Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Santos, Max Mauro Dias | - |
Autor(es): dc.contributor | Gonçalves, Cristhiane | - |
Autor(es): dc.contributor | Côrrea, Fernanda Cristina | - |
Autor(es): dc.contributor | Santos, Max Mauro Dias | - |
Autor(es): dc.creator | Tosso, Hilkija Gaius | - |
Data de aceite: dc.date.accessioned | 2022-02-21T22:25:55Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T22:25:55Z | - |
Data de envio: dc.date.issued | 2021-09-17 | - |
Data de envio: dc.date.issued | 2021-09-17 | - |
Data de envio: dc.date.issued | 2020-12-10 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/26031 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/674974 | - |
Descrição: dc.description | The design, build and test of spark ignition engine has an important stage to be carry out on the test stands which allows to test performance, efficiency, components and calibration in the workflow of the engine development cycle. There are a certain level of variables to be measured and calibrated that increase the complexity of tasks to do, demanding for a high time and costs on bench testing. The virtual modeling of this complexity thermal machine might be done using the artificial neural network through instrumentation for acquire several physical variables and then evaluation several possible architectures. Basically, we capture a dataset that we presented to our network. Therefore, we developed a process that allows we identify and model the engine and put on in a virtual model based on ANN. However, there are a bunch of possible architectures available and through a genetic algorithm for optimization we can set up the best ANN architecture for that specific engine to be modeled. Our method can reduce the time and costs in bench testing taken to virtual environment and consequently reducing the time of development and time to market. Finally, we proof the efficiency of our approach in the experimental results of a specific project. | - |
Descrição: dc.description | Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná | - |
Descrição: dc.description | No presente trabalho, foi desenvolvido uma ferramenta de simulação numérica executável para modelar virtualmente alguns parâmetros de motores de combustão interna do ciclo Otto usando Redes Neurais Artificiais afim de auxiliar nos processos de calibração motor. Durante o processo de calibração existe uma certa quantidade de parâmetros a serem medidas e calibradas. O aumento desses parâmetros nos últimos anos tem aumentado a complexidade das tarefas a serem executadas, exigindo muito tempo e custos durante os testes com motor em bancada. A modelagem virtual do motor a combustão interna pode ser feita utilizando as técnicas de rede neural artificial por meio de alguns dados físicos sobre o motor e posteriormente podem ser usados durante o processo de calibração para avaliar os desempenhos dos motor em um espaço multi-dimensional sem necessidade testes adicionais. Para isso, foi proposto no presente trabalho uma metodologia que permite criar um modelo virtual do motor baseado em RNA. No entanto, existem várias arquiteturas possíveis de uma RNA e por isso, foi implementado um algoritmo genético para otimização da arquitetura da RNA, para que seja então possível configurar a melhor arquitetura de RNA para aquele motor específico a ser modelado. O método pode reduzir o tempo e custos em testes de bancada e, consequentemente, reduzir o tempo de desenvolvimento de calibração motor. Por fim, comprovamos a eficiência de nossa abordagem nos resultados experimentais de um projeto específico. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Eletrônica | - |
Publicador: dc.publisher | Engenharia Eletrônica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Motores de combustão interna | - |
Palavras-chave: dc.subject | Simulação (Computadores) | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Internal combustion engines | - |
Palavras-chave: dc.subject | Computer simulation | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Título: dc.title | Desenvolvimento de uma ferramenta para modelagem virtual de um motor de combustão interna ciclo Otto usando redes neurais | - |
Título: dc.title | Developement of a tool for virtual modeling of an internal combustion engine Otto cycle using artificial neural networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: