edu.ec/handle/123456789/15110
Title: Determinación de la presión máxima de compresión de un motor de encendido provocado basado en una red neuronal artificial recurrente
Authors: Contreras, Wilmer
Arichávala, Mauricio
Jérez, Cristian
Keywords: diagnóstico; diagnosis
presión de compresión; compression pressure
RNAR; RANN
MEP; EPI
red Elman; Elman Network
capa recurrente; Layer Appellant
Issue Date: Jan-2018
Abstract: 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.// In the present research the explanation of the applied methodology for the determination of the maximum pressure of compression of an engine of alternative internal combustion of provoked ignition (EPI), that is based on a study that starts from the characterization of the curves of the amperage rating of the starter motor. A protocol for data acquisition and subsequent statistical analysis is applied. The statistical values of the signal as energy, average, standard deviation, variance, kurtosis, asymmetry, maximum, minimum and crest factor are selected in function of the greater contribution of information for the characterization of the experiment; these values generate databases that are applied for the creation and training of a recurrent artificial neural network (RANN) in which an absolute error of less than 2% is obtained. In the first instance, the test methodology is applied in an engine assembled in a didactic bank and then the application of the method is applied in vehicles.
URI: http://dspace.ups.edu.ec/handle/123456789/15110
Appears in Collections:Volumen No. 19

Files in This Item:
File Description SizeFormat 
ings_v19_Contreras_Arichávala_Jérez.pdf5.09 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons