Return to search

Modelo para a predição da proporção dos combustíveis que alimentam um motor de três cilindros em um veículo compacto

Submitted by Paulo Silva (p.esteves06@gmail.com) on 2018-10-03T15:39:40Z
No. of bitstreams: 1
Dissertação Paulo Esteves - Versão final corrigida.pdf: 7722568 bytes, checksum: 6a50645639458024d5397cd5bdc9fa38 (MD5) / Approved for entry into archive by Escola Politécnica Biblioteca (biengproc@ufba.br) on 2018-10-05T10:51:04Z (GMT) No. of bitstreams: 1
Dissertação Paulo Esteves - Versão final corrigida.pdf: 7722568 bytes, checksum: 6a50645639458024d5397cd5bdc9fa38 (MD5) / Made available in DSpace on 2018-10-05T10:51:04Z (GMT). No. of bitstreams: 1
Dissertação Paulo Esteves - Versão final corrigida.pdf: 7722568 bytes, checksum: 6a50645639458024d5397cd5bdc9fa38 (MD5) / FAPESB / Com a busca da eficiência energética nos veículos automotivos, levando-se em conta a necessidade de minimizar o impacto ambiental decorrente do uso desses veículos, os recentes esforços para melhorar os sistemas de controle da queima do combustível tornaram-se uma estratégia de destaque no mercado automotivo. O objetivo deste trabalho é o desenvolvimento de modelos para realização da predição da proporção de etanol presente em uma mistura de combustíveis utilizada em um veículo flex equipado com um motor de três cilindros. Os modelos são desenvolvidos com a utilização das informações de variáveis provenientes de medições realizadas pelo sistema de controle de um motor de três cilindros e por um acelerômetro tridimensional acoplado ao motor. É descrita a metodologia experimental aplicada para a aquisição dos sinais provenientes da operação de um motor de três cilindros, instalado em um veículo de passeio. Os sinais adquiridos foram tratados e utilizados em modelos baseados em estruturas de Regressão Linear Múltipla e Redes Neurais Artificiais para a predição da proporção em volume de etanol da mistura de combustíveis utilizada. Os modelos se mostraram eficientes na predição da proporção de etanol no combustível utilizado pelo motor, apresentando uma melhor aproximação entre os valores preditos e os valores reais quando comparados com os dados fornecidos pelo sistema de controle do motor. / With the pursuit of energy efficiency in automotive vehicles, taking into account the need to minimize the environmental impact of the use of these vehicles, recent efforts to improve fuel combustion control systems have become a prominent strategy in the automotive industry. The aim of this work is the development of models for prediction of the proportion of ethanol present in a fuel blend used in a flex vehicle equipped with a three-cylinder engine. The models are developed with the use of the information based on measurements made by the control system of a three-cylinder engine and a threedimensional accelerometer coupled to the engine. The experimental methodology applied for the signal acquisition from the operation of a three-cylinder engine, installed in a passenger vehicle, is described. The acquired signals were treated and used in models based on Multiple Linear Regression and Artificial Neural Networks for the prediction of the ethanol volume ratio on the fuel blend. The models proved to be efficient in predicting the proportion of ethanol in the fuel blend, presenting a better approximation between the predicted values and the actual values when compared with the data provided by the engine control system.

Identiferoai:union.ndltd.org:IBICT/oai:192.168.11:11:ri/27625
Date30 August 2018
CreatorsSilva, Paulo Esteves de Almeida
ContributorsMagalhães, Robson da Silva, Câmara, Julio Cesar Chaves, Martins, Marcio André Fernandes
PublisherEscola Politécnica, Universidade Federal da Bahia, em Engenharia Industrial, UFBA, brasil
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFBA, instname:Universidade Federal da Bahia, instacron:UFBA
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0042 seconds