Modelagem de componentes do sistema de arrefecimento de motores a combustão baseada em máquina de vetores de suporte

Orientador: Prof. Dr. Leandro dos Santos CoelhoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 12/12/2018Inclui referências: p.101-104Área de concentração: Sistemas EletrônicosResumo: A área de desenvolvimento de veículos automotivos teve ganhos com a introdução dos motores eletrônicos. A indústria automotiva tem que lidar com limites, desafiadores de operação dos motores a combustão. Limites impostos pela legislação de controle de emissões de poluentes na atmosfera, além de uma demanda crescente por economia de combustível imposta pelos dos usuários de caminhões com motores Diesel. Consequentemente a indústria tem buscado soluções que consigam aliar estas duas condições para poder vender veículos. O sistema de arrefecimento é fundamental para que um motor a combustão funcione, uma vez que a temperatura de operação do motor está diretamente ligada à queima de combustível, este possui um comportamento de controle complexo apesar do mesmo ser gerenciado eletronicamente. Nesse contexto, essa dissertação propôs-se a obter um modelo para a rotação do ventilador e para a temperatura do fluido do sistema de arrefecimento com o auxílio de métodos de Aprendizado de máquina, a partir de dados reais de medições realizadas em caminhão. Entre os algoritmos de Aprendizado de máquina avaliados estão as redes neurais artificiais, do tipo perceptron multicamadas, que se caracterizam por serem modelos caixa-preta para modelagem não-linear. Outra técnica de Aprendizado de máquina adotada foi a máquina de vetores de suporte para regressão e sua variação aplicada com o método dos mínimos quadrados por batelada com inferência estatística, fundamentada na teoria do aprendizado estatístico. O objetivo de tais técnicas é maximizar a capacidade de generalização em problemas de regressão. Os resultados obtidos, para a modelagem dos dois componentes do sistema de arrefecimento, mostraram que a máquina de vetores de suporte para regressão (regressão por vetores de suporte), quando utilizada em combinação com modelo linear estimado pelo algoritmo de mínimos quadrados em batelada com inferência estatística, obteve um desempenho superior ao das redes neurais perceptron multicamadas e também da máquina de vetores de suporte para regressão aplicada de forma isolada (sem a combinação com o modelo linear). Os modelos apresentaram desempenho acima de 80% para o sinal de rotação e acima de 60% para o modelo da temperatura, indicando que muito ainda pode ser realizado para a obtenção de modelos robustos e úteis para a indústria automotiva. Palavras-chave: Motor a combustão; Ventilador; Sistema de arrefecimento; Máquina de vetores de suporte; Rede neural perceptron multicamadas; Regressão não-linear.Abstract: The automotive vehicle development area had gained with the introduction of the electronic to engines. The automotive industry has to deal with challenging limits for the combustion engine operation, due to the legislation that controls the pollutant emission from those engines to the atmosphere and also due to a growing demand from the Diesel truck drivers for fuel economy. Therefore, the automotive industry has been searched for solutions which could solve both constrains in order to be able to sell vehicles. The cooling system is fundamental for the proper engine operation, once the engine operating temperature is directly linked to the fuel burning. That system has a complex control behavior besides being electronic managed. In this context. this dissertation aimed by means of the Machine learning algorithms, employing real data from measurements done in the truck, to estimate the fan speed and also the coolant temperature from that system. Among the assessed algorithms, are the perceptron multilayer artificial neural network, which are classified as black-box models for nonlinear modeling. Another employed Machine learning technique was the support vector machine applied to regression and its variation with least squares method in batch processing and statistical inference, this one grounded on the statistical learning theory. Machine learning algorithms aim is to maximize the generalization capacity within regression problems. The achieved results, for modeling the two cooling system components, showed that support vector machine applied to regression (regression by means of support vectors), when working with combination to the batch least squares method for linear model generation in batch processing and statistical inference, has achieved the higher performance than the perceptron multilayer artificial neural networks and also than the support vector machine applied to regression when isolated applied (without combination with the linear model). The models showed performance superior to 80% for the fan speed and 60% superior the cooling temperature model, these results indicate that much more could be performed to obtain robust and useful models to the automotive industry. Key-words: Combustion engine; Fan; Cooling system; Support Vector Machine; Multilayer perceptron neural network; Non-linear regression