Please use this identifier to cite or link to this item: https://repositorio.ufba.br/handle/ri/27625
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMagalhães, Robson da Silva-
dc.contributor.authorSilva, Paulo Esteves de Almeida-
dc.creatorSilva, Paulo Esteves de Almeida-
dc.date.accessioned2018-10-05T10:51:04Z-
dc.date.available2018-10-05T10:51:04Z-
dc.date.issued2018-10-05-
dc.date.submitted2018-08-30-
dc.identifier.issnDissertação-
dc.identifier.urihttp://repositorio.ufba.br/ri/handle/ri/27625-
dc.description.abstractCom 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.pt_BR
dc.description.abstractWith 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.pt_BR
dc.description.sponsorshipFAPESBpt_BR
dc.language.isopt_BRpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectVibraçõespt_BR
dc.subjectMotor de combustãopt_BR
dc.subjectCombustívelpt_BR
dc.subjectRedes Neurais Artificiaispt_BR
dc.titleModelo para a predição da proporção dos combustíveis que alimentam um motor de três cilindros em um veículo compactopt_BR
dc.typeDissertaçãopt_BR
dc.contributor.refereesCâmara, Julio Cesar Chaves-
dc.contributor.refereesMartins, Marcio André Fernandes-
dc.publisher.departamentEscola Politécnica, Universidade Federal da Bahiapt_BR
dc.publisher.programem Engenharia Industrialpt_BR
dc.publisher.initialsUFBApt_BR
dc.publisher.countrybrasilpt_BR
dc.subject.cnpqEngenharias IIIpt_BR
Appears in Collections:Dissertação (PEI)

Files in This Item:
File Description SizeFormat 
Dissertação Paulo Esteves - Versão final corrigida.pdf7,54 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.