Anàlisi d'un sistema de combustió alimentat amb combustibles sostenibles (e-fuels) usant xarxes neuronals

[ES] Los procesos físico-químicos que ocurren en la cámara de combustión de sistemas de propulsión actuales se caracterizan por ser complejos y no-lineales. En general, la predicción de estos procesos se realiza a partir de modelos de dinámica de fluido computacional (CFD), los cuales son modelos que han sido altamente desarrollados, pero son costosos. En este trabajo se propone una metodología alternativa para predecir parámetros relevantes del proceso de combustión, como son las emisiones contaminantes y el rendimiento. La metodología consiste en implementar técnicas de redes neuronales (Machine Learning - ML), que permitan reproducir el comportamiento no lineal de las variables de estudio, y que proporcionen resultados en un tiempo razonable de cálculo. Los parámetros que definen el sistema de combustión y que se varían durante el estudio son 5: número de orificios del inyector, ángulo del chorro, presión de inyección de combustible, número de swirl y tasa de EGR. Posteriormente, utilizando el modelo simulado, se propone reducir las emisiones contaminantes NOx y aumentar el rendimiento térmico del motor[EN] The physical-chemical processes that occur in the combustion chamber of current propulsion systems are characterized by being complex and non-linear. In general, the prediction of these processes is made from Computational Fluid Dynamics (CFD) models, which have been highly developed, but are expensive. In this work, an alternative methodology is proposed to predict relevant parameters of the combustion process, such as pollutant emissions and efficiency. The methodology consists of implementing neural network techniques (Machine Learning - ML), which allow reproducing the non-linear behavior of the studied variables providing results in a reasonable calculation time. The parameters that define the combustion system and vary during the study are five: number of injector holes, jet angle, fuel injection pressure, swirl number and EGR rate. Subsequently, using the simulated model, it is proposed to reduce NOx pollutant emissions and increase the efficiency of the engine[CA] Els processos físic-químics que ocorren en la cambra de combustió de sistemes de propulsió actuals es caracteritzen per ser complexos i no-lineals. En general, la predicció d'aquests processos es realitza a partir de models de dinàmica de fluid computacional (CFD), els quals són models que han sigut altament desenvolupats, però són costosos. En aquest treball es proposa una metodologia alternativa per a predir paràmetres rellevants del procés de combustió, com són les emissions contaminants i el rendiment. La metodologia consisteix a implementar tècniques de xarxes neuronals (Machine Learning - ML), que permeten reproduir el comportament no lineal de les variables d'estudi, i que proporcionen resultats en un temps raonable de càlcul. Els paràmetres que defineixen el sistema de combustió i que es varien durant l'estudi són 5: nombre d'orificis de l'injector, angle del doll, pressió d'injecció de combustible, número de swirl i taxa de EGR. Posteriorment, utilitzant el model simulat, es proposa reduir les emissions contaminants NOx i augmentar el rendiment tèrmic del motorCarrabs Gonçalves, LA. (2022). Análisis de un sistema de combustión alimentado con combustibles sostenibles (e-fuels) usando redes neuronales. Universitat Politècnica de València. http://hdl.handle.net/10251/18420