2. Maestría
Permanent URI for this communityhttp://98.81.228.127/handle/20.500.12404/2
Tesis de la Escuela de Posgrado
Browse
2 results
Search Results
Item Estimación del consumo de combustible y emisiones de co2 de un motor a gasolina de 130 hp mediante técnicas de Machine Learning(Pontificia Universidad Católica del Perú, 2024-07-16) Huancapaza Machuca, José; Cuisano Egúsquiza, Julio CésarEn el presente trabajo se estima el consumo de gasolina y las emisiones de CO2 en un motor vehicular de 130 HP, instalado en un banco de pruebas, usando técnicas de aprendizaje automático (Machine Learning). Para obtener datos de los parámetros de funcionamiento del motor, se realizaron pruebas en condiciones estacionarias de carga (torque) y régimen de giro del cigüeñal; se registraron las lecturas de sensores originalmente instalados en el motor, mediante un scanner conectado al puerto OBD2 del módulo de control electrónico del motor. Además, se instalaron equipos de laboratorio para registrar otras variables necesarias para el estudio. Con los datos disponibles, se utilizaron tres técnicas de Machine Learning: Regresión Múltiple, Máquina de Soporte Vectorial y Redes Neuronales. En la aplicación de los modelos se utilizaron datos en grupos, separados de la siguiente forma: 90% para el desarrollo de los modelos y 10 % para la prueba de los modelos. Adicionalmente, para los modelos de Máquina de Soporte Vectorial y de Redes Neuronales se realizó otra partición de los datos: 75% para entrenamiento, 15% para validación, y 15% para el test. Durante el proceso se evaluaron los datos sin estandarización y, posteriormente, estandarizados en el rango de 0 a 1; este último paso buscó asegurar la convergencia del modelo. Las variables estudiadas fueron las siguientes: i) 5 predictoras o variables independientes (presión absoluta en el colector de admisión, temperatura del aire en el colector de admisión, régimen de giro, flujo másico de aire de v admisión al motor y el torque efectivo); ii) 2 variables objetivo o dependientes (emisiones de CO2 y consumo de gasolina). Los resultados del presente trabajo de tesis muestran que el mejor método, y con menos intervención, es el de Redes Neuronales. Para la estimación del flujo másico instantáneo del CO2 se obtuvo un error máximo de 7.85%, siendo que el error obtenido para el 75% de los resultados corresponde a 0.10%. Para la estimación del consumo másico de gasolina, se obtuvo un error máximo de 9.72%, pero, en este caso, el 75% de los resultados tienen un error de 0.67%.Item Propuesta metodológica para el cálculo de factores de emisión para vehículos livianos a gasolina circulando en Lima Metropolitana(Pontificia Universidad Católica del Perú, 2022-05-12) Mendoza Nuñez, Juan Diego; Cuisano Egúsquiza, Julio CésarEl trabajo de tesis desarrolla una propuesta de representación del problema de contaminación que se genera por las emisiones provenientes del sistema de transporte. Dado que el Perú ya cuenta con leyes y ministerios que ayudan a promover mejoras para la reducción de contaminantes, pero aún se encuentra distante a las metas propuestas ante las confederaciones de países y organismos internacionales, la finalidad de esta tesis es proponer una metodología para la estimación de factores de emisión de contaminantes en vehículos ligeros mediante equipos a bordo en condiciones de manejo real y que mediante mediciones y estimaciones, pueda ser aplicable en cualquier ciudad del país que cuenten con vehículos accionados por combustibles. El trabajo comprende el desarrollo y análisis experimental de mediciones a bordo en conducción real, aplicado para vehículos ligeros a gasolina característicos de Lima Metropolitana. Se consideró factores exógenos como son el estilo de manejo, las condiciones de tránsito vehicular, la modernidad de las unidades, entre otros, para obtener un análisis de emisión global y de manejo dinámico. Como conclusión en Lima Metropolitana, las emisiones de los vehículos ligeros a través de la propuesta metodológica pueden ser representadas con buena precisión, mediante una función de curva respecto a su velocidad media y estilo de conducción. Las mayores cantidades de contaminantes se generan en velocidades menores a 20 km/h y con el estilo de conducción agresivo se puede generar aumentos de hasta 200% en promedio respecto a un estilo de conducción suave.