Pbkp_rediction of CO and HC emissions in Otto motors through neural networks Pbkp_redicción de emisiones de CO y HC en motores Otto mediante redes neuronales

Abstract:

Abstract Resumen This paper explains the application of artificial neural networks (ANN) for the pbkp_rediction of pollutant emissions generated by mechanical failures in ignition engines, from which the percentage of CO (% carbon monoxide) and the particulate in parts per millions of HC (ppm of unburned hydrocarbons) can be quantified, through the study of the Otto cycle intake phase, which is recorded through the physical implementation of a Manifold Absolute Pressure (MAP) sensor. A rigorous protocol of sampling and further statistical analysis is applied. The selection and reduction of attributes of the MAP sensor signal is made based on the greater contribution of information and significant difference with the application of three statistical methods (ANOVA, correlation matrix and Random Forest), from which a database that enables training two backpropagation feedforward neural networks, with which a classification error of 5.4061 e− 09 and 9.7587 e− 05 for CO and HC, respectively, can be obtained. En el presente trabajo se explica la aplicación de RNA (redes neuronales artificiales) para la pbkp_redicción de emisiones contaminantes generadas por fallas mecánicas en motores de encendido provocado, de la cual se puede cuantificar el porcentaje de CO (% monóxido de carbono) y el particulado por millón HC (ppm hidrocarburos sin quemar), a través del estudio de la fase de admisión del ciclo Otto, la cual es registrada por medio de la implementación física de un sensor MAP (Manifold Absolute Pressure). Se aplica un riguroso protocolo de muestreo y consecuente análisis estadístico. La selección y reducción de atributos de la señal del …

Año de publicación:

Keywords:

Fuente:

google