You are on page 1of 284

UNIVERSIDAD POLITÉCNICA SALESIANA

SEDE CUENCA

CARRERA DE INGENIERÍA MECÁNICA AUTOMOTRIZ

Trabajo de titulación previo a la obtención

del título de Ingeniero Mecánico Automotriz

PROYECTO TÉCNICO:

“LEVANTAMIENTO DE UNA BASE DE DATOS DEL COMPORTAMIENTO DE LOS

PID’S EN RELACIÓN CON EMISIONES DE GASES CONTAMINANTES PARA

CUATRO VEHÍCULOS A GASOLINA CATEGORÍA M1 Y N1 CON CILINDRADA

SUPERIOR A 1600 CC EN LA CIUDAD DE CUENCA”

AUTORES:

Lenin Ufredo Apolo Toro

Hernán Patricio Ávila Ramón

TUTOR:

Ing. Néstor Diego Rivera Campoverde, M. Sc

CUENCA - ECUADOR

2019
CESIÓN DE DERECHOS DE AUTOR

Nosotros, Lenin Ufredo Apolo Toro con documento de identificación No 0706082393 y Ávila

Ramón Hernán Patricio con documento de identificación No 0106699549, manifestamos nuestra

voluntad y cedemos a la Universidad Politécnica Salesiana la titularidad sobre los derechos

patrimoniales en virtud de que somos autores del trabajo de titulación: “LEVANTAMIENTO DE

UNA BASE DE DATOS DEL COMPORTAMIENTO DE LOS PID’S EN RELACIÓN CON

EMISIONES DE GASES CONTAMINANTES PARA CUATRO VEHÍCULOS A GASOLINA

DE CATEGORÍA M1 Y N1 CON CILINDRADA SUPERIOR A 1600 CC EN LA CIUDAD

DE CUENCA”, mismo que ha sido desarrollado para optar por el título de: Ingeniero Mecánico

Automotriz, en la Universidad Politécnica Salesiana, quedando la Universidad facultada para

ejercer plenamente los derechos cedidos anteriormente.

En aplicación a lo denominado en la Ley de Propiedad Intelectual, en nuestra condición de

autores nos reservamos los derechos morales de la obra antes citada. En concordancia,

suscribimos este documento en el momento que hacemos entrega del trabajo final en formato

impreso y digital a la Biblioteca de la Universidad Politécnica Salesiana.

Cuenca, marzo del 2019

Lenin Ufredo Apolo Toro Hernán Patricio Ávila Ramón

C.I: 0706082393 C.I: 0106699549


I
CERTIFICACIÓN

Yo, Néstor Diego Rivera Campoverde, declaro que bajo mi tutoría fue desarrollado el trabajo

de titulación: “LEVANTAMIENTO DE UNA BASE DE DATOS DEL COMPORTAMIENTO

DE LOS PID’S EN RELACIÓN CON EMISIONES DE GASES CONTAMINANTES PARA

CUATRO VEHÍCULOS A GASOLINA DE CATEGORÍA M1 Y N1 CON CILINDRADA

SUPERIOR A 1600 CC EN LA CIUDAD DE CUENCA”, realizado por Lenin Ufredo Apolo

Toro y Hernán Patricio Ávila Ramón, obteniendo el Proyecto Técnico que cumple con todos los

requisitos estipulados por la Universidad Politécnica Salesiana.

Cuenca, marzo del 2019

Ing. Néstor Diego Rivera Campoverde, M. Sc

C.I. 0103898995

II
DECLARATORIA DE RESPONSABILIDAD

Nosotros, Lenin Ufredo Apolo Toro con número de cédula 0706082393 y Ávila Ramón

Hernán Patricio con número de cédula 0106699549, autores del trabajo de titulación:

“LEVANTAMIENTO DE UNA BASE DE DATOS DEL COMPORTAMIENTO DE LOS

PID’S EN RELACIÓN CON EMISIONES DE GASES CONTAMINANTES PARA CUATRO

VEHÍCULOS A GASOLINA DE CATEGORÍA M1 Y N1 CON CILINDRADA SUPERIOR A

1600 CC EN LA CIUDAD DE CUENCA”, certificamos que el total contenido del Proyecto

Técnico son de nuestra exclusiva responsabilidad y autoría.

Cuenca, marzo del 2019

Lenin Ufredo Apolo Toro Hernán Patricio Ávila Ramón

C.I: 0706082393 C.I: 0106699549

III
AGRADECIMIENTO

Primeramente, quiero agradecer a Dios y a la Virgencita por todas las bendiciones que he

recibido cada día de mi vida, y así tener la oportunidad de superarme y crecer como persona.

A mis padres, Editha Toro y Ufredo Apolo por todo su sacrificio, para que pueda

tener el sustento diario y poder lograr mis metas.

A mis hermanos, Dayana y Alexander que siempre han estado presentes durante

este proceso, brindándome su amistad y apoyo moral por todo lo alto.

A mi novia por todo su amor y cariño incondicional durante estos últimos años

que han sido fundamental para culminar mi formación académica.

Agradezco a todos mis amigos y maestros, en especial a mi compañero de tesis por

su amistad y conocimiento durante el proceso de esta investigación.

Finalmente, agradezco al Ing. Néstor Rivera por sus consejos, tiempo y dedicación

en el transcurso de este proyecto.

Lenin

IV
AGRADECIMIENTO

Por su apoyo incondicional, a mis padres que me han brindado durante toda mi carrera, sin

dudarlo ni un segundo

A todos los amigos que he juntado durante esta larga lucha por el éxito, su confianza,

hermosas vivencias y sinceros conocimientos que hemos compartido.

A los amigos profesores y colaboradores de la Universidad que se han tomado ese tiempo en

compartir con uno más allá de las aulas de clase y esa gran confianza por cualquier

necesidad de un consejo u otra falta de apoyo.

A todos y cada uno de ellos desde lo más profundo de mi corazón les agradezco y deseo lo

mejor en sus vidas y que sigan siendo personas de buen corazón y actitud positiva.

Hernán

V
DEDICATORIA

Dedico este proyecto:

A Dios y la Virgencita por todas sus bendiciones dadas, desde el primer día de vida junto a

mis seres queridos.

A mis padres y hermanos, por ser las personas que siempre han dado todo por verme crecer,

apoyándome cada día en todo lo necesario para poder culminar esta meta

tan importante en mi vida.

A mi novia, que ha estado siempre presente en los momentos más difíciles, por su amor y

paciencia en los últimos años de mis estudios universitarios.

A mis abuelitos, en especial a los que, desde el cielo están sonriendo y contentos por haber

alcanzado este éxito.

Lenin

VI
DEDICATORIA

En este momento al que he llegado en mi vida le dedico a toda mi familia, a mis padres en

especial, que con su sabiduría y experiencias me han dirigido por el camino correcto llevando a

esta persona llamada Hernán por la vida con el mejor ejemplo que ellos han sido para mí, por

eso y muchas cosas que no recordare al momento, me detengo a pensar que cada persona

marcha a su ritmo en la vida y que si unos ya fueron lo que fueron es porque su tiempo está más

adelantado que el de uno, pero jamás en la vida hay que desesperarse por nada ni nadie lo que

tenga que suceder, sucederá a su tiempo, y nunca compararse con nadie todos somos únicos, lo

que me localiza el desearles una vejez junto a ellos, que si fuera una eternidad sería lo más

hermoso del mundo, los amo muchísimo padres míos Bárbara y Carlos y jamás

me cansare de decirlo.

Hernán

VII
RESUMEN

En este proyecto de carácter investigativo se realiza el estudio de los PID’s en relación con

emisiones de gases contaminantes en cuatro vehículos en la ciudad de Cuenca; para esto se toman

en cuenta microciclos de conducción preestablecidos para reducir el índice de error en la

adquisición de datos, con el objetivo de generar una base de datos mediante modelos matemáticos.

En la fase I, se presenta la planificación experimental, en donde se detallan las variables que

intervienen en el comportamiento del sistema en estudio, todos los elementos que se van a utilizar,

y el protocolo de medición para garantizar la obtención de datos durante el experimento.

En la fase II, se realiza la comprobación de los datos obtenidos, mediante técnicas estadísticas

para la visualización y validación de los mismos a través del software Matlab y Minitab

respectivamente.

En la fase III, se efectúa la caracterización de emisiones contaminantes con relación a los PID’s

según el microciclo utilizado, para estimar que predictores tienen mayor influencia sobre los gases

contaminantes, y mediante redes neuronales artificiales pronosticar comportamientos futuros

semejantes a los reales obtenidos en el presente estudio.

Finalmente, en la fase IV se presenta la base de datos donde se muestra los predictores (PID’s)

que tienen mayor dominio sobre los gases contaminantes, la misma que servirá para futuras

investigaciones.

Palabras Clave: Base de datos, gases contaminantes, modelo matemático, PID’s, Random

Forest, red neuronal artificial.

VIII
ABSTRACT

In this project of investigative nature, the study of PID's is carried out in relation to emissions

of polluting gases in four vehicles in the city of Cuenca; for this pre-established microcycles are

taken into account to reduce the error rate in the data collection, with the objective of generating a

database through mathematical models.

In the phase I, the experimental planning is presented, where the variables that intervene in the

behavior of the system under study are detailed, all the elements that are going to be used, and the

measurement protocol to guarantee the obtaining of data during the experiment.

In phase II, the verification of the obtained data is carried out, by means of statistical techniques

for the visualization and validation of the same through the software Matlab and Minitab

respectively.

In phase III, the characterization of pollutant emissions in relation to the PID's is carried out

according to the microcycle used, to estimate which predictors have the greatest influence on

contaminating gases, and through artificial neural networks to predict future behaviors similar to

the real ones obtained in the present study.

Finally, in phase IV the database is presented showing the predictors (PID's) that have the

greatest control over contaminating gases, which will be useful for future investigations.

Key words: Database, polluting gases, mathematical model, PID's, Random Forest, artificial

neural network.

IX
ÍNDICE

1 INTRODUCCIÓN............................................................................................................1

2 PROBLEMA ....................................................................................................................2

3 OBJETIVOS ....................................................................................................................3

3.1 Objetivo General .......................................................................................................3

3.2 Objetivos Específicos ................................................................................................3

4 FUNDAMENTOS TEÓRICOS ........................................................................................4

4.1 (MEP)-Motores de encendido provocado ...................................................................4

4.1.1 Contaminantes producidos por motores de encendido provocado ........................4

4.1.2 Proceso de combustión en MEP ..........................................................................5

4.2 OBD (On Board Diagnostics, Parameter Identification) Diagnóstico a bordo,

Identificación de parámetros ....................................................................................................8

4.2.1 OBD – I..............................................................................................................8

4.2.2 OBD – II ............................................................................................................9

4.3 Ciclos de conducción .................................................................................................9

4.3.1 Ciclos de conducción en los EE.UU. ................................................................ 10

5 ESTADO DEL ARTE .................................................................................................... 12

6 MARCO METODOLÓGICO ......................................................................................... 14

6.1 Fase I: Obtención de las señales de los PID’s y valores de emisiones contaminantes en

X
microciclos de conducción mediante dispositivos de adquisición de datos .............................. 14

6.1.1 Planificación experimental para la obtención de datos ...................................... 14

6.1.2 Desarrollo de la corrida experimental para la obtención de datos ...................... 30

6.2 Fase II: Comprobación de los datos obtenidos mediante métodos estadísticos.......... 32

6.2.1 Visualización de datos obtenidos ...................................................................... 32

6.2.2 Redimensionamiento de las matrices de muestreo. ............................................ 34

6.2.3 Validación de emisión de gases contaminantes ................................................. 36

6.3 Fase III: Descripción de los datos obtenidos de los PID’s en relación con las emisiones

de gases contaminantes, mediante un modelo matemático ...................................................... 45

6.3.1 Caracterización de emisiones contaminantes con relación a los PID’s en el

vehículo Kia Sportage R. ................................................................................................... 45

6.3.2 Análisis de la importancia de los PID’s durante las emisiones de gases

contaminantes, mediante Random Forest ............................................................................... 56

6.3.2.1 Random Forest.............................................................................................. 56

6.3.2.2 Análisis de la importancia de predictores para los gases contaminantes, en el

vehículo Kia Sportage R .................................................................................................... 57

6.3.3 Entrenamiento de la RNA (Red Neuronal Artificial) con predictores (PID’s) y gases

contaminantes ........................................................................................................................ 62

6.3.3.1 (RNA)-Red Neuronal Artificial ..................................................................... 62

6.3.3.2 Entrenamiento de la RNA para el vehículo Kia Sportage R ........................... 63

XI
6.3.3.3 Entrenamiento de la RNA para el vehículo Hyundai Tucson IX .................... 76

6.3.3.4 Entrenamiento de la RNA para el vehículo Toyota Hilux .............................. 89

6.3.3.5 Entrenamiento de la RNA para el vehículo Chevrolet Optra ........................ 102

6.4 Fase IV: Base de datos........................................................................................... 114

7 CONCLUSIONES........................................................................................................ 118

8 RECOMENDACIONES ............................................................................................... 119

9 BIBLIOGRAFÍA .......................................................................................................... 120

10 ANEXO A ................................................................................................................ 123

11 ANEXO B ................................................................................................................ 138

12 ANEXO C ................................................................................................................ 219

13 ANEXO D ................................................................................................................ 227

XII
ÍNDICE DE FIGURAS

Figura 4.1 Frente de llama en la combustión de los MEP. .......................................................4

Figura 4.2 Presión atmosférica sobre el nivel del mar a 20 o C.................................................6

Figura 4.3 Concentración de oxígeno sobre el nivel del mar a 20 o C. .....................................7

Figura 4.4 Ciclo de conducción FTP-72. ............................................................................... 10

Figura 4.5 Ciclo de conducción FTP-75. ............................................................................... 11

Figura 6.1 Factores de incidencia. ......................................................................................... 14

Figura 6.2 Vehículo A de pruebas. ........................................................................................ 18

Figura 6.3 Vehículo B de pruebas. ........................................................................................ 19

Figura 6.4 Vehículo C de pruebas. ........................................................................................ 20

Figura 6.5 Vehículo D de pruebas. ........................................................................................ 21

Figura 6.6 Medidor de revoluciones Brain Bee MGT-300. .................................................... 23

Figura 6.7 Analizador de gases Brain Bee AGS-688. ............................................................ 24

Figura 6.8 Software omniBUS-800. ...................................................................................... 25

Figura 6.9 Freematics ONE +. .............................................................................................. 26

Figura 6.10 Inversor de corriente TRUPER INCO-100. ........................................................ 27

Figura 6.11 Clasificación de los tipos de microciclos. ........................................................... 28

Figura 6.12 Ruta establecida para la ejecución de la pruebas. ................................................ 29

Figura 6.13 Dispositivos para adquisición de datos. .............................................................. 30

Figura 6.14 Flujograma para obtención de datos ................................................................... 31

Figura 6.15 Valores de emisiones contaminantes obtenidos con el analizador de gases. ........ 32

Figura 6.16 Valores de la señales de los PID’s obtenidos con el Freematics ONE +. ............. 33

Figura 6.17 Graficas de los PID’s. ........................................................................................ 34


XIII
Figura 6.18 Visualización de los PID’s durante un microciclo – parte A. .............................. 34

Figura 6.19 Visualización de los PID’s durante un microciclo – parte B. .............................. 35

Figura 6.20 Redimensionamiento de las muestras de gases contaminantes y PID’s. .............. 35

Figura 6.21 Microciclo 1 teórico-real. ................................................................................... 36

Figura 6.22 Gráfica de caja de CO – vehículo A. .................................................................. 37

Figura 6.23 Gráfica de valores individuales de CO – vehículo A. .......................................... 37

Figura 6.24 Gráfica de caja de CO2 – vehículo A. ................................................................ 38

Figura 6.25 Gráfica de valores individuales de CO2 – vehículo A. ........................................ 39

Figura 6.26 Gráfica de caja de HC – vehículo A. .................................................................. 40

Figura 6.27 Gráfica de valores individuales de HC – vehículo A. .......................................... 40

Figura 6.28 Gráfica de caja de O2 – vehículo A. ................................................................... 41

Figura 6.29 Gráfica de valores individuales de O2 – vehículo A. .......................................... 42

Figura 6.30 Gráfica de caja de NOx – vehículo A. ................................................................ 43

Figura 6.31 Gráfica de valores individuales de NOx – vehículo A. ....................................... 43

Figura 6.32 Microciclo 1 real. ............................................................................................... 45

Figura 6.33 Comportamiento del NOx con relación al VSS y RPM....................................... 46

Figura 6.34 Comportamiento del NOx con relación al VSS y aceleración del vehículo. ........ 47

Figura 6.35 Comportamiento del CO con relación al VSS y RPM. ........................................ 48

Figura 6.36 Comportamiento del CO con relación al VSS y aceleración de vehículo. ........... 49

Figura 6.37 Comportamiento del CO2 con relación al VSS y RPM. ...................................... 50

Figura 6.38 Comportamiento del CO2 con relación al VSS y aceleración del vehículo.......... 51

Figura 6.39 Comportamiento del HC con relación al VSS y RPM. ........................................ 52

Figura 6.40 Comportamiento del HC con relación al VSS y aceleración del vehículo. .......... 53
XIV
Figura 6.41 Comportamiento del O2 con relación al VSS y RPM. ........................................ 54

Figura 6.42 Comportamiento del O2 con relación al VSS y aceleración de vehículo.. ........... 55

Figura 6.43 Predictores para NOx – vehículo A. ................................................................... 58

Figura 6.44 Predictores para HC– vehículo A. ...................................................................... 58

Figura 6.45 Predictores para CO– vehículo A. ...................................................................... 59

Figura 6.46 Predictores de CO2– vehículo A. ....................................................................... 60

Figura 6.47 Predictores para el O2– vehículo A. ................................................................... 60

Figura 6.48 Estructura de la RNA. ........................................................................................ 62

Figura 6.49 Rendimiento de la RNA para NOx – vehículo A. ............................................... 63

Figura 6.50 Gradiente de la RNA para NOx – vehículo A. .................................................... 63

Figura 6.51 Histograma de error de la RNA para NOx – vehículo A. .................................... 64

Figura 6.52 Regresión de la RNA para NOx – vehículo A. ................................................... 64

Figura 6.53 Validación de la RNA para NOx – vehículo A. .................................................. 65

Figura 6.54 Rendimiento de la RNA para HC – vehículo A. ................................................. 65

Figura 6.55 Gradiente de la RNA para HC – vehículo A. ...................................................... 66

Figura 6.56 Histograma de error de la RNA para HC – vehículo A. ...................................... 66

Figura 6.57 Regresión de la RNA para HC – vehículo A....................................................... 67

Figura 6.58 Validación de la RNA para HC – vehículo A. .................................................... 67

Figura 6.59 Rendimiento de la RNA para CO – vehículo A. ................................................. 68

Figura 6.60 Gradiente de la RNA para CO – vehículo A. ...................................................... 68

Figura 6.61 Histograma de error de la RNA para CO – vehículo A. ...................................... 69

Figura 6.62 Regresión de la RNA para CO – vehículo A....................................................... 69

Figura 6.63 Validación de la RNA para CO – vehículo A. .................................................... 70


XV
Figura 6.64 Rendimiento de la RNA para CO2 – vehículo A. ............................................... 70

Figura 6.65 Gradiente de la RNA para CO2 – vehículo A. .................................................... 71

Figura 6.66 Histograma de error de la RNA para CO2 – vehículo A. .................................... 71

Figura 6.67 Regresión de la RNA para CO2 – vehículo A. .................................................... 72

Figura 6.68 Validación de la RNA para CO2 – vehículo A. .................................................. 72

Figura 6.69 Rendimiento de la RNA para O2 – vehículo A. .................................................. 73

Figura 6.70 Gradiente de la RNA para O2 – vehículo A. ....................................................... 73

Figura 6.71 Histograma de error de la RNA para O2 – vehículo A. ....................................... 74

Figura 6.72 Regresión de la RNA para O2 – vehículo A. ...................................................... 74

Figura 6.73 Validación de la RNA para O2 – vehículo A. ..................................................... 75

Figura 6.74 Rendimiento de la RNA para NOx – vehículo B. ............................................... 76

Figura 6.75 Gradiente de la RNA para NOx – vehículo B. .................................................... 76

Figura 6.76 Histograma de error de la RNA para NOx – vehículo B. .................................... 77

Figura 6.77 Regresión de la RNA para NOx – vehículo B. .................................................... 77

Figura 6.78 Validación de la RNA para NOx – vehículo B. .................................................. 78

Figura 6.79 Rendimiento de la RNA para HC – vehículo B................................................... 78

Figura 6.80 Gradiente de la RNA para HC – vehículo B. ...................................................... 79

Figura 6.81 Histograma de error de la RNA para HC – vehículo B. ...................................... 79

Figura 6.82 Regresión de la RNA para HC – vehículo B. ...................................................... 80

Figura 6.83 Validación de la RNA para HC – vehículo B...................................................... 80

Figura 6.84 Rendimiento de la RNA para CO – vehículo B................................................... 81

Figura 6.85 Gradiente de la RNA para CO – vehículo B. ...................................................... 81

Figura 6.86 Histograma de error de la RNA para CO – vehículo B. ...................................... 82


XVI
Figura 6.87 Regresión de la RNA para CO – vehículo B. ...................................................... 82

Figura 6.88 Validación de la RNA para CO – vehículo B...................................................... 83

Figura 6.89 Rendimiento de la RNA para CO2 – vehículo B. ................................................ 83

Figura 6.90 Gradiente de la RNA para CO2 – vehículo B. .................................................... 84

Figura 6.91 Histograma de error de la RNA para CO2 – vehículo B. .................................... 84

Figura 6.92 Regresión de la RNA para CO2 – vehículo B. .................................................... 85

Figura 6.93 Validación de la RNA para CO2 – vehículo B. ................................................... 85

Figura 6.94 Rendimiento de la RNA para O2 – vehículo B. .................................................. 86

Figura 6.95 Gradiente de la RNA para O2 – vehículo B. ....................................................... 86

Figura 6.96 Histograma de error de la RNA para O2 – vehículo B. ....................................... 87

Figura 6.97 Regresión de la RNA para O2 – vehículo B. ...................................................... 87

Figura 6.98 Validación de la RNA para O2 – vehículo B. ..................................................... 88

Figura 6.99 Rendimiento de la RNA para NOx – vehículo C. ............................................... 89

Figura 6.100 Gradiente de la RNA para NOx – vehículo C. .................................................. 89

Figura 6.101 Histograma de error de la RNA para NOx – vehículo C. .................................. 90

Figura 6.102 Regresión de la RNA para NOx – vehículo C. .................................................. 90

Figura 6.103 Validación de la RNA para NOx – vehículo C. ................................................ 91

Figura 6.104 Rendimiento de la RNA para HC – vehículo C. ................................................ 91

Figura 6.105 Gradiente de la RNA para HC – vehículo C. .................................................... 92

Figura 6.106 Histograma de error de la RNA para HC – vehículo C. .................................... 92

Figura 6.107 Regresión de la RNA para HC – vehículo C. .................................................... 93

Figura 6.108 Validación de la RNA para HC – vehículo C. ................................................... 93

Figura 6.109 Rendimiento de la RNA para CO – vehículo C. ................................................ 94


XVII
Figura 6.110 Gradiente de la RNA para CO – vehículo C. .................................................... 94

Figura 6.111 Histograma de error de la RNA para CO – vehículo C. .................................... 95

Figura 6.112 Regresión de la RNA para CO – vehículo C. .................................................... 95

Figura 6.113 Validación de la RNA para CO – vehículo C. ................................................... 96

Figura 6.114 Rendimiento de la RNA para CO2 – vehículo C. .............................................. 96

Figura 6.115 Gradiente de la RNA para CO2 – vehículo C. .................................................. 97

Figura 6.116 Histograma de error de la RNA para CO2 – vehículo C.................................... 97

Figura 6.117 Regresión de la RNA para CO2 – vehículo C. .................................................. 98

Figura 6.118 Validación de la RNA para CO2 – vehículo C. ................................................. 98

Figura 6.119 Rendimiento de la RNA para O2 – vehículo C. ................................................ 99

Figura 6.120 Gradiente de la RNA para O2 – vehículo C. ..................................................... 99

Figura 6.121 Histograma de error de la RNA para O2 – vehículo C. ................................... 100

Figura 6.122 Regresión de la RNA para O2 – vehículo C.................................................... 100

Figura 6.123 Validación de la RNA para O2 – vehículo C. ................................................. 101

Figura 6.124 Rendimiento de la RNA para NOx – vehículo D. ........................................... 102

Figura 6.125 Gradiente de la RNA para NOx – vehículo D. ................................................ 102

Figura 6.126 Histograma de error de la RNA para NOx – vehículo D. ................................ 103

Figura 6.127 Regresión de la RNA para NOx – vehículo D................................................. 103

Figura 6.128 Validación de la RNA para NOx – vehículo D. .............................................. 104

Figura 6.129 Rendimiento de la RNA para HC – vehículo D. ............................................. 104

Figura 6.130 Gradiente de la RNA para HC – vehículo D. .................................................. 105

Figura 6.131 Histograma de error de la RNA para HC – vehículo D. .................................. 105

Figura 6.132 Regresión de la RNA para HC – vehículo D................................................... 106


XVIII
Figura 6.133 Validación de la RNA para HC – vehículo D. ................................................ 106

Figura 6.134 Rendimiento de la RNA para CO – vehículo D. ............................................. 107

Figura 6.135 Gradiente de la RNA para CO – vehículo D. .................................................. 107

Figura 6.136 Histograma de error de la RNA para CO – vehículo D. .................................. 108

Figura 6.137 Regresión de la RNA para CO – vehículo D................................................... 108

Figura 6.138 Validación de la RNA para CO – vehículo D. ................................................ 109

Figura 6.139 Rendimiento de la RNA para CO2 – vehículo D. ........................................... 109

Figura 6.140 Gradiente de la RNA para CO2 – vehículo D. ................................................ 110

Figura 6.141 Histograma de error de la RNA para CO2 – vehículo D. ................................ 110

Figura 6.142 Regresión de la RNA para CO2 – vehículo D. ................................................ 111

Figura 6.143 Validación de la RNA para CO2 – vehículo D. .............................................. 111

Figura 6.144 Rendimiento de la RNA para O2 – vehículo D. .............................................. 112

Figura 6.145 Gradiente de la RNA para O2 – vehículo D. ................................................... 112

Figura 6.146 Histograma de error de la RNA para O2 – vehículo D. ................................... 113

Figura 6.147 Regresión de la RNA para O2 – vehículo D. .................................................. 113

Figura 6.148 Validación de la RNA para O2 – vehículo D. ................................................. 114

XIX
ÍNDICE DE TABLAS

Tabla 6-1 Variables de Ingreso. ............................................................................................ 15

Tabla 6-2 Variables de Bloqueo. ........................................................................................... 16

Tabla 6-3 Variables de Ruido. .............................................................................................. 16

Tabla 6-4 Variables de Salida. .............................................................................................. 17

Tabla 6-5 Especificaciones del vehículo A. ........................................................................... 18

Tabla 6-6 Especificaciones del vehículo B. ........................................................................... 19

Tabla 6-7 Especificaciones del vehículo C. ........................................................................... 20

Tabla 6-8 Especificaciones del vehículo D. ........................................................................... 22

Tabla 6-9 Rangos de medición del medidor MGT-300 EVO. ................................................ 23

Tabla 6-10 Especificaciones técnicas del analizador de gases Brain Bee AGS – 688. ............ 24

Tabla 6-11 Especificaciones técnicas del inversor TRUPER INCO-100. ............................... 27

Tabla 6-12 Índices de carga del motor .................................................................................. 45

Tabla 6-13 Nomenclatura de predictores (PID’s). ................................................................. 57

Tabla 6-14 Base de datos del comportamiento de la Red Neuronal Artificial – parte A. ...... 115

Tabla 6-15 Base de datos del comportamiento de la Red Neuronal Artificial – parte B. ...... 116

Tabla 6-16 Base de datos del comportamiento de la Red Neuronal Artificial – parte C. ...... 117

XX
ÍNDICE DE ANEXO A

Figura A- 1 Gráfica de caja de CO – vehículo B. ................................................................ 123

Figura A- 2 Gráfica de valores individuales de CO – vehículo B. ........................................ 123

Figura A- 3 Gráfica de caja de CO2 – vehículo B. .............................................................. 124

Figura A- 4 Gráfica de valores individuales de CO2 – vehículo B. ...................................... 124

Figura A- 5 Gráfica de caja de HC – vehículo B. ................................................................ 125

Figura A- 6 Gráfica de valores individuales de HC – vehículo B. ........................................ 125

Figura A- 7 Gráfica de caja de O2 – vehículo B. ................................................................. 126

Figura A- 8 Gráfica de valores individuales de O2 – vehículo B. ........................................ 126

Figura A- 9 Gráfica de caja de NOx – vehículo B. .............................................................. 127

Figura A- 10 Gráfica de valores individuales de NOx – vehículo B..................................... 127

Figura A- 11 Gráfica de caja de CO – vehículo C. .............................................................. 128

Figura A- 12 Gráfica de valores individuales de CO – vehículo C. ...................................... 128

Figura A- 13 Gráfica de caja de CO2 – vehículo C. ............................................................ 129

Figura A- 14 Gráfica de valores individuales de CO2 – vehículo C. .................................... 129

Figura A- 15 Gráfica de caja de HC – vehículo C. .............................................................. 130

Figura A- 16 Gráfica de valores individuales de HC – vehículo C. ...................................... 130

Figura A- 17 Gráfica de caja de O2 – vehículo C. ............................................................... 131

Figura A- 18 Gráfica de valores individuales de O2 – vehículo C. ...................................... 131

Figura A- 19 Gráfica de caja de NOx – vehículo C. ............................................................ 132

Figura A- 20 Gráfica de valores individuales de NOx – vehículo C..................................... 132

Figura A- 21 Gráfica de caja de CO – vehículo D. .............................................................. 133

Figura A- 22 Gráfica de valores individuales de CO – vehículo D. ..................................... 133


XXI
Figura A- 23 Gráfica de caja de CO2 – vehículo D. ............................................................ 134

Figura A- 24 Gráfica de valores individuales de CO2 – vehículo D..................................... 134

Figura A- 25 Gráfica de caja de HC – vehículo D. .............................................................. 135

Figura A- 26 Gráfica de valores individuales de HC – vehículo D. ..................................... 135

Figura A- 27 Gráfica de caja de O2 – vehículo D. ............................................................... 136

Figura A- 28 Gráfica de valores individuales de O2 – vehículo D. ...................................... 136

Figura A- 29 Gráfica de caja de NOx – vehículo D. ............................................................ 137

Figura A- 30 Gráfica de valores individuales de NOx – vehículo D. ................................... 137

XXII
ÍNDICE DE ANEXO B

Figura B- 1 Microciclo 2 – vehículo A. ............................................................................... 138

Figura B- 2 Microciclo 2 vehículo A – Comportamiento del NOx con los PID’s. ................ 138

Figura B- 3 Microciclo 2 vehículo A – Comportamiento del CO con los PID’s. .................. 139

Figura B- 4 Microciclo 2 vehículo A – Comportamiento del CO2 con los PID’s. ................ 139

Figura B- 5 Microciclo 2 vehículo A – Comportamiento del HC con los PID’s. .................. 140

Figura B- 6 Microciclo 2 vehículo A – Comportamiento del O2 con los PID’s. .................. 140

Figura B- 7 Microciclo 3 – vehículo A. ............................................................................... 141

Figura B- 8 Microciclo 3 vehículo A – Comportamiento del NOx con los PID’s. ................ 141

Figura B- 9 Microciclo 3 vehículo A – Comportamiento del CO con los PID’s. .................. 142

Figura B- 10 Microciclo 3 vehículo A – Comportamiento del CO2 con los PID’s. .............. 142

Figura B- 11 Microciclo 3 vehículo A – Comportamiento del HC con los PID’s. ................ 143

Figura B- 12 Microciclo 3 vehículo A – Comportamiento del O2 con los PID’s.................. 143

Figura B- 13 Microciclo 5A – vehículo A. .......................................................................... 144

Figura B- 14 Microciclo 5A vehículo A – Comportamiento del NOx con los PID’s. ........... 144

Figura B- 15 Microciclo 5A vehículo A – Comportamiento del CO con los PID’s. ............. 145

Figura B- 16 Microciclo 5A vehículo A – Comportamiento del CO2 con los PID’s. ........... 145

Figura B- 17 Microciclo 5A vehículo A – Comportamiento del HC con los PID’s. ............. 146

Figura B- 18 Microciclo 5A vehículo A – Comportamiento del O2 con los PID’s. .............. 146

Figura B- 19 Microciclo 6A – vehículo A. .......................................................................... 147

Figura B- 20 Microciclo 6A vehículo A – Comportamiento del NOx con los PID’s. ........... 147

Figura B- 21 Microciclo 6A vehículo A – Comportamiento del CO con los PID’s. ............. 148

Figura B- 22 Microciclo 6A vehículo A – Comportamiento del CO2 con los PID’s. ........... 148
XXIII
Figura B- 23 Microciclo 6A vehículo A – Comportamiento del HC con los PID’s. ............. 149

Figura B- 24 Microciclo 6A vehículo A – Comportamiento del O2 con los PID’s. .............. 149

Figura B- 25 Microciclo 8 – vehículo A. ............................................................................. 150

Figura B- 26 Microciclo 8 vehículo A – Comportamiento del NOx con los PID’s. .............. 150

Figura B- 27 Microciclo 8 vehículo A – Comportamiento del CO con los PID’s. ................ 151

Figura B- 28 Microciclo 8 vehículo A – Comportamiento del CO2 con los PID’s. .............. 151

Figura B- 29 Microciclo 8 vehículo A – Comportamiento del HC con los PID’s. ................ 152

Figura B- 30 Microciclo 8 vehículo A – Comportamiento del O2 con los PID’s.................. 152

Figura B- 31 Microciclo 9 – vehículo A. ............................................................................. 153

Figura B- 32 Microciclo 9 vehículo A – Comportamiento del NOx con los PID’s. .............. 153

Figura B- 33 Microciclo 9 vehículo A – Comportamiento del CO con los PID’s. ................ 154

Figura B- 34 Microciclo 9 vehículo A – Comportamiento del CO2 con los PID’s. .............. 154

Figura B- 35 Microciclo 9 vehículo A – Comportamiento del HC con los PID’s. ................ 155

Figura B- 36 Microciclo 9 vehículo A – Comportamiento del O2 con los PID’s.................. 155

Figura B- 37 Microciclo 1 – vehículo B. ............................................................................. 156

Figura B- 38 Microciclo 1 vehículo B – Comportamiento del NOx con los PID’s. .............. 156

Figura B- 39 Microciclo 1 vehículo B – Comportamiento del CO con los PID’s. ................ 157

Figura B- 40 Microciclo 1 vehículo B – Comportamiento del CO2 con los PID’s. .............. 157

Figura B- 41 Microciclo 1 vehículo B – Comportamiento del HC con los PID’s. ................ 158

Figura B- 42 Microciclo 1 vehículo B – Comportamiento del O2 con los PID’s. ................. 158

Figura B- 43 Microciclo 2 – vehículo B. ............................................................................. 159

Figura B- 44 Microciclo 2 vehículo B – Comportamiento del NOx con los PID’s. .............. 159

Figura B- 45 Microciclo 2 vehículo B – Comportamiento del CO con los PID’s. ................ 160
XXIV
Figura B- 46 Microciclo 2 vehículo B – Comportamiento del CO2 con los PID’s. .............. 160

Figura B- 47 Microciclo 2 vehículo B – Comportamiento del HC con los PID’s. ................ 161

Figura B- 48 Microciclo 2 vehículo B – Comportamiento del O2 con los PID’s. ................. 161

Figura B- 49 Microciclo 3 – vehículo B. ............................................................................. 162

Figura B- 50 Microciclo 3 vehículo B – Comportamiento del NO con los PID’s. ................ 162

Figura B- 51 Microciclo 3 vehículo B – Comportamiento del CO con los PID’s. ................ 163

Figura B- 52 Microciclo 3 vehículo B – Comportamiento del CO2 con los PID’s. .............. 163

Figura B- 53 Microciclo 3 vehículo B – Comportamiento del HC con los PID’s. ................ 164

Figura B- 54 Microciclo 3 vehículo B – Comportamiento del O2 con los PID’s. ................. 164

Figura B- 55 Microciclo 5A – vehículo B. .......................................................................... 165

Figura B- 56 Microciclo 5A vehículo B – Comportamiento del NOx con los PID’s. ........... 165

Figura B- 57 Microciclo 5A vehículo B – Comportamiento del CO con los PID’s. ............. 166

Figura B- 58 Microciclo 5A vehículo B – Comportamiento del CO2 con los PID’s. ........... 166

Figura B- 59 Microciclo 5A vehículo B – Comportamiento del HC con los PID’s. ............. 167

Figura B- 60 Microciclo 5A vehículo B – Comportamiento del O2 con los PID’s. .............. 167

Figura B- 61 Microciclo 6A – vehículo B. .......................................................................... 168

Figura B- 62 Microciclo 6A vehículo B – Comportamiento del NOx con los PID’s. ........... 168

Figura B- 63 Microciclo 6A vehículo B – Comportamiento del CO con los PID’s. ............. 169

Figura B- 64 Microciclo 6A vehículo B – Comportamiento del CO2 con los PID’s. ........... 169

Figura B- 65 Microciclo 6A vehículo B – Comportamiento del HC con los PID’s. ............. 170

Figura B- 66 Microciclo 6A vehículo B – Comportamiento del O2 con los PID’s. .............. 170

Figura B- 67 Microciclo 8 – vehículo B. ............................................................................. 171

Figura B- 68 Microciclo 8 vehículo B – Comportamiento del NOx con los PID’s. .............. 171
XXV
Figura B- 69 Microciclo 8 vehículo B – Comportamiento del CO con los PID’s. ................ 172

Figura B- 70 Microciclo 8 vehículo B – Comportamiento del CO2 con los PID’s. .............. 172

Figura B- 71 Microciclo 8 vehículo B – Comportamiento del HC con los PID’s. ................ 173

Figura B- 72 Microciclo 8 vehículo B – Comportamiento del O2 con los PID’s. ................. 173

Figura B- 73 Microciclo 9 – vehículo B. ............................................................................. 174

Figura B- 74 Microciclo 9 vehículo B – Comportamiento del NOx con los PID’s. .............. 174

Figura B- 75 Microciclo 9 vehículo B – Comportamiento del CO con los PID’s. ................ 175

Figura B- 76 Microciclo 9 vehículo B – Comportamiento del CO2 con los PID’s. .............. 175

Figura B- 77 Microciclo 9 vehículo B – Comportamiento del HC con los PID’s. ................ 176

Figura B- 78 Microciclo 9 vehículo B – Comportamiento del O2 con los PID’s. ................. 176

Figura B- 79 Microciclo 1 – vehículo C. ............................................................................. 177

Figura B- 80 Microciclo 1 vehículo C – Comportamiento del NOx con los PID’s. .............. 177

Figura B- 81 Microciclo 1 vehículo C – Comportamiento del CO con los PID’s. ................ 178

Figura B- 82 Microciclo 1 vehículo C – Comportamiento del CO2 con los PID’s. .............. 178

Figura B- 83 Microciclo 1 vehículo C – Comportamiento del HC con los PID’s. ................ 179

Figura B- 84 Microciclo 1 vehículo C – Comportamiento del O2 con los PID’s. ................. 179

Figura B- 85 Microciclo 2 – vehículo C. ............................................................................. 180

Figura B- 86 Microciclo 2 vehículo C – Comportamiento del NOx con los PID’s. .............. 180

Figura B- 87 Microciclo 2 vehículo C – Comportamiento del CO con los PID’s. ................ 181

Figura B- 88 Microciclo 2 vehículo C – Comportamiento del CO2 con los PID’s. .............. 181

Figura B- 89 Microciclo 2 vehículo C – Comportamiento del HC con los PID’s. ................ 182

Figura B- 90 Microciclo 2 vehículo C – Comportamiento del O2 con los PID’s. ................. 182

Figura B- 91 Microciclo 3 – vehículo C. ............................................................................. 183


XXVI
Figura B- 92 Microciclo 3 vehículo C – Comportamiento del NOx con los PID’s. .............. 183

Figura B- 93 Microciclo 3 vehículo C – Comportamiento del CO con los PID’s. ................ 184

Figura B- 94 Microciclo 3 vehículo C – Comportamiento del CO2 con los PID’s. .............. 184

Figura B- 95 Microciclo 3 vehículo C – Comportamiento del HC con los PID’s. ................ 185

Figura B- 96 Microciclo 3 vehículo C – Comportamiento del O2 con los PID’s. ................. 185

Figura B- 97 Microciclo 5A – vehículo C. .......................................................................... 186

Figura B- 98 Microciclo 5A vehículo C – Comportamiento del NOx con los PID’s. ........... 186

Figura B- 99 Microciclo 5A vehículo C – Comportamiento del CO con los PID’s. ............. 187

Figura B- 100 Microciclo 5A vehículo C – Comportamiento del CO2 con los PID’s. ......... 187

Figura B- 101 Microciclo 5A vehículo C – Comportamiento del HC con los PID’s. ........... 188

Figura B- 102 Microciclo 5A vehículo C – Comportamiento del O2 con los PID’s. ............ 188

Figura B- 103 Microciclo 6A – vehículo C. ........................................................................ 189

Figura B- 104 Microciclo 6A vehículo C – Comportamiento del NOx con los PID’s. ......... 189

Figura B- 105 Microciclo 6A vehículo C – Comportamiento del CO con los PID’s. ........... 190

Figura B- 106 Microciclo 6A vehículo C – Comportamiento del CO2 con los PID’s. ......... 190

Figura B- 107 Microciclo 6A vehículo C – Comportamiento del HC con los PID’s. ........... 191

Figura B- 108 Microciclo 6A vehículo C – Comportamiento del O2 con los PID’s. ............ 191

Figura B- 109 Microciclo 8 – vehículo C. ........................................................................... 192

Figura B- 110 Microciclo 8 vehículo C – Comportamiento del NOx con los PID’s. ............ 192

Figura B- 111 Microciclo 8 vehículo C – Comportamiento del CO con los PID’s. .............. 193

Figura B- 112 Microciclo 8 vehículo C – Comportamiento del CO2 con los PID’s. ............ 193

Figura B- 113 Microciclo 8 vehículo C – Comportamiento del HC con los PID’s. .............. 194

Figura B- 114 Microciclo 8 vehículo C – Comportamiento del O2 con los PID’s. ............... 194
XXVII
Figura B- 115 Microciclo 9 – vehículo C. ........................................................................... 195

Figura B- 116 Microciclo 9 vehículo C – Comportamiento del NOx con los PID’s. ............ 195

Figura B- 117 Microciclo 9 vehículo C – Comportamiento del CO con los PID’s. .............. 196

Figura B- 118 Microciclo 9 vehículo C – Comportamiento del CO2 con los PID’s. ............ 196

Figura B- 119 Microciclo 9 vehículo C – Comportamiento del HC con los PID’s. .............. 197

Figura B- 120 Microciclo 9 vehículo C – Comportamiento del O2 con los PID’s. ............... 197

Figura B- 121 Microciclo 1 – vehículo D. ........................................................................... 198

Figura B- 122 Microciclo 1 vehículo D – Comportamiento del NOx con los PID’s. ............ 198

Figura B- 123 Microciclo 1 vehículo D – Comportamiento del CO con los PID’s. .............. 199

Figura B- 124 Microciclo 1 vehículo D – Comportamiento del CO2 con los PID’s. ............ 199

Figura B- 125 Microciclo 1 vehículo D – Comportamiento del HC con los PID’s. .............. 200

Figura B- 126 Microciclo 1 vehículo D – Comportamiento del O2 con los PID’s. ............... 200

Figura B- 127 Microciclo 2 – vehículo D. ........................................................................... 201

Figura B- 128 Microciclo 2 vehículo D – Comportamiento del NOx con los PID’s. ............ 201

Figura B- 129 Microciclo 2 vehículo D – Comportamiento del CO con los PID’s. .............. 202

Figura B- 130 Microciclo 2 vehículo D – Comportamiento del CO2 con los PID’s. ............ 202

Figura B- 131 Microciclo 2 vehículo D – Comportamiento del HC con los PID’s. .............. 203

Figura B- 132 Microciclo 2 vehículo D – Comportamiento del O2 con los PID’s. ............... 203

Figura B- 133 Microciclo 3 – vehículo D. ........................................................................... 204

Figura B- 134 Microciclo 3 vehículo D – Comportamiento del NOx con los PID’s. ............ 204

Figura B- 135 Microciclo 3 vehículo D – Comportamiento del CO con los PID’s. .............. 205

Figura B- 136 Microciclo 3 vehículo D – Comportamiento del CO2 con los PID’s. ............ 205

Figura B- 137 Microciclo 3 vehículo D – Comportamiento del HC con los PID’s. .............. 206
XXVIII
Figura B- 138 Microciclo 3 vehículo D – Comportamiento del O2 con los PID’s. ............... 206

Figura B- 139 Microciclo 5A – vehículo D. ........................................................................ 207

Figura B- 140 Microciclo 5A vehículo D – Comportamiento del NOx con los PID’s. ......... 207

Figura B- 141 Microciclo 5A vehículo D – Comportamiento del CO con los PID’s. ........... 208

Figura B- 142 Microciclo 5A vehículo D – Comportamiento del CO2 con los PID’s. ......... 208

Figura B- 143 Microciclo 5A vehículo D – Comportamiento del HC con los PID’s. ........... 209

Figura B- 144 Microciclo 5A vehículo D – Comportamiento del O2 con los PID’s. ............ 209

Figura B- 145 Microciclo 6A – vehículo D. ........................................................................ 210

Figura B- 146 Microciclo 6A vehículo D – Comportamiento del NOx con los PID’s. ......... 210

Figura B- 147 Microciclo 6A vehículo D – Comportamiento del CO con los PID’s. ........... 211

Figura B- 148 Microciclo 6A vehículo D – Comportamiento del CO2 con los PID’s. ......... 211

Figura B- 149 Microciclo 6A vehículo D – Comportamiento del HC con los PID’s. ........... 212

Figura B- 150 Microciclo 6A vehículo D – Comportamiento del O2 con los PID’s. ............ 212

Figura B- 151 Microciclo 8 – vehículo D. ........................................................................... 213

Figura B- 152 Microciclo 8 vehículo D – Comportamiento del NOx con los PID’s. ............ 213

Figura B- 153 Microciclo 8 vehículo D – Comportamiento del CO con los PID’s. .............. 214

Figura B- 154 Microciclo 8 vehículo D – Comportamiento del CO2 con los PID’s. ............ 214

Figura B- 155 Microciclo 8 vehículo D – Comportamiento del HC con los PID’s. .............. 215

Figura B- 156 Microciclo 8 vehículo D – Comportamiento del O2 con los PID’s. ............... 215

Figura B- 157 Microciclo 9 – vehículo D. ........................................................................... 216

Figura B- 158 Microciclo 9 vehículo D – Comportamiento del NOx con los PID’s. ............ 216

Figura B- 159 Microciclo 9 vehículo D – Comportamiento del CO con los PID’s. .............. 217

Figura B- 160 Microciclo 9 vehículo D – Comportamiento del CO2 con los PID’s. ............ 217
XXIX
Figura B- 161 Microciclo 9 vehículo D – Comportamiento del HC con los PID’s. .............. 218

Figura B- 162 Microciclo 9 vehículo D – Comportamiento del O2 con los PID’s. ............... 218

XXX
ÍNDICE DE ANEXO C

Figura C- 1 Predictores para el NOx – vehículo B. .............................................................. 219

Figura C- 2 Predictores para el HC – vehículo B. ................................................................ 219

Figura C- 3 Predictores para el CO – vehículo B. ................................................................ 220

Figura C- 4 Predictores para el CO2 – vehículo B. .............................................................. 220

Figura C- 5 Predictores para el O2 – vehículo B. ................................................................ 221

Figura C- 6 Predictores para el NOx – vehículo C. .............................................................. 221

Figura C- 7 Predictores para el HC – vehículo C. ................................................................ 222

Figura C- 8 Predictores para el CO – vehículo C. ................................................................ 222

Figura C- 9 Predictores para el CO2 – vehículo C. .............................................................. 223

Figura C- 10 Predictores para el O2 – vehículo C. .............................................................. 223

Figura C- 11 Predictores para el NOx – vehículo D............................................................. 224

Figura C- 12 Predictores para el HC – vehículo D. .............................................................. 224

Figura C- 13 Predictores para el CO – vehículo D. .............................................................. 225

Figura C- 14 Predictores para el CO2 – vehículo D. ............................................................ 225

Figura C- 15 Predictores para el O2 – vehículo D. .............................................................. 226

XXXI
ÍNDICE DE ANEXO D

Figura D- 1 Microciclo 2 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2. .......... 227

Figura D- 2 Microciclo 3 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2. .......... 228

Figura D- 3 Microciclo 5A vehículo A – Validación RNA del NOx-HC-CO-CO2-O2. ....... 229

Figura D- 4 Microciclo 6A vehículo A – Validación RNA del NOx-HC-CO-CO2-O2. ....... 230

Figura D- 5 Microciclo 8 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2. .......... 231

Figura D- 6 Microciclo 9 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2. .......... 232

Figura D- 7 Microciclo 2 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2. .......... 233

Figura D- 8 Microciclo 3 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2. .......... 234

Figura D- 9 Microciclo 5A vehículo B – Validación RNA del NOx-HC-CO-CO2-O2. ....... 235

Figura D- 10 Microciclo 6A vehículo B – Validación RNA del NOx-HC-CO-CO2-O2. ..... 236

Figura D- 11 Microciclo 8 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2. ........ 237

Figura D- 12 Microciclo 9 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2. ........ 238

Figura D- 13 Microciclo 2 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2. ........ 239

Figura D- 14 Microciclo 3 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2. ........ 240

Figura D- 15 Microciclo 5A vehículo C – Validación RNA del NOx-HC-CO-CO2-O2. ..... 241

Figura D- 16 Microciclo 6A vehículo C – Validación RNA del NOx-HC-CO-CO2-O2. ..... 242

Figura D- 17 Microciclo 8 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2. ........ 243

Figura D- 18 Microciclo 9 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2. ........ 244

Figura D- 19 Microciclo 2 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2. ........ 245

Figura D- 20 Microciclo 3 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2. ........ 246

Figura D- 21 Microciclo 5A vehículo D – Validación RNA del NOx-HC-CO-CO2-O2. ..... 247

Figura D- 22 Microciclo 6A vehículo D – Validación RNA del NOx-HC-CO-CO2-O2. ..... 248


XXXII
Figura D- 23 Microciclo 8 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2. ........ 249

Figura D- 24 Microciclo 9 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2. ........ 250

XXXIII
1 INTRODUCCIÓN

El requerimiento de transporte y el desarrollo demográfico en los últimos, han aumentado

notablemente el número de vehículos, lo cual genera un elevado consumo de carburantes y por

ende mayor es la cantidad de gases tóxicos emitidos al ambiente.

Las marcas más vendidas en el Ecuador son Chevrolet, Hyundai y Kia, que tienen la mayoría

de ventas del 36%, 19% y 11% respectivamente (AEADE, 2017), por ello los vehículos en el país

no poseen la misma tecnología para el control de emisiones contaminantes, de manera que, erradica

una buena estimación de la influencia del parque automotor sobre la calidad del aire.

El alcance de este proyecto radica en el análisis de emisiones de gases contaminantes durante

rutas preestablecidas, de tal forma que, mediante modelos matemáticos se pueda obtener una base

de datos de la influencia de predictores (PID’s) sobre los gases contaminantes.

Esta investigación busca proveer información que sea útil, para el Grupo de Investigación de

Ingeniería de Transporte (GIIT) y al proyecto “Caracterización del parque automotor a través de

la aplicación de arquitecturas Machine Learning para determinar los efectos sobre la sociedad del

cantón Cuenca”.

1
2 PROBLEMA

Las marcas que lideran el mercado ecuatoriano son Chevrolet, Hyundai y Kia teniendo la

mayoría de ventas del 36%, 19% y 11% respectivamente (AEADE, 2017), lo que hace que el

mercado automotor en el país sea heterogéneo, por tanto los vehículos no contaminan igual debido

a sus características de control de emisiones, lo que conlleva a cabo una mala estimación del

impacto del parque automotor sobre la calidad del aire. La metodología COPERT utilizada en el

inventario de emisiones atmosféricas del cantón Cuenca (EMOV, 2014) estima emisiones en

caliente y no estima las emisiones en frio, ni toma en cuenta la altura de la región con respecto al

nivel del mar y considera que las características tecnológicas de los vehículos es la misma

(Urgiles, 2017), por ello los datos actuales no permiten establecer la cantidad de contaminantes

emitidos al ambiente con referencia a los vehículos bajo las condiciones antes mencionadas, de

manera que los factores de emisión en el inventario tienen un alto grado de incertidumbre.

2
3 OBJETIVOS

3.1 Objetivo General

 Generar una base de datos del comportamiento de los PID’S en relación con emisiones

de gases contaminantes, mediante la definición de un modelo matemático para cuatro

vehículos a gasolina de categoría M1 y N1 con cilindrada superior a 1600 CC en la

ciudad de Cuenca.

3.2 Objetivos Específicos

 Adquirir las señales de los PID’s y valores de emisiones contaminantes durante un ciclo

de conducción acorde a las condiciones de manejo en la ciudad de Cuenca, mediante

dispositivos de adquisición de datos.

 Corroborar los datos obtenidos mediante métodos estadísticos.

 Definir el comportamiento de los datos obtenidos de los PID’s en relación con las

emisiones de gases contaminantes, mediante un modelo matemático.

 Construir con los resultados obtenidos una base de datos, mediante métodos estadísticos

multivariantes.

3
4 FUNDAMENTOS TEÓRICOS

4.1 (MEP)-Motores de encendido provocado

Estas máquinas también se las conoce como motores de encendido por chispa o ciclo Otto,

donde el proceso de combustión se inicia cerca del PMS en la carrera de compresión mediante una

chispa entre las terminales de la bujía, la misma que se propaga en toda la cámara de combustión

por medio de un frente de llama. En la figura 4.1 se observa el frente de llama en la combustión

de un MEP. (Rovira de Antonio & Muñoz Dominguez, 2015)

Figura 4.1 Frente de llama en la combustión de los MEP.

Fuente: (Rovira de Antonio & Muñoz Dominguez, 2015)

4.1.1 Contaminantes producidos por motores de encendido provocado

Debido a su forma de funcionar, un motor de combustión interna no es capaz de quemar

totalmente la mezcla en la cámara de ignición, por lo tanto, si esta combustión no es regulada,

mayor serían los gases contaminantes que se emiten hacia el ambiente. Entre los gases generados

a causa de los motores de encendido provocado, existen ciertas sustancias como:

4
 Hidrocarburos no combustionados. (HC)

Son la emisión de partículas de combustible en estado gaseoso o líquido que salen entre los

gases tóxicos por el escape como consecuencia de una ignición incompleta y se miden en partes

por millón (ppm).

 Monóxido de carbono. (CO)

Es un gas altamente dañino para la salud de los seres vivos, que se caracteriza por ser inodoro

e incoloro a diferente proceso de ignición, dado que impide la absorción de oxígeno en la sangre

produciendo asfixia y se mide en porcentaje de volumen (% vol.).

 Dióxido de carbono. (CO2)

Es un gas que, junto con el vapor de agua se transforma en el mayor responsable del efecto

invernadero, dando como consecuencia el calentamiento global del planeta. El dióxido de

carbono es inofensivo para la salud humana, ya que forma parte de los ciclos vitales del medio

ambiente y se mide en porcentaje de volumen (% vol.).

 Óxidos de nitrógeno. (NOx)

Es el grupo de monóxidos y dióxidos de nitrógeno que se producen al existir un exceso de

oxígeno y a una alta temperatura o presión durante la combustión. En los motores se genera

básicamente el NO, el cual tiene a reaccionar y convertirse en NO2 siendo un gas insípido e

irritante para la salud humada y se miden en partes por millón (ppm). (Rovira de Antonio &

Muñoz Dominguez, 2015)

4.1.2 Proceso de combustión en MEP

La combustión es una reacción química de oxidación entre el comburente y combustible, la cual

se desarrolla a una alta velocidad en la cámara de ignición dando como consecuencia un gran

número de pequeñas explosiones que ocurren por la interacción del oxígeno con cada molécula de
5
combustible, de tal modo que se genere energía de movimiento. (Velasco Hurtado & Velasco

Villarroel, 2014)

4.1.2.1 Parámetros ambientales que influyen en la combustión de un motor

 Altitud - Presión atmosférica

La combustión en un motor se ve afectada por la altitud donde se desarrolla, cuando se realiza

a diferentes alturas sobre el nivel del mar, es preciso considerar la variación de presión

atmosférica y su influencia en la disminución de la densidad de los combustibles en estado

gaseoso, ya que en estado líquido o sólido no se ven afectados.

La densidad del aire y su composición se ven afectadas por la disminución de la presión

atmosférica, es decir a mayor altitud menor será la densidad del aire ya que la concentración

del oxígeno en el aire disminuye. (Velasco Hurtado & Velasco Villarroel, 2014)

La ciudad de Cuenca se sitúa a una elevación de 2500 msnm, debido a esto la presión

atmosférica disminuye, siendo aproximadamente de 75 kPa como se observa en la figura 4.2.

Figura 4.2 Presión atmosférica sobre el nivel del mar a 20 o C.

Fuente: (Velasco Hurtado & Velasco Villarroel, 2014)

6
 Densidad del aire

Es el número de moléculas de oxígeno las cuales se encuentran en el aire en un instante dado,

la densidad del aire disminuye por la altitud, humedad y temperatura como lo representa la

figura 4.3. Con una densidad del aire baja, un motor alternativo de combustión interna

funcionaria con una mezcla rica de comburente-carburante, ya que existe poca concentración

de oxígeno, en cambio si la densidad del aire es alta funcionaria con una mezcla pobre de

comburente-carburante. (Velasco Hurtado & Velasco Villarroel, 2014)

Figura 4.3 Concentración de oxígeno sobre el nivel del mar a 20 o C.

Fuente: (Velasco Hurtado & Velasco Villarroel, 2014)

 Humedad

Cuando la humedad del medio ambiente aumenta, el octanaje requerido para un óptimo

funcionamiento del motor es menor, es decir decrece de 0.25 a 0.35 por cada gramo de agua

que se le agregue a un kilogramo de aire seco. (Scovino Villalobos, 2013)

 Temperatura ambiente

La temperatura ambiente actúa directamente en la densidad del aire, cuando ésta disminuye

la densidad del aire aumenta y con altas temperaturas la densidad disminuye. (Cantos Rojas &

Toledo Garzón, 2015)


7
4.2 OBD (On Board Diagnostics, Parameter Identification) Diagnóstico a bordo,

Identificación de parámetros

Es un sistema que se utiliza para realizar diagnósticos electrónicos a bordo ya que se encuentra

incorporado en los vehículos, además tiene la función de poder monitorear e inspeccionar tanto a

los motores como a otros dispositivos integrados (sensor de oxígeno, VSS, MAP, TPS, IAT, ECT,

entre otros).

4.2.1 OBD – I

Este sistema fue perfeccionado a fines de los años 80, siendo el origen del diagnóstico a bordo

y obligatorio en los Estados Unidos en todos sus vehículos, especialmente en el gobierno del estado

de california, con la finalidad de reducir los niveles de gases contaminantes producidas por los

vehículos en aquellos tiempos.

El funcionamiento se basaba solo en monitorear algunos componentes relacionados con las

emisiones y debido a esto no se podía obtener datos del funcionamiento de un sensor y mucho

menos conocer la manera de localizar una avería. En el conector de diagnóstico se realizaba un

puente entre sus pines, y mediante un numero de destellos de luz se generaba un código y la avería

que pertenece a ese código, por consiguiente, determinar el origen de la misma se requería de

mayores periodos de tiempo.

Por tales razones fue necesario la actualización del sistema de diagnóstico, donde fuera más

sencillo obtener parámetros y datos de funcionamiento en los vehículos, de esta forma nació la

necesidad de implementar un sistema que sea más efectivo en el análisis y amigable con el

ambiente, el OBD-II.

8
4.2.2 OBD – II

Es un nuevo modelo perfeccionado del OBD-I que fue introducido en el año de 1996, este

sistema proporciona un mayor control del motor. Los Estados Unidos aplicó una ley en la que

todos los vehículos construidos, importados y vendidos en el país debían estar provistos con el

sistema OBD-II.

Este sistema tiene como objetivo preservar el medio ambiente, realizando un control de

emisiones más profundo. El gobierno de Estados Unidos empleo una prueba denominada FTP

(Federal Test Procedure), que fue instaurada por la Agencia de Protección Ambiental (EPA), la

cual se realiza en carretera o en bancos dinamométricos gracias al diagnóstico a bordo y su

principal ventaja en relación al anterior, es el conector único con protocolos de conexión

normandos lo que agiliza tiempos de diagnóstico. (García Montero, 2013)

4.3 Ciclos de conducción

El ciclo de conducción es la representación gráfica de la velocidad del vehículo en dicho

instante con relación al tiempo, adquirido dentro de un espacio determinado. Es utilizado para

estimar el consumo de carburante y emisiones de gases tóxicos a vehículos livianos, pesados y

motocicletas.

Dentro de los ciclos de conducción desarrollados, existen los siguiente:

 Los legislativos, son ciclos de conducción establecidos por el gobierno, creados para

controlar los gases contaminantes que emiten los motores.

 Los no legislativos, son ciclos de conducción desarrollados en laboratorios, establecidos

para tasar el consumo de carburante y emisiones toxicas generadas por el motor de un

vehículo.
9
Existen varios países que han desarrollado ciclos de conducción, siendo los más desarrollados

los siguientes: Estados Unidos, la Unión Europea, Hong Kong, Australia, Japón, entre otros.

(Hurtado, 2014)

4.3.1 Ciclos de conducción en los EE.UU.

Estados Unidos desarrollo uno de los ciclos más representativos e importantes del mundo

denominado FTP (Procedimiento de Prueba Federal), el mismo que fue creado con reglamentos y

procedimientos para la correcta obtención de inventarios de emisiones contaminantes y consumo

de combustible provenientes del parque automotor liviano de todo el país.

4.3.1.1 Ciclo de conducción FTP-72

El ciclo FTP-72, también se denomina como: Programa de Conducción Urbano en

Dinamómetro (UDDS, Urban Dynamometer Driving Schedule) o ciclo LA-4. (Peréz & Quito,

2018)

Figura 4.4 Ciclo de conducción FTP-72.

Fuente: (Peréz & Quito, 2018)

El ciclo supone con paradas frecuentes, una ruta urbana de 7.5 𝑚𝑖𝑙𝑙𝑎𝑠 (12.07 𝑘𝑚), con una

velocidad máxima de 56.7 𝑚𝑝ℎ (91.25 𝑘𝑚/ℎ) y una velocidad promedio de 19.6 𝑚𝑝ℎ

(31.5 𝑘𝑚/ℎ).
10
El ciclo se constituye de dos etapas: La etapa inicial de 505 segundos comienza con un arranque

en frío y la siguiente etapa de 867 segundos, con una velocidad promedio de 5.78 𝑘𝑚 a

41.2 𝑘𝑚/ℎ.

4.3.1.2 Ciclo de conducción FTP-75

El ciclo FTP-75 es una variante que se deriva del ciclo FTP-72, incrementando una tercera fase

de 505 segundos con arranque en caliente, esta fase empieza después de que el motor se detenga

durante 10 minutos.

Por tanto, todo el ciclo FTP-75 está constituido de las siguientes secciones:

 Fase momentánea de arranque en frío de 0 a 505 segundos (Temperatura 20 - 30 °C),

 Fase de estabilización de 506 a 1372 segundos,

 Remojo en caliente (mínimo 540 segundos y máximo 660 segundos),

 Fase momentánea de arranque en caliente de 0 a 505 segundos.

Figura 4.5 Ciclo de conducción FTP-75.

Fuente: (Peréz & Quito, 2018)

11
5 ESTADO DEL ARTE

Según (Arroyo Cazorla, 2014), indica que mediante la tecnología de comunicación OBD-II

empleada en los vehículos, se pueden obtener datos del mismo y llevarlos a una plataforma de

análisis como en el caso de estudio del autor, el Smartphone, que tiene la capacidad de comunicarse

a un dispositivo ubicado en el conector OBD-II, el cual permite registrar datos provenientes de la

unidad de control del vehículo y por medio de este son transmitidos a un servidor para el análisis

de los datos.

(Muñoz Rodríguez, 2017) plantea en su proyecto de análisis elaborado en Barcelona-España,

la ejecución de una base de datos de los estados de tráfico y emisiones contaminantes, donde

analiza comportamientos ante el tráfico y la sincronía de los semáforos utilizando ciclos reales de

conducción para la estimación de los mismos mediante el registro de datos del vehículo a través

de una aplicación de telefonía móvil, lo cual concluye que las emisiones de gases contaminantes

se reducen en un 50 % si los semáforos se sincronizan.

(Coronel Suárez, 2018) estima el consumo de combustible de vehículos equipados con

plataforma de diagnóstico vehicular OBD2, basándose en los datos obtenidos a partir del

dispositivo Freematics ONE + que almacena los datos, y en base al consumo ya registrado durante

un ciclo de conducción obtiene datos de consumo más próximos a los reales, además con la

aplicación de redes neuronales valida la estimación del consumo con precisión del 96 % que la

otorgada por los sensores, ya que se basa en datos reales del motor.

12
El estudio realizado por los señores (Cabrera Palacios & Chiluiza Luna, 2018) en su proyecto,

es el diagnóstico oportuno de fallas prematuras en vehículos de categoría M1, mediante la

adquisición de datos a través del sistema de diagnóstico vehicular OBD-II por medio del

dispositivo Freematics ONE +, donde pretenden reducir el consumo de carburante, emisiones de

gases contaminantes, costos y periodos de diagnóstico con la aplicación de un algoritmo de

aprendizaje automático. Posteriormente analizan los parámetros obtenidos con la ayuda del

software Matlab para establecer la importancia de resultados y el vínculo que determina si

intervienen o no en el estudio.

(Gárate Moltalvo, 2018) en su proyecto, efectúa la programación del dispositivo Freematics

ONE + con la finalidad de adquirir datos procedentes del sistema de diagnóstico OBD-II para

luego analizarlos y estructurarlos mediante el software Matlab. Las señales obtenidas de los PID’s

son filtradas y procesadas para eliminar ruidos procedentes de las vibraciones del vehículo, con el

objetivo de poder trabajar con redes neuronales y aparatos de soporte vectorial en futuros proyectos

de carácter investigativo.

13
6 MARCO METODOLÓGICO

6.1 Fase I: Obtención de las señales de los PID’s y valores de emisiones contaminantes en

microciclos de conducción mediante dispositivos de adquisición de datos

6.1.1 Planificación experimental para la obtención de datos

En primer lugar, se debe determinar el problema el cual se pretende abordar por medio de la

aplicación del diseño experimental y además conocer cuáles serían las causas que infieren las

respuestas del sistema en estudio.

En la figura 6.1 se representan los factores que afectan el comportamiento y funcionamiento

del sistema en estudio, en este caso del motor de combustión interna, se catalogan en: variables de

ingreso, variables de ruido, variables de bloqueo y variables de salida.

Variables de Bloqueo

Variables de Ingreso PROCESO Variables de Salida

Variables de Ruido

Figura 6.1 Factores de incidencia.

Fuente: (Rivera & Chica, 2015)

14
6.1.1.1 Variables de ingreso

También llamadas variables de estudio, que intervienen directamente en las variables de salida

o de respuesta, de tal modo que las variables tienen que ser independientes entre sí, dicho de otro

modo, el cambio de un factor de entrada no tiene que influir en el cambio de otro factor de entrada,

ya que se generarían inconvenientes en la elaboración del experimento.

En la tabla 6.1 se detallan las variables de ingreso.

Tabla 6-1 Variables de Ingreso.

Variables de Ingreso Símbolo Unidad

Monóxido de carbono (CO) [%]

Dióxido de carbono (CO2) [%]

Hidrocarburos (HC) [ppm]

Oxígeno (O2) [%]

Óxidos de nitrógeno (NOx) [ppm]

Temperatura del refrigerante (ECT) [%]

Flujo másico de aire (MAF) [g/s]

Presión absoluta del colector (MAP) [kPa]

Régimen de giro del motor (n) [rpm]

Posición de acelerador (TPS) [%]

Velocidad del vehículo (VSS) [Km/h]

Sensor de oxígeno (O2) [V]

15
6.1.1.2 Variables de bloqueo

Las variables de bloqueo también se conocen como elementos controlables, son variables de

ingreso que se colocan a un nivel de trabajo, cuya importancia en las variables de salida no se

pretende evaluar.

Para este estudio, las variables de bloqueo consideradas se aprecian en la tabla 6.2.

Tabla 6-2 Variables de Bloqueo.

Variables de Bloqueo Símbolo Valores Unidad

Temperatura del lubricante Tlub 90 -105 [o C]

Temperatura del refrigerante Tref 85 - 95 [o C]

6.1.1.3 Variables de Ruido

Son variables difíciles de controlar durante el proceso de experimentación en la toma de

muestras, en este caso para la ciudad de Cuenca son variables que el experimentador no puede

modificar, por lo tanto, las variables de salida podrían variar su comportamiento debido a estos

factores.

Las variables consideradas se exhiben en la tabla 6.3.

Tabla 6-3 Variables de Ruido.

Variables de Ruido Símbolo Valores Unidad

Presión atmosférica Patm 70 - 80 [KPa]

Temperatura del aire Taire 15 - 25 [o C]

Humedad relativa del aire Hrel 60 - 65 [%]

16
6.1.1.4 Variables de Salida

Este tipo de variables muestran los resultados obtenidos de cada muestra, es decir son las

variables de respuesta del experimento cuyo valor interesa ajustar, y así poder evaluar su

comportamiento. Las variables de salida son los gases contaminantes.

En la tabla 6.4 se aprecian las variables de salida que se obtendrán.

Tabla 6-4 Variables de Salida.

Variables de Salida Símbolo Unidad

Monóxido de carbono (CO) [%]

Dióxido de carbono (CO2) [%]

Hidrocarburos (HC) [ppm]

Oxígeno (O2) [%]

Óxidos de nitrógeno (NOx) [ppm]

6.1.1.5 Unidad experimental

Está constituida por todos los elementos que se van a utilizar en el proceso de generación y

obtención de datos durante el experimento.

6.1.1.5.1 Vehículos de prueba

 Vehículo A

En la figura 6.2 se presenta el vehículo el cual se utiliza para adquisición de datos, Kia

Sportage R 2.0L

17
Figura 6.2 Vehículo A de pruebas.

En la tabla 6.5 se presentan las especificaciones del vehículo.

Tabla 6-5 Especificaciones del vehículo A.

Datos Especificaciones

Marca Kia

Modelo Sportage R 2.0L 4x2 GSL MT FULL

Año de modelo 2012

Combustible Gasolina

Cilindrada 1998 CC

Potencia máxima 152 HP @ 6200 rpm

Torque máximo 191 N.m @ 4700 rpm

Alimentación Inyección multipunto

Cilindros 4 en línea

Kilometraje actual 113.500 km

18
 Vehículo B

En la figura 6.3 se presenta el vehículo que se utiliza para adquisición de datos, Hyundai

Tucson IX 2.0L

Figura 6.3 Vehículo B de pruebas.

En la tabla 6.6 se presentan las especificaciones del vehículo.

Tabla 6-6 Especificaciones del vehículo B.

Datos Especificaciones

Marca Hyundai

Modelo Tucson IX GL 5P 4x2 2.0 TM AC

Año de modelo 2011

Combustible Gasolina

Cilindrada 1999 CC

Potencia máxima 156 HP @ 6000 rpm

Torque máximo 192 N.m @ 4000 rpm

19
Alimentación Inyección multipunto

Cilindros 4 en línea

Kilometraje actual 91975 km

 Vehículo C

En la figura 6.4 se presenta el vehículo que se utiliza para adquisición de datos, Toyota

Hilux 2.4L

Figura 6.4 Vehículo C de pruebas.

En la tabla 6.7 se presentan las especificaciones del vehículo.

Tabla 6-7 Especificaciones del vehículo C.

Datos Especificaciones

Marca Toyota

Modelo Hilux 4x2 CD

Año de modelo 2003

20
Combustible Gasolina

Cilindrada 2438 CC

Potencia máxima 138 HP @ 5000 rpm

Torque máximo 212 N.m @ 4000 rpm

Alimentación Inyección multipunto

Cilindros 4 en línea

Kilometraje actual 103250 km

 Vehículo D

En la figura 6.5 se presenta el vehículo que se utiliza para adquisición de datos, Chevrolet

Optra 1.8L

Figura 6.5 Vehículo D de pruebas.

En la tabla 6.8 se presentan las especificaciones del vehículo.

21
Tabla 6-8 Especificaciones del vehículo D.

Datos Especificaciones

Marca Chevrolet

Modelo Optra 1.8L T/M Limited

Año de modelo 2006

Combustible Gasolina

Cilindrada 1799 CC

Potencia máxima 121 HP @ 5800 rpm

Torque máximo 165 N.m @ 4000 rpm

Alimentación Inyección multipunto

Cilindros 4 en línea

Kilometraje actual 193000 km

6.1.1.5.2 Medidor de revoluciones

Para la experimentación es necesario utilizar el medidor de revoluciones Brain Bee MGT-300

EVO, el cual permite medir el régimen de giro del motor (RPM) y temperatura de motores a

gasolina o diésel.

El medidor funciona con energía propia o con energía de la batería del vehículo, ya que consta

con arnés para su carga. Posee un sensor magnético para la correcta medición del régimen de giro

del motor y un sensor de temperatura que va insertado en lugar de la varilla de medir el nivel de

aceite del motor, el cual permite obtener la temperatura del lubricante del motor.

22
Este equipo puede funcionar simultáneamente con el analizador de gases Brain Bee AGS-688,

ya que posee comunicación inalámbrica vía radio que le permite al analizador recibir al mismo

tiempo los parámetros de RPM y temperatura del motor.

En la figura 6.6 se aprecia el medidor que permite obtener datos indispensables para un posterior

diagnóstico.

Figura 6.6 Medidor de revoluciones Brain Bee MGT-300.

En la tabla 6.9 se aprecian los intervalos de medición del medidor.

Tabla 6-9 Rangos de medición del medidor MGT-300 EVO.

Variables Intervalo Unidad

RPM 300 - 9990 [min-1]

Temperatura 20 - 200 [o C]

6.1.1.5.3 Analizador de gases de escape

El analizador que se emplea para la adquisición de datos en la experimentación es el Brain Bee

AGS-688, siendo una herramienta ideal para determinar las diferentes concentraciones de

emisiones contaminantes emitidas por los vehículos.

23
En la figura 6.7 se muestra el analizador, el cual realiza la medición de todos los gases

contaminantes como: hidrocarburos (HC), dióxido de carbono (CO2), oxígeno (O2), óxidos de

nitrógeno (NOx) y monóxido de carbono (CO).

Figura 6.7 Analizador de gases Brain Bee AGS-688.

En la tabla 6.10 se presentan las especificaciones técnicas del analizador.

Tabla 6-10 Especificaciones técnicas del analizador de gases Brain Bee AGS – 688.

Variables Símbolo Intervalo Unidad

Oxígeno (O2) 0 - 25 [%]

Dióxido de carbono (CO2) 0 - 19.9 [%]

Hidrocarburos no combustionados (HC) 0 - 9999 [ppm]

Monóxido de carbono (CO) 0 – 9.99 [%]

Óxidos de nitrógeno (NOx) 0 - 5000 [ppm]

Lambda (λ) 0.5 - 5 [-]

Contador de rpm (RPM) 300 - 9990 [min-1]

Medidor de temperatura 20 - 150 [o C]

24
El analizador de gases AGS-688 posee eficaces funciones de diagnóstico de las emisiones

contaminantes de los vehículos, ya que al conectarlo a un ordenador se puede utilizar el software

omniBUS-800 el cual tiene características para que el equipo sea más vigoroso en el análisis.

En la figura 6.8 se muestra la ventana principal del software omniBUS-800.

Figura 6.8 Software omniBUS-800.

6.1.1.5.4 Freematics ONE +

El Freematics ONE +, es una plataforma de creación de prototipos telemáticos para vehículos

programables más arduino, siendo una versión modernizada del Freematics ONE.

Es un pequeño adaptador (OBD) que se acopla al conector OBD-II del automóvil y actúa como

un instrumento de registro de datos independiente o dispositivo informático de borde, el cual tiene

comunicación con la ECU del automóvil obteniendo información de todos los PID’s (OBD-II)

estándar, además trabaja como GPS y guarda datos en la tarjeta microSD. (Freematics, 2018)

Las principales características del Freematics ONE + son:

25
 Procesador ARM SoC de doble núcleo programable con Arduino.

 Conexiones por WiFi y Bluetooth de alto rendimiento.

 Detección de ubicación, magnitud de fuerza G, y movimiento.

 Obtención de geolocalización con alta precisión y velocidad.

 Comunicación desde la ECU del automóvil a los PID’s OBD-II estándar, DTC, VIN.

 Lectura de la tensión del acumulador de energía del automóvil.

 Guarda datos en una tarjeta microSD interna.

 Transferencia de datos en tiempo real por red celular o WiFi. (Freematics, 2018)

En la figura 6.9 se observa el Freematics ONE +.

Figura 6.9 Freematics ONE +.

Fuente: (Freematics, 2018)

6.1.1.5.5 Inversor de corriente

El inversor que se utiliza para convertir el voltaje de entrada de CC de 12v del vehículo a 120v

de salida de CA, es el TRUPER INCO-100 que se aprecia en la figura 6.10.

26
Figura 6.10 Inversor de corriente TRUPER INCO-100.

En la tabla 6.11 se presentan las especificaciones técnicas del inversor.

Tabla 6-11 Especificaciones técnicas del inversor TRUPER INCO-100.

Entrada Tensión - Corriente 12 V - 0,45 A

Salida Tensión - Frecuencia - Potencia 120 V ̴ - 60 Hz - 100 W

Puerto USB Tensión - Corriente 5 V - 500 mA

6.1.1.5.6 Tipología de los microciclos

Para llevar a cabo la obtención de datos, es necesario utilizar microciclos de conducción que

representen un manejo habitual dentro de la ciudad de Cuenca, de manera que, las variables de

entrada generadas durante la operación de los vehículos sean las correctas.

Los microciclos se pueden ser clasificar y representar en acción del número de variaciones

ocurridas en la pendiente de la gráfica de velocidad y según el signo, es decir, positivo para

aceleraciones y negativo para las desaceleraciones. (Román de Andres, 2014)

La representación gráfica de los tipos de microciclos con respecto al diagrama velocidad-tiempo

se muestran en la figura 6.11

27
Figura 6.11 Clasificación de los tipos de microciclos.

Fuente: (Román de Andres, 2014)

28
6.1.1.5.7 Ruta establecida para la ejecución de las pruebas

Para la toma de datos en los diferentes tipos de vehículos, se estableció una ruta donde existe

poca afluencia de vehículos y peatones, ya que al realizar los microciclos de conducción se necesita

circular a una velocidad promedio de 60 km/h.

La avenida X Juegos Bolivarianos perteneciente a la Parroquia Hermano Miguel de la ciudad

de Cuenca, fue la seleccionada para la ejecución de las pruebas.

En la figura 6.12 se exhibe la avenida establecida.

Figura 6.12 Ruta establecida para la ejecución de la pruebas.

29
6.1.2 Desarrollo de la corrida experimental para la obtención de datos

6.1.2.1 Método de adquisición de datos

El protocolo de pruebas correspondiente para la obtención de datos, se desarrolla durante

microciclos de conducción dentro de la ciudad de Cuenca.

Las pruebas para la adquisición de datos serán desarrolladas a bordo de los vehículos antes

mencionados, los cuales llevarán incorporados los siguientes dispositivos (Figura 6.13): el medidor

de revoluciones, el freematics ONE +, el analizador de gases y una computadora con el software

omniBUS-800; para ello se requiere seguir un proceso de medición ordenado.

Figura 6.13 Dispositivos para adquisición de datos.

6.1.2.2 Protocolo de medición

Para asegurar la correcta adquisición de los datos durante el experimento, es necesario seguir

un protocolo de medición ordenado que se detalla a continuación en la figura 6.14:

30
INICIO

Encender el analizador de
gases y ejecutar el software
del mismo, esperar su
calentamiento mediante la
Instalar los prueba de estanqueidad
dispositivos de
medición en el
vehículo.

Prueba de ruta
mediante los
Dirigirse a la ruta
microciclos
establecida

Encender el medidor de Al finalizar la prueba, apagar el


revoluciones y conectar el motor y esperar que el foco led
sensor de temperatura del aceite del Freematics se apague para
desmontarlo

Guardar los datos obtenidos del


Conectar la sonda analizador de gases y del
del analizador de Freematics de cada vehículo
gases en el tubo de
escape

Datos
validos
Con el switch de encendido
cerrado, conectar el
Freematics en el puerto OBD-
II, verificar que el foco led de
color azul se apague y FIN
encender el motor

Figura 6.14 Flujograma para obtención de datos

31
6.2 Fase II: Comprobación de los datos obtenidos mediante métodos estadísticos

6.2.1 Visualización de datos obtenidos

Los valores de emisiones contaminantes medidos por el analizador de gases y las señales de los

PID’s que obtiene el Freematics de los diferentes tipos de vehículos durante la ejecución de las

pruebas, se almacenan en hojas de cálculo como se muestran en las figuras 6.15 y 6.16. Estos datos

se generan al encender, poner en marcha el vehículo y apagar el motor del mismo. El tiempo

aproximado de muestreo del analizador de gases es de 333,33 ms.

Figura 6.15 Valores de emisiones contaminantes obtenidos con el analizador de gases.

32
Figura 6.16 Valores de la señales de los PID’s obtenidos con el Freematics ONE +.

(Gárate Moltalvo, 2018) desarrolló un algoritmo en el software Matlab para la correcta

organización de los datos provenientes del sistema de diagnóstico OBD-II, el cual se usa para

visualizar las señales de los PID’s en los diferentes vehículos de estudio, como se muestra en la

figura 6.17.
33
Figura 6.17 Graficas de los PID’s.

6.2.2 Redimensionamiento de las matrices de muestreo.

Las matrices de datos obtenidas del dispositivo Freematics contienen más de un microciclo, y

debido a esto se recorta el tamaño de las mismas, en base a la morfología del microcilo 1 de la

figura 6.11 y define el tamaño del vector del VSS necesario, siendo este a su vez el que recorta las

demás matrices de los PID’s como se muestra en las figuras 6.18 y 6.19.

Figura 6.18 Visualización de los PID’s durante un microciclo – parte A.


34
Figura 6.19 Visualización de los PID’s durante un microciclo – parte B.

Puesto que la velocidad de muestreo del Freematics es mayor que la del analizador de gases, se

iguala el tamaño de las matrices mediante el software Matlab con el comando “resample”, para

obtener la matriz de gases del mismo tamaño que la del Freematics, como se aprecia en la figura

6.20.

Figura 6.20 Redimensionamiento de las muestras de gases contaminantes y PID’s.

35
6.2.3 Validación de emisión de gases contaminantes

Para la validación de los datos se utiliza el software Minitab que sirve para la ejecución de

análisis estadísticos, usando graficas de caja y valores individuales se muestra la dispersión y

concentración de los datos que influyen en el análisis de los gases contaminantes.

Para el análisis de los datos se toma en cuenta el microciclo (1) ejecutado durante las pruebas,

como se aprecia en la figura 6.21.

Figura 6.21 Microciclo 1 teórico-real.

6.2.3.1 Validación de gases del vehículo Kia Sportage R

 Gráficas de monóxido de carbono (CO)

En la figura 6.22 se observa que el mayor agrupamiento de CO se ubica bajo el 1%, siendo esta

la región más representativa en la que, el valor mínimo de la caja (Q1) es de 0.11, el máximo (Q3)

de 0.61 y la mediana de 0.29.

En el bigote inferior el valor es de 0.06 y en el superior de 4.3; cabe recalcar que los valores

atípicos mostrados sobre el bigote superior de la caja no son datos erróneos, sino que los mismos

son altos debido a la demanda de energía del motor, lo que incrementa la emisión de CO.
36
4

3
CO [%]

Figura 6.22 Gráfica de caja de CO – vehículo A.

De 123 muestras tomadas, se puede apreciar que la mayor concentración de CO se encuentra

dentro de la zona marcada de color rojo en la figura 6.23.

3
CO [%]

Figura 6.23 Gráfica de valores individuales de CO – vehículo A.


37
 Gráficas de dióxido de carbono (CO2)

En la figura 6.24 se puede apreciar que el mayor agrupamiento de CO2 se ubica sobre el 11%,

es decir la zona más distintiva está entre el valor mínimo de la caja (Q1) de 11.5, el máximo (Q3)

y la mediana de 12.6.

El valor en el bigote inferior es de 10.7 y en el superior de 12.9; los valores atípicos mostrados

bajo el bigote inferior de la caja no son datos errados, ya que los valores son bajos debido al corte

de inyección de combustible, lo que disminuye la emisión de CO2.

13

12

11

10
CO2 [%]

Figura 6.24 Gráfica de caja de CO2 – vehículo A.

En la figura 6.25, se observa que la mayor acumulación de CO2 se encuentra dentro de la zona

marcada de color rojo.

38
13

12

11

10
CO2 [%]

Figura 6.25 Gráfica de valores individuales de CO2 – vehículo A.

 Gráficas de hidrocarburos no combustionados (HC)

En la figura 6.26, se observa que los valores de HC están dentro del valor mínimo de la caja

(Q1) de 42ppm, el máximo (Q3) de 129 y la mediana de 126. El valor en el bigote inferior es de

32 y en el superior de 143.

Los valores de HC mostrados sobre el valor máximo de la caja, no son datos inválidos, por lo

que, los mismos son altos debido a que el catalizador se encuentra bajo el rango de temperatura

normal de funcionamiento

39
150

125

100
HC [ppm]

75

50

Figura 6.26 Gráfica de caja de HC – vehículo A.

En la figura 6.27, se nota que la mayor cantidad de valores de HC se encuentra en las 125 ppm,

como se muestra en la zona marcada de color rojo.

150

125

100
HC [ppm]

75

50

Figura 6.27 Gráfica de valores individuales de HC – vehículo A.


40
 Gráficas de oxígeno (O2)

El valor de oxígeno en el bigote inferior de la caja es de 0.66% y en el superior de 2.8 como se

aprecia en la figura 6.28. Los valores atípicos mostrados sobre el bigote superior no son datos

erróneos, ya que estos son altos debido al corte de inyección de combustible.

La mayor cantidad de valores de O2 se hallan ubicados bajo el 3%, donde la zona más

significativa se encuentra entre el valor mínimo de la caja (Q1) de 1.48, el máximo (Q3) de 2.11 y

la mediana de 1.62.

12

10

8
O2 [%]

Figura 6.28 Gráfica de caja de O2 – vehículo A.

Dentro de la zona marcada de color rojo, se encuentra la mayor concentración de O 2, como se

observa en la figura 6.29.

41
12

10

8
O2 [%]

Figura 6.29 Gráfica de valores individuales de O2 – vehículo A.

 Gráficas de óxidos de nitrógeno (NOx)

Los valores atípicos de NOx mostrados sobre la caja en la figura 6.30, no son valores erróneos,

ya que mientras más carga se le dé al motor mayor será la emisión de óxidos nitrosos.

La mayor concentración de valores de NOx se localizan bajo las 100ppm, donde el valor

mínimo de la caja (Q1) es 17, el máximo (Q3) de 102 y la mediana de 31.

42
800

700

600

500
NOx [ppm]

400

300

200

100

Figura 6.30 Gráfica de caja de NOx – vehículo A.

De las muestras recopiladas de NOx, la mayor concentración se encuentra dentro de la zona

marcada de color rojo en la figura 6.31.

800

700

600

500
NOx [ppm]

400

300

200

100

Figura 6.31 Gráfica de valores individuales de NOx – vehículo A.


43
En la validación de los gases contaminantes de los diferentes vehículos en estudio, se observa

una similitud en el comportamiento de la emisión de gases que generan los mismos durante un

microciclo de semejantes características. En el anexo A, se muestra la validación de gases de los

vehículos Hyundai, Toyota y Chevrolet.

44
6.3 Fase III: Descripción de los datos obtenidos de los PID’s en relación con las emisiones de

gases contaminantes, mediante un modelo matemático

6.3.1 Caracterización de emisiones contaminantes con relación a los PID’s en el vehículo

Kia Sportage R.

En la figura 6.32 se muestra el microciclo 1 real, el mismo que se utiliza para la caracterización

de gases contaminantes con relación a los PID’s.

Figura 6.32 Microciclo 1 real.

A continuación, en la tabla 6.12 se detallan los rangos para indicar los distintos valores de carga

del motor:

Tabla 6-12 Índices de carga del motor

Carga PID’s Valor


TPS ≤ 20 %
Baja
MAP ≤ 35 kPa
TPS ≥ 80 %
Alta
MAP ≥ 70 kPa

45
En la figura 6.33 se observa la concentración de NOx emitido al ambiente durante el microciclo

mostrado, el cual se incrementa cuando existen altas revoluciones y alta carga del motor.

Cuando la carga es baja o cercana al valor de ralentí y el TPS tiene un valor menor al 10 %, los

NOx disminuyen un 95 % de ppm, aunque el régimen del motor es alto, lo que indica que la

inyección de combustible se suspende.

Figura 6.33 Comportamiento del NOx con relación al VSS y RPM.

En la figura 6.34 se corrobora que los NOx aumentan a 750 ppm cuando existen aceleraciones

y disminuyen en un 95 % en desaceleraciones del vehículo con bajas cargas.

46
Figura 6.34 Comportamiento del NOx con relación al VSS y aceleración del vehículo.

En la figura 6.35 se puede apreciar que el nivel de CO aumenta, cuando la velocidad del

vehículo a superado los 25 km/h, es decir el mismo ya se encuentra en movimiento, por

consiguiente, el nivel aumenta agresivamente ya que la carga al motor es mayor, lo que afirman

los valores del MAP con 72 kPa y TPS con 85 %, debido a esto el nivel de CO supera el 3.5 %

vol.

En el momento que llega a la máxima velocidad, se deja de acelerar el motor como se observa

en el valor del TPS y el valor del MAP cercano al de ralentí, lo que indica que se corta la inyección

de combustible, por lo tanto, el nivel de CO decrece un 3 % vol.

47
Figura 6.35 Comportamiento del CO con relación al VSS y RPM.

Cuando la aceleración del vehículo es rápida y no existe mayor carga, el nivel de CO no crece

considerablemente, lo que no ocurre cuando la aceleración en el mismo es media y la carga alta,

es decir el nivel de CO aumenta a 3.5 % vol. De inmediato al soltar el pedal del acelerador se tiene

una desaceleración y por ende un corte de inyección, donde la emisión de CO se reduce a 0.5 %

vol., como se aprecia en la figura 6.36.

48
Figura 6.36 Comportamiento del CO con relación al VSS y aceleración de vehículo.

En la figura 6.37 se aprecia el comportamiento del CO2, el mismo que permanece en valores

superiores al 12 %.

Cuando el TPS y el MAP tienen valores de 85 % y 73 kPa respectivamente, es decir altas cargas,

el nivel de CO2 se reduce al 11 % vol. Por el contrario, si los valores del TPS y MAP son 16 % y

23 kPa respectivamente, el CO2 disminuye al 5 % vol., lo cual indica que no hay ingreso de

combustible al motor. En cambio, cuando se reestablece la inyección, el porcentaje de CO 2 se eleva

con valores mayores al 12 % vol.

49
Figura 6.37 Comportamiento del CO2 con relación al VSS y RPM.

Al no existir mayores cargas en el motor, aunque el vehículo está en aceleraciones bruscas el

CO2 no se reduce, mientras que el mismo disminuye al 11 % vol. durante altas cargas del TPS y

el MAP con 85 % y 73 kPa respectivamente.

Si el motor está en desaceleración el CO2 decrece al 5 % vol., y en el tiempo que la inyección

de combustible se reanuda el mismo aumenta su nivel de concentración por encima del 12 % vol.

como se enseña en la figura 6.38. Cabe mencionar que los valores de CO2 que se encuentran en 4

y 9 %, son datos que no se toman en cuenta para el análisis, ya que el redimensionamiento produce

estos valores.

50
Figura 6.38 Comportamiento del CO2 con relación al VSS y aceleración del vehículo..

Como se aprecia en la figura 6.39, la concentración del HC es de 125 ppm debido a que, al

iniciar la prueba, la temperatura del catalizador está bajo la normal de funcionamiento.

Los HC aumentan a 140 ppm en vista de que el TPS y el MAP tienen valores de 85 % y 73 kPa

respectivamente, es decir altas cargas; al llegar a la máxima velocidad se libera el pedal del

acelerador y por ende se corta la inyección de combustible dando como resultado una reducción

de la emisión de HC a 40 ppm.

51
Figura 6.39 Comportamiento del HC con relación al VSS y RPM.

Los HC se mantienen estables durante aceleraciones altas ya que no existen grandes cargas, y

aumentan a 140 ppm su concentración con mayores cargas y aceleraciones medias.

Al existir un cambio de aceleración de positiva a negativa, se observa en la figura 6.40 que los

HC disminuyen a 40 ppm debido al corte de inyección y la estabilización de la temperatura del

catalizador que se produce durante la prueba, de inmediato la inyección se restituye para mantener

el motor encendido.

52
Figura 6.40 Comportamiento del HC con relación al VSS y aceleración del vehículo.

En la figura 6.41 se observa que el O2 se mantiene bajo el 2 % vol. e incluso disminuye su valor

con mayores cargas como lo indican los valores del TPS con 85 % y el MAP con 73 kPa.

Al liberar el pedal del acelerador en la máxima velocidad de prueba, se produce el corte de

inyección, donde el O2 incrementa su concentración hasta valores superiores del 11 % vol., a

continuación, se reanuda la inyección dando lugar a la reducción del O 2 por la quema del

combustible a valores próximos al 2 % vol.

53
Figura 6.41 Comportamiento del O2 con relación al VSS y RPM.

Durante grandes aceleraciones del vehículo y cargas del motor, el O 2 se mantiene en bajo el 2

% vol. como se observa en la figura 6.42. En cambio, al alcanzar la máxima velocidad existe una

desaceleración al liberar el pedal del acelerador que genera un aumento del O2 a un 11 % vol.

provocado por la ausencia de combustible, consiguientemente a esto se produce la reapertura de

combustible lo cual reduce el nivel de O2 al 2 % vol.

54
Figura 6.42 Comportamiento del O2 con relación al VSS y aceleración de vehículo..

En la caracterización de gases contaminantes con relación a los PID’s, se observa una semejanza

en el comportamiento de los mismos en los diferentes vehículos analizados como se puede

observar en el anexo B.

55
6.3.2 Análisis de la importancia de los PID’s durante las emisiones de gases contaminantes,

mediante Random Forest

6.3.2.1 Random Forest

Es un procedimiento de árboles de decisión (TreeBagger), que permiten analizar el valor de las

variables, en base a un grupo de árboles aleatorios que cuenta la cantidad de veces que cada

variable es selecta, por cada árbol individual del conjunto. Son un tipo de algoritmos de aprendizaje

supervisado, que al usarse con Matlab sirven para pronosticar la importancia de los predictores, es

decir las variables que más influyen durante el análisis.

Para efectuar la valoración de la importancia de los predictores hay 3 métodos:

 Curvature test

Es una prueba estadística la cual valora la probabilidad nula de que 2 variables no están

relacionadas. Para ello elige el predictor (PID’s) de partición que reduce el valor (p) de los

ensayos de independencia chi-cuadrado, entre predictores y la salida de respuesta.

 Standart CART

Es un procedimiento que tiende a elegir predictores fraccionados que tienen diferentes

valores, en otras palabras, elige los predictores de partición que aumentan el rendimiento

del metodo, fraccionado sobre todas las particiones posibles de cada uno de los predictores.

 Interaction test

Esta prueba evalúa la probabilidad nula de que no existe interacción entre 2 variables

predictoras y la de salida; o sea selecciona el predictor de partición el cual reduce el valor

(p) de los test de independencia entre los predictores y la salida, y el valor (p) de un test de

independencia (X2) entre dos predictores y la salida. (León & Maldonado, 2018)

56
6.3.2.2 Análisis de la importancia de predictores para los gases contaminantes, en el vehículo

Kia Sportage R

Para el análisis de los datos se toma en cuenta el microciclo (1) ejecutado durante las pruebas,

como se muestra en la tipología de los microciclos (figura 6.11).

A continuación, en la tabla 6.13 se muestra la nomenclatura de los predictores utilizados en el

estudio.

Tabla 6-13 Nomenclatura de predictores (PID’s).

PID’s Nomenclatura

Derivada de la velocidad ACELERACION

Temperatura del refrigerante ECT

Temperatura del aire de admisión IAT

Presión absoluta del múltiple MAP

Sensor de oxigeno O2

Régimen de giro del motor RPM

Posición del acelerador TPS

Velocidad del vehículo VSS

 Influencia de predictores para emisión de (NOx)

Mediante el análisis de predictores para NOx se puede apreciar en la figura 6.43 que, de las tres

curvas de interacción, en dos de ellas muestra importancia el TPS y en la otra no, caso contrario

ocurre con el VSS que solo aparece en una, por lo tanto, no se toma en cuenta.

57
Figura 6.43 Predictores para NOx – vehículo A.

 Influencia de predictores para emisión de (HC)

En la figura 6.44 se observa que el TPS no tiene relevancia sobre la emisión de HC en las tres

curvas de interacción, además, tanto la ECT como el O 2 tienen poca importancia en solo una de

ellas, por esta razón se toman en cuenta al igual que los demás.

Figura 6.44 Predictores para HC– vehículo A.

58
 Influencia de predictores para emisión de (CO)

En las tres curvas de interacción de la figura 6.45, se puede observar que el VSS no tiene

importancia en la emisión del CO, por lo cual no se toma en cuenta para el análisis posterior.

Figura 6.45 Predictores para CO– vehículo A.

 Influencia de predictores para emisión de (CO2)

El PID del sensor de O2 no muestra importancia en ninguna de las tres curvas, en cambio la

ECT no tiene mucha importancia en dos de ellas y el VSS en una, es decir no se toma en cuenta el

O2 ni la ECT, como se aprecia en la figura 6.46.

59
Figura 6.46 Predictores de CO2– vehículo A.

 Influencia de predictores para emisión de (O2)

En el análisis de predictores para el O2 se observa que los PID’s, tanto de las RPM, IAT, O2 y

VSS no tienen mayor importancia durante la emisión del oxígeno, que se observa en la figura 6.47.

Figura 6.47 Predictores para el O2– vehículo A.

60
En el análisis de la importancia de los predictores (PID’s) mediante Random Forest, se nota un

parecido en la influencia que tienen sobre los gases contaminantes en todos los vehículos como se

muestra en el anexo C.

61
6.3.3 Entrenamiento de la RNA (Red Neuronal Artificial) con predictores (PID’s) y gases

contaminantes

6.3.3.1 (RNA)-Red Neuronal Artificial

Es un modelo matemático computacional, la cual está constituida por un grupo de neuronas

artificiales, conectadas entre sí para transmitirse señales. Posee propiedades específicas como la

habilidad de ajustarse, sistematizar u organizar la información, todo esto se basa en un

procesamiento eminentemente semejante. Las neuronas se unen en unidades estructurales llamadas

capas, donde suelen ser del mismo tipo dentro de la misma.

En RNA existen 3 tipos de capas:

 Entrada: toman señales o datos originarios del medio.

 Salida: facilitan la solución de la red.

 Ocultas: no toman ni proporcionan información, ya que actúan durante el procesamiento

interno de la red. (Hernández López, 2006)

6.3.3.1.1 Configuración de la RNA en el software Matlab

En Matlab se utiliza el comando (nnstart) para la creación de la RNA. En la figura 6.48 se

observa la estructura de la RNA con una capa de entrada, una capa oculta con la función de

activación (tansig) donde se usa un intervalo de 10 a 15 neuronas, y la capa de salida.

Para el entrenamiento de los datos se toma en cuenta el microciclo (1) ejecutado durante las

pruebas, como se muestra en la tipología de los microciclos (figura 6.11).

Figura 6.48 Estructura de la RNA.


62
6.3.3.2 Entrenamiento de la RNA para el vehículo Kia Sportage R

 Entrenamiento de la RNA para el NOx

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.49 se observa que el

mejor rendimiento de validación es 1.1627 en la etapa 44, donde el MSE (Error Cuadrático Medio)

se ubica por debajo de 101.

Figura 6.49 Rendimiento de la RNA para NOx – vehículo A.

En la figura 6.50, la variación de la simulación del NOx es de 2.3108 en la etapa 50, lo cual

significa que la misma es poco relevante.

Figura 6.50 Gradiente de la RNA para NOx – vehículo A.

63
En la figura 6.51 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de NOx, con un valor de 0.1001.

Figura 6.51 Histograma de error de la RNA para NOx – vehículo A.

En la figura 6.52 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.52 Regresión de la RNA para NOx – vehículo A.

64
La comprobación del NOx real con relación al simulado, tienen una variación máxima de error

de hasta 4 ppm, lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.53.

Figura 6.53 Validación de la RNA para NOx – vehículo A.

 Entrenamiento de la RNA para el HC

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.54 se observa que el

mejor rendimiento de validación es 0.10358 en la etapa 28, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-1.

Figura 6.54 Rendimiento de la RNA para HC – vehículo A.


65
En la figura 6.55, la variación de la simulación del HC es de 0.50512 en la etapa 34, lo cual

significa que la misma es poco relevante.

Figura 6.55 Gradiente de la RNA para HC – vehículo A.

En la figura 6.56 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de HC, con un valor de 0.006324.

Figura 6.56 Histograma de error de la RNA para HC – vehículo A.

66
En la figura 6.57 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.57 Regresión de la RNA para HC – vehículo A.

La comprobación del HC real con relación al simulado, tienen una variación máxima de error

de hasta 1 ppm, lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.58.

Figura 6.58 Validación de la RNA para HC – vehículo A.


67
 Entrenamiento de la RNA para el CO

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.59 se observa que el

mejor rendimiento de validación es 7.7036e-05 en la etapa 85, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-4.

Figura 6.59 Rendimiento de la RNA para CO – vehículo A.

En la figura 6.60, la variación de la simulación del CO es de 0.00087856 en la etapa 91, lo cual

significa que la misma es poco relevante.

Figura 6.60 Gradiente de la RNA para CO – vehículo A.

68
En la figura 6.61 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO, con un valor de 0.001823.

Figura 6.61 Histograma de error de la RNA para CO – vehículo A.

En la figura 6.62 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.62 Regresión de la RNA para CO – vehículo A.

69
La comprobación del CO real con relación al simulado, tienen una variación máxima de error

de hasta 0.05 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.63.

Figura 6.63 Validación de la RNA para CO – vehículo A.

 Entrenamiento de la RNA para el CO2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.64 se observa que el

mejor rendimiento de validación es 0.0016186 en la etapa 57, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-2.

Figura 6.64 Rendimiento de la RNA para CO2 – vehículo A.


70
En la figura 6.65, la variación de la simulación del CO2 es de 0.0035809 en la etapa 63, lo cual

significa que la misma es poco relevante.

Figura 6.65 Gradiente de la RNA para CO2 – vehículo A.

En la figura 6.66 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO2, con un valor de -0.00479.

Figura 6.66 Histograma de error de la RNA para CO2 – vehículo A.

71
En la figura 6.67 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.98%.

Figura 6.67 Regresión de la RNA para CO2 – vehículo A.

La comprobación del CO2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.2 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.68.

Figura 6.68 Validación de la RNA para CO2 – vehículo A.


72
 Entrenamiento de la RNA para el O2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.69 se observa que el

mejor rendimiento de validación es 0.00045293 en la etapa 62, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-3.

Figura 6.69 Rendimiento de la RNA para O2 – vehículo A.

En la figura 6.70, la variación de la simulación del O2 es de 0.0039516 en la etapa 68, lo cual

significa que la misma es poco relevante.

Figura 6.70 Gradiente de la RNA para O2 – vehículo A.

73
En la figura 6.71 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de O2, con un valor de -0.00564.

Figura 6.71 Histograma de error de la RNA para O2 – vehículo A.

En la figura 6.72 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.72 Regresión de la RNA para O2 – vehículo A.

74
La comprobación del O2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.3 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.73.

Figura 6.73 Validación de la RNA para O2 – vehículo A.

75
6.3.3.3 Entrenamiento de la RNA para el vehículo Hyundai Tucson IX

 Entrenamiento de la RNA para el NOx

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.74 se observa que el

mejor rendimiento de validación es 2.3327 en la etapa 269, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 101.

Figura 6.74 Rendimiento de la RNA para NOx – vehículo B.

En la figura 6.75, la variación de la simulación del NOx es de 37.3781 en la etapa 275, lo cual

significa que la misma es poco relevante.

Figura 6.75 Gradiente de la RNA para NOx – vehículo B.

76
En la figura 6.76 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de NOx, con un valor de -0.01179.

Figura 6.76 Histograma de error de la RNA para NOx – vehículo B.

En la figura 6.77 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.77 Regresión de la RNA para NOx – vehículo B.

77
La comprobación del NOx real con relación al simulado, tienen una variación máxima de error

de hasta 8 ppm, lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.78.

Figura 6.78 Validación de la RNA para NOx – vehículo B.

 Entrenamiento de la RNA para el HC

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.79 se observa que el

mejor rendimiento de validación es 1.9069 en la etapa 50, donde el MSE (Error Cuadrático Medio)

se ubica por debajo de 101.

Figura 6.79 Rendimiento de la RNA para HC – vehículo B.


78
En la figura 6.80, la variación de la simulación del HC es de 26.9359 en la etapa 56, lo cual

significa que la misma es poco relevante.

Figura 6.80 Gradiente de la RNA para HC – vehículo B.

En la figura 6.81 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de HC, con un valor de 0.1769.

Figura 6.81 Histograma de error de la RNA para HC – vehículo B.

79
En la figura 6.82 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.95%.

Figura 6.82 Regresión de la RNA para HC – vehículo B.

La comprobación del HC real con relación al simulado, tienen una variación máxima de error

de hasta 6 ppm, lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.83.

Figura 6.83 Validación de la RNA para HC – vehículo B.


80
 Entrenamiento de la RNA para el CO

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.84 se observa que el

mejor rendimiento de validación es 0.0028027 en la etapa 78, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-2.

Figura 6.84 Rendimiento de la RNA para CO – vehículo B.

En la figura 6.85, la variación de la simulación del CO es de 0.01322 en la etapa 84, lo cual

significa que la misma es poco relevante.

Figura 6.85 Gradiente de la RNA para CO – vehículo B.

81
En la figura 6.86 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO, con un valor de 0.001944.

Figura 6.86 Histograma de error de la RNA para CO – vehículo B.

En la figura 6.87 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.97%.

Figura 6.87 Regresión de la RNA para CO – vehículo B.

82
La comprobación del CO real con relación al simulado, tienen una variación máxima de error

de hasta 0.2 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.88.

Figura 6.88 Validación de la RNA para CO – vehículo B.

 Entrenamiento de la RNA para el CO2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.89 se observa que el

mejor rendimiento de validación es 0.0068792 en la etapa 34, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-2.

Figura 6.89 Rendimiento de la RNA para CO2 – vehículo B.


83
En la figura 6.90, la variación de la simulación del CO2 es de 0.0028487 en la etapa 40, lo cual

significa que la misma es poco relevante.

Figura 6.90 Gradiente de la RNA para CO2 – vehículo B.

En la figura 6.91 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO2, con un valor de 0.004594.

Figura 6.91 Histograma de error de la RNA para CO2 – vehículo B.

84
En la figura 6.92 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.92%.

Figura 6.92 Regresión de la RNA para CO2 – vehículo B.

La comprobación del CO2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.4 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.93.

Figura 6.93 Validación de la RNA para CO2 – vehículo B.


85
 Entrenamiento de la RNA para el O2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.94 se observa que el

mejor rendimiento de validación es 0.00049159 en la etapa 40, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-3.

Figura 6.94 Rendimiento de la RNA para O2 – vehículo B.

En la figura 6.95, la variación de la simulación del O2 es de 0.0068571 en la etapa 46, lo cual

significa que la misma es poco relevante.

Figura 6.95 Gradiente de la RNA para O2 – vehículo B.

86
En la figura 6.96 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de O2, con un valor de -0.00503.

Figura 6.96 Histograma de error de la RNA para O2 – vehículo B.

En la figura 6.97 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.97 Regresión de la RNA para O2 – vehículo B.

87
La comprobación del O2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.2 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.98.

Figura 6.98 Validación de la RNA para O2 – vehículo B.

88
6.3.3.4 Entrenamiento de la RNA para el vehículo Toyota Hilux

 Entrenamiento de la RNA para el NOx

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.99 se observa que el

mejor rendimiento de validación es 122.2903 en la etapa 11, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 103.

Figura 6.99 Rendimiento de la RNA para NOx – vehículo C.

En la figura 6.100, la variación de la simulación del NOx es de 418.6435 en la etapa 17, lo cual

significa que la misma es normal.

Figura 6.100 Gradiente de la RNA para NOx – vehículo C.

89
En la figura 6.101 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de NOx, con un valor de -0.6418.

Figura 6.101 Histograma de error de la RNA para NOx – vehículo C.

En la figura 6.102 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.98%.

Figura 6.102 Regresión de la RNA para NOx – vehículo C.

90
La comprobación del NOx real con relación al simulado, tienen una variación máxima de error

de hasta 100 ppm, lo que hace referencia a que el error es bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.103.

Figura 6.103 Validación de la RNA para NOx – vehículo C.

 Entrenamiento de la RNA para el HC

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.104 se observa que el

mejor rendimiento de validación es 2.0242 en la etapa 7, donde el MSE (Error Cuadrático Medio)

se ubica por debajo de 101.

Figura 6.104 Rendimiento de la RNA para HC – vehículo C.


91
En la figura 6.105, la variación de la simulación del HC es de 2.5958 en la etapa 13, lo cual

significa que la misma es poco relevante.

Figura 6.105 Gradiente de la RNA para HC – vehículo C.

En la figura 6.106 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de HC, con un valor de 0.05897.

Figura 6.106 Histograma de error de la RNA para HC – vehículo C.

92
En la figura 6.107 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.94%.

Figura 6.107 Regresión de la RNA para HC – vehículo C.

La comprobación del HC real con relación al simulado, tienen una variación máxima de error

de hasta 6 ppm, lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.108.

Figura 6.108 Validación de la RNA para HC – vehículo C.


93
 Entrenamiento de la RNA para el CO

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.109 se observa que el

mejor rendimiento de validación es 0.0001445 en la etapa 26, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-3.

Figura 6.109 Rendimiento de la RNA para CO – vehículo C.

En la figura 6.110, la variación de la simulación del CO es de 0.00032699 en la etapa 32, lo

cual significa que la misma es poco relevante.

Figura 6.110 Gradiente de la RNA para CO – vehículo C.

94
En la figura 6.111 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO, con un valor de 0.001827.

Figura 6.111 Histograma de error de la RNA para CO – vehículo C.

En la figura 6.112 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.95%.

Figura 6.112 Regresión de la RNA para CO – vehículo C.

95
La comprobación del CO real con relación al simulado, tienen una variación máxima de error

de hasta 0.05 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.113.

Figura 6.113 Validación de la RNA para CO – vehículo C.

 Entrenamiento de la RNA para CO2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.114 se observa que el

mejor rendimiento de validación es 0.0027994 en la etapa 13, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-2.

Figura 6.114 Rendimiento de la RNA para CO2 – vehículo C.


96
En la figura 6.115, la variación de la simulación del CO2 es de 0.0060097 en la etapa 19, lo cual

significa que la misma es poco relevante.

Figura 6.115 Gradiente de la RNA para CO2 – vehículo C.

En la figura 6.116 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO2, con un valor de -0.0028.

Figura 6.116 Histograma de error de la RNA para CO2 – vehículo C.

97
En la figura 6.117 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.98%.

Figura 6.117 Regresión de la RNA para CO2 – vehículo C.

La comprobación del CO2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.2 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.118.

Figura 6.118 Validación de la RNA para CO2 – vehículo C.


98
 Entrenamiento de la RNA para el O2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.119 se observa que el

mejor rendimiento de validación es 0.0007472 en la etapa 16, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-3.

Figura 6.119 Rendimiento de la RNA para O2 – vehículo C.

En la figura 6.120, la variación de la simulación del O2 es de 0.0023005 en la etapa 22, lo cual

significa que la misma es poco relevante.

Figura 6.120 Gradiente de la RNA para O2 – vehículo C.

99
En la figura 6.121 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de O2, con un valor de 0.008206.

Figura 6.121 Histograma de error de la RNA para O2 – vehículo C.

En la figura 6.122 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.96%.

Figura 6.122 Regresión de la RNA para O2 – vehículo C.

100
La comprobación del O2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.3 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.123.

Figura 6.123 Validación de la RNA para O2 – vehículo C.

101
6.3.3.5 Entrenamiento de la RNA para el vehículo Chevrolet Optra

 Entrenamiento de la RNA para el NOx

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.124 se observa que el

mejor rendimiento de validación es 1631.4222 en la etapa 13, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 104.

Figura 6.124 Rendimiento de la RNA para NOx – vehículo D.

En la figura 6.125, la variación de la simulación del NOx es de 18463.4495 en la etapa 19, lo

cual significa que la misma es elevada.

Figura 6.125 Gradiente de la RNA para NOx – vehículo D.

102
En la figura 6.126 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de NOx, con un valor de -0.8562.

Figura 6.126 Histograma de error de la RNA para NOx – vehículo D.

En la figura 6.127 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.79%.

Figura 6.127 Regresión de la RNA para NOx – vehículo D.

103
La comprobación del NOx real con relación al simulado, tienen una variación máxima de error

de hasta 120 ppm, lo que hace referencia a que el error es bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.128.

Figura 6.128 Validación de la RNA para NOx – vehículo D.

 Entrenamiento de la RNA para el HC

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.129 se observa que el

mejor rendimiento de validación es 0.54515 en la etapa 23, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 100.

Figura 6.129 Rendimiento de la RNA para HC – vehículo D.


104
En la figura 6.130, la variación de la simulación del HC es de 1.3033 en la etapa 29, lo cual

significa que la misma es poco relevante.

Figura 6.130 Gradiente de la RNA para HC – vehículo D.

En la figura 6.131 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de HC, con un valor de -0.01302.

Figura 6.131 Histograma de error de la RNA para HC – vehículo D.

105
En la figura 6.132 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.98%.

Figura 6.132 Regresión de la RNA para HC – vehículo D.

La comprobación del HC real con relación al simulado, tienen una variación máxima de error

de hasta 2 ppm, lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la curva

es casi perfecto que se aprecia en la figura 6.133.

Figura 6.133 Validación de la RNA para HC – vehículo D.


106
 Entrenamiento de la RNA para CO

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.134 se observa que el

mejor rendimiento de validación es 0.00023116 en la etapa 44, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-3.

Figura 6.134 Rendimiento de la RNA para CO – vehículo D.

En la figura 6.135, la variación de la simulación del CO es de 0.00074203 en la etapa 50, lo

cual significa que la misma es poco relevante.

Figura 6.135 Gradiente de la RNA para CO – vehículo D.

107
En la figura 6.136 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO, con un valor de -0.00209.

Figura 6.136 Histograma de error de la RNA para CO – vehículo D.

En la figura 6.137 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.137 Regresión de la RNA para CO – vehículo D.

108
La comprobación del CO real con relación al simulado, tienen una variación máxima de error

de hasta 0.04 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.138.

Figura 6.138 Validación de la RNA para CO – vehículo D.

 Entrenamiento de la RNA para el CO2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.139 se observa que el

mejor rendimiento de validación es 0.0067278 en la etapa 26, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-2.

Figura 6.139 Rendimiento de la RNA para CO2 – vehículo D.


109
En la figura 6.140, la variación de la simulación del CO2 es de 0.00015719 en la etapa 32, lo

cual significa que la misma es poco relevante.

Figura 6.140 Gradiente de la RNA para CO2 – vehículo D.

En la figura 6.141 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de CO2, con un valor de -0.0006.

Figura 6.141 Histograma de error de la RNA para CO2 – vehículo D.

110
En la figura 6.142 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.96%.

Figura 6.142 Regresión de la RNA para CO2 – vehículo D.

La comprobación del CO2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.4 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.143.

Figura 6.143 Validación de la RNA para CO2 – vehículo D.


111
 Entrenamiento de la RNA para el O2

Para la RNA se emplean 12 neuronas en la capa oculta. En la figura 6.144 se observa que el

mejor rendimiento de validación es 9.5473e-05 en la etapa 52, donde el MSE (Error Cuadrático

Medio) se ubica por debajo de 10-4.

Figura 6.144 Rendimiento de la RNA para O2 – vehículo D.

En la figura 6.145, la variación de la simulación del O2 es de 0.00026543 en la etapa 58, lo cual

significa que la misma es poco relevante.

Figura 6.145 Gradiente de la RNA para O2 – vehículo D.

112
En la figura 6.146 se aprecia el histograma de error con 20 barras, donde el error tiende a cero

durante el entrenamiento de la RNA para emisiones de O2, con un valor de 0.000426.

Figura 6.146 Histograma de error de la RNA para O2 – vehículo D.

En la figura 6.147 se observan las regresiones lineales de la RNA donde se obtienen coeficientes

de determinación altos, por lo tanto, la confiabilidad total de la misma es de 99.99%.

Figura 6.147 Regresión de la RNA para O2 – vehículo D.

113
La comprobación del O2 real con relación al simulado, tienen una variación máxima de error

de hasta 0.04 % vol., lo que hace referencia a que el error es muy bajo, por lo tanto, el ajuste de la

curva es casi perfecto que se aprecia en la figura 6.148.

Figura 6.148 Validación de la RNA para O2 – vehículo D.

6.4 Fase IV: Base de datos

La base datos se elabora con los resultados obtenidos del entrenamiento de la RNA de cada

vehículo en 7 microciclos seleccionados de los 12 que se detallan en la tipología de los mismos,

esta selección se realizó ya que algunos microciclos tienen características similares.

Los microciclos seleccionados son los siguientes: 1, 2, 3, 5A, 6A, 8 y 9 como se muestra en la

figura 6.11.

De todos los entrenamientos de la RNA realizados en cada vehículo, se optó por elegir de cada

microciclo aquel que presente mayor y menor índice de error en la validación, con el fin de

esquematizar los resultados.

114
Tabla 6-14 Base de datos del comportamiento de la Red Neuronal Artificial – parte A.

TIPOLOGÍA VARIABLES SALIDA VALIDACIÓN DE LA RNA OBSERVACIONES


- MAYOR ERROR - MENOR ERROR
NOX La verificación de estos valores de
- ACELERACIÓN +/- 120 ppm +/- 5 ppm
validación de la RNA se presenta en las
- ECT - MAYOR ERROR - MENOR ERROR
HC figuras respectivamente:
- IAT +/- 5 ppm +/- 1 ppm
- MAP - MAYOR ERROR - MENOR ERROR
CO - NOX: figura 6.128 y figura 6.53
- SENSOR O2 +/- 0.2 %vol. +/- 0.05 %vol.
- HC: figura 6.108 y figura 6.58
- RPM - MAYOR ERROR - MENOR ERROR
CO2 - CO: figura 6.88 y figura 6.138
- TPS +/- 0.5 %vol. +/- 0.15 %vol.
- CO2: figura 6.93 y figura 6.118
- VSS - MAYOR ERROR - MENOR ERROR
O2 - O2: figura 6.123 y figura 6.148
+/- 0.3 %vol. +/- 0.04 %vol.
- MAYOR ERROR - MENOR ERROR
NOX La verificación de estos valores de
- ACELERACIÓN +/- 150 ppm +/- 4 ppm
validación de la RNA se presenta en el
- ECT - MAYOR ERROR - MENOR ERROR
HC anexo D en las figuras respectivamente:
- IAT +/- 8 ppm +/- 1 ppm
115

- MAP - MAYOR ERROR - MENOR ERROR


CO - NOX: figura D-19 y figura D-7
- SENSOR O2 +/- 0.21 %vol. +/- 0.015 %vol.
- HC: figura D-19 y figura D-13
- RPM - MAYOR ERROR - MENOR ERROR
CO2 - CO: figura D-7 y figura D-13
- TPS +/- 3.5 %vol. +/- 0.08 %vol.
- CO2: figura D-1 y figura D-19
- VSS - MAYOR ERROR - MENOR ERROR
O2 - O2: figura D-13 y figura D-19
+/- 0.2 %vol. +/- 0.015 %vol.
- MAYOR ERROR - MENOR ERROR
NOX La verificación de estos valores de
- ACELERACIÓN +/- 150 ppm +/- 1 ppm
validación de la RNA se presenta en el
- ECT - MAYOR ERROR - MENOR ERROR
HC anexo D en las figuras respectivamente:
- IAT +/- 25 ppm +/- 3 ppm
- MAP - MAYOR ERROR - MENOR ERROR
CO - NOX: figura D-20 y figura D-2
- SENSOR O2 +/- 0.5 %vol. +/- 0.2 %vol.
- HC: figura D-8 y figura D-14
- RPM - MAYOR ERROR - MENOR ERROR
CO2 - CO: figura D-8 y figura D-2
- TPS +/- 1 %vol. +/- 0.4 %vol.
- CO2: figura D-8 y figura D-20
- VSS - MAYOR ERROR - MENOR ERROR
O2 - O2: figura D-8 y figura D-20
+/- 2 %vol. +/- 0.2 %vol.
Tabla 6-15 Base de datos del comportamiento de la Red Neuronal Artificial – parte B.

TIPOLOGÍA VARIABLES SALIDA VALIDACIÓN DE LA RNA OBSERVACIONES


- MAYOR ERROR - MENOR ERROR
NOX La verificación de estos valores de
- ACELERACIÓN +/- 250 ppm +/- 3 ppm
validación de la RNA se presenta en el
- ECT - MAYOR ERROR - MENOR ERROR
HC anexo D en las figuras respectivamente:
- IAT +/- 7 ppm +/- 0.6 ppm
- MAP - MAYOR ERROR - MENOR ERROR
CO - NOX: figura D-15 y figura D-3
- SENSOR O2 +/- 0.2 %vol. +/- 0.08 %vol.
- HC: figura D-21 y figura D-3
- RPM - MAYOR ERROR - MENOR ERROR
CO2 - CO: figura D-9 y figura D-15
- TPS +/- 0.4 %vol. +/- 0.2 %vol.
- CO2: figura D-15 y figura D-9
- VSS - MAYOR ERROR - MENOR ERROR
O2 - O2: figura D-9 y figura D-21
+/- 0.6 %vol. +/- 0.05 %vol.
- MAYOR ERROR - MENOR ERROR
NOX La verificación de estos valores de
- ACELERACIÓN +/- 225 ppm +/- 5 ppm
validación de la RNA se presenta en el
- ECT - MAYOR ERROR - MENOR ERROR
HC anexo D en las figuras respectivamente:
- IAT +/- 30 ppm +/- 9 ppm
116

- MAP - MAYOR ERROR - MENOR ERROR


CO - NOX: figura D-16 y figura D-4
- SENSOR O2 +/- 0.7 %vol. +/- 0.12 %vol.
- HC: figura D-10 y figura D-22
- RPM - MAYOR ERROR - MENOR ERROR
CO2 - CO: figura D-10 y figura D-22
- TPS +/- 1.5 %vol. +/- 0.2 %vol.
- CO2: figura D-16 y figura D-4
- VSS - MAYOR ERROR - MENOR ERROR
O2 - O2: figura D-16 y figura D-4
+/- 2 %vol. +/- 0.5 %vol.
- MAYOR ERROR - MENOR ERROR
NOX La verificación de estos valores de
- ACELERACIÓN +/- 450 ppm +/- 2 ppm
validación de la RNA se presenta en el
- ECT - MAYOR ERROR - MENOR ERROR
HC anexo D en las figuras respectivamente:
- IAT +/- 25 ppm +/- 5 ppm
- MAP - MAYOR ERROR - MENOR ERROR
CO - NOX: figura D-17 y figura D-5
- SENSOR O2 +/- 0.7 %vol. +/- 0.05 %vol.
- HC: figura D-17 y figura D-23
- RPM - MAYOR ERROR - MENOR ERROR
CO2 - CO: figura D-11 y figura D-17
- TPS +/- 1.8 %vol. +/- 0.25 %vol.
- CO2: figura D-5 y figura D-23
- VSS - MAYOR ERROR - MENOR ERROR
O2 - O2: figura D-17 y figura D-5
+/- 1.5 %vol. +/- 0.5 %vol.
Tabla 6-16 Base de datos del comportamiento de la Red Neuronal Artificial – parte C.

TIPOLOGÍA VARIABLES SALIDA VALIDACIÓN DE LA RNA OBSERVACIONES


- MAYOR ERROR - MENOR ERROR
NOX La verificación de estos valores de
- ACELERACIÓN +/- 150 ppm +/- 2 ppm
validación de la RNA se presenta en el
- ECT - MAYOR ERROR - MENOR ERROR
HC anexo D en las figuras respectivamente:
- IAT +/- 50 ppm +/- 3 ppm
- MAP - MAYOR ERROR - MENOR ERROR
CO - NOX: figura D-18 y figura D-6
- SENSOR O2 +/- 1 %vol. +/- 0.1 %vol.
- HC: figura D-12 y figura D-6
- RPM - MAYOR ERROR - MENOR ERROR
CO2 - CO: figura D-12 y figura D-18
- TPS +/- 1 %vol. +/- 0.15 %vol.
- CO2: figura D-12 y figura D-24
- VSS - MAYOR ERROR - MENOR ERROR
O2 - O2: figura D-12 y figura D-18
+/- 0.7 %vol. +/- 0.4 %vol.
117
7 CONCLUSIONES

 Se observó que, durante la validación de los gases contaminantes existe una gran

similitud tanto en forma como en comportamiento, aunque en cantidad de emisión

difieren entre marcas, por lo tanto, se asume que los sistemas de control de emisiones

son diferentes entre ellos.

 Durante la caracterización de los gases contaminantes en relación a los PID’s se

determinó que, tanto el NOx, HC y CO aumentan cuando existen aceleraciones bruscas,

alta carga y alto régimen de giro del motor, en cambio el CO2 y el O2 disminuyen su

emisión.

 Además, se determinó que el NOx, HC, CO y CO2 disminuyen su emisión cuando

existen desaceleraciones y bajas cargas, debido a que se suspende la inyección de

combustible hacia el motor, por el contrario, el O2 aumenta su emisión hasta que se

reestablezca la inyección de combustible.

 Mediante el análisis de Random Forest se notó que la emisión de cada uno de los gases

contaminantes no depende de todos los predictores (PID’s).

 En el entrenamiento de todas y cada una de las Redes Neuronales Artificiales en los

microciclos presentados, se obtuvo un promedio del coeficiente de correlación de

99,99% para el NOx, HC, CO, CO2 y O2, con un índice de 0.01 % de error, lo cual

indica que las regresiones son simplemente lineales, y por ello son casi perfectas.

 En los resultados de validación para la base de datos, el NOx presenta mayor error en el

microciclo (8) del vehículo Toyota Hilux con una variación de 450 ppm, en donde su

valor de emisión máxima es de 2000 ppm. En cambio, el CO presenta el menor error en

el microciclo (2) del mismo vehículo, con una variación de 0.015 % vol.
118
8 RECOMENDACIONES

 Para la recolección de datos, en especial del analizador de gases se debe tener en cuenta

que la trampa de agua se encuentre totalmente limpia sin obstrucciones ni

calcificaciones dentro de ella, lo cual se recomienda realizar una inspección previa a la

medición.

 Se recomienda continuar con el proyecto de investigación, realizando más estudios y

pruebas en vehículos de diferentes marcas, con el fin de generalizar el comportamiento

de los gases contaminantes.

 Se recomienda realizar más pruebas mediante el Random Forest, para determinar qué

importancia tienen los predictores (PID’s) sobre las emisiones contaminantes en otras

marcas de vehículos.

 Es importante realizar cuán similares son las emisiones de gases contaminantes durante

un mismo microciclo, mediante otros análisis estadísticos y matemáticos.

 Se recomienda el uso de filtros en las señales de los PID’s, sin que se pierdan datos

importantes para un mejor entrenamiento de las Redes Neuronales Artificiales.

119
9 BIBLIOGRAFÍA

AEADE. (2017). SECTOR AUTOMOTOR EN CIFRAS. Cuenca.

Arroyo Cazorla, D. (2014). ADQUISICIÓN DE DATOS REMOTA MEDIANTE EL SISTEMA

OBD-II Y DISPOSITIVO MÓVIL. Universidad Carlos III de Madrid.

Cabrera Palacios, A., & Chiluiza Luna, B. (2018). DESARROLLO DE UN ALGORITMO

MEDIANTE ANÁLISIS DE APRENDIZAJE AUTOMÁTICO PARA LA DETECCIÓN DE

FALLOS EN VEHÍCULOS M1 CON MOTORES DE ENCENDIDO PROVOCADO.

Universidad Politécnica Salesiana. Retrieved from

http://dspace.ups.edu.ec/handle/123456789/16584

Cantos Rojas, J. S., & Toledo Garzón, J. G. (2015). Análisis del impacto económico generado por

los niveles de servicio de las vialidades en el centro histórico de la ciudad de Cuenca.

Retrieved from http://dspace.ups.edu.ec/handle/123456789/7909

Coronel Suárez, E. (2018). DESARROLLO DE UN ALGORITMO PARA LA ESTIMACIÓN DEL

CONSUMO DE COMBUSTIBLE EN MOTORES CICLO OTTO MEDIANTE UN

DISPOSITIVO DE ADQUISICIÓN DE DATOS A TRAVÉS DE OBD2. Universidad

Politécnica Salesiana. Retrieved from http://dspace.ups.edu.ec/handle/123456789/16274

EMOV. (2014). Inventario de Emisiones Atmosféricas del Cantón Cuenca. Cuenca.

Freematics. (2018). Freematics ONE +. Retrieved from

https://freematics.com/products/freematics-one-plus/?fbclid=IwAR0tt_h-

QvmAE7yKPMkcfjSz9KDg-sZjN-CE2hwJh-KbOozP6iBpANNTNOQ

Gárate Moltalvo, D. (2018). DESARROLLO DE UN ALGORITMO PARA LA ADQUISICIÓN Y

ALMACENAMIENTO DE DATOS PROVENIENTES DEL SISTEMA DE DIAGNÓSTICO A

BORDO OBD-II. Universidad Politécnica Salesiana. Retrieved from


120
http://dspace.ups.edu.ec/handle/123456789/16587

García Montero, M. (2013). ELABORACIÓN DE UN MANUAL TÉCNICO PARA EL ANÁLISIS

DEL DIAGNÓSTICO ELECTRÓNICO DE VEHÍCULOS CON SISTEMA OBD-II PARA EL

TALLER AMBAMAZDA S.A. DURANTE EL AÑO 2012. Escuela Superior Politécnica de

Chimborazo. Retrieved from

http://dspace.espoch.edu.ec/bitstream/123456789/2609/1/65T00068.pdf

Hernández López, L. (2006). PREDICCIÓN Y OPTIMIZACIÓN DE EMISORES Y CONSUMO

MEDIANTE REDES NEURONALES EN MOTORES DIÉSEL. ESPAÑA.

Hurtado, A. (2014). DESARROLLO DE CICLOS DE CONDUCCION PARA EL ÁREA

METROPOLITANA CENTRO OCCIDENTE – AMCO. Universidad Tecnológica de Pereira.

León, R., & Maldonado, J. (2018). IDENTIFICACIÓN DE PATRONES DE FALLAS

MECÁNICAS MEDIANTE REDES NEURONALES ARTIFICIALES PARA EL

DIAGNÓSTICO DE MOTORES DE ENCENDIDO PROVOCADO. Universidad Politécnica

Salesiana. Retrieved from http://dspace.ups.edu.ec/handle/123456789/16161

Muñoz Rodríguez, J. (2017). Estudio de contaminación en Barcelona: Base de datos, emisiones y

tráfico. Escuela Técnica Superior de Ingeniería Industrial de Barcelona.

Peréz, P., & Quito, C. (2018). Determinación de los ciclos de conducción de un vehículo categoría

M1 para la ciudad de Cuenca. Universidad Politécnica Salesiana. Retrieved from

http://dspace.ups.edu.ec/handle/123456789/15032

Rivera, N., & Chica, J. (2015). Estudio del comportamiento de un motor ciclo Otto de inyección

electrónica respecto de la estequiometría de la mezcla y del adelanto al encendido para la

ciudad de Cuenca. Escuela Politécnica Nacional.

Román de Andres, A. (2014). METODOLÓGIA PARA LA ASIGNACIÓN DE VEHÍCULOS DE


121
UNA FLOTA A RUTAS PREESTABLECIDAS. Universidad Politécnica de Madrid.

Rovira de Antonio, A., & Muñoz Dominguez, M. (2015). Motores de Combustión Interna (Primera

ed). MADRID.

Scovino Villalobos, R. (2013). Condiciones atmosféricas y funcionamiento del motor.

Urgiles, J. S. (2017). Propuesta metodológica para la obtención del inventario de emisiones de

fuentes móviles terrestres en la ciudad de Cuenca. Universidad del Azuay. Retrieved from

http://dspace.uazuay.edu.ec/handle/datos/7205

Velasco Hurtado, C., & Velasco Villarroel, J. (2014). Efectos de la altitud sobre la combustión.

Revista Metalúrgica, 35, 10.

122
10 ANEXO A

10.1 Validación de gases del vehículo Hyundai Tucson IX

 Gráficas de monóxido de carbono (CO)

4
CO [%]

Figura A- 1 Gráfica de caja de CO – vehículo B.

4
CO [%]

Figura A- 2 Gráfica de valores individuales de CO – vehículo B.


123
 Gráficas de dióxido de carbono (CO2)

14

13

12
CO2 [ppm]

11

10

Figura A- 3 Gráfica de caja de CO2 – vehículo B.

14

13

12

11
CO2 [%]

10

Figura A- 4 Gráfica de valores individuales de CO2 – vehículo B.


124
 Gráficas de hidrocarburos no combustionados (HC)

350

300

250
HC [ppm]

200

150

100

Figura A- 5 Gráfica de caja de HC – vehículo B.

350

300

250
HC [ppm]

200

150

100

Figura A- 6 Gráfica de valores individuales de HC – vehículo B.


125
 Gráficas de oxígeno (O2)

5
O2 [%]

Figura A- 7 Gráfica de caja de O2 – vehículo B.

5
O2 [%]

Figura A- 8 Gráfica de valores individuales de O2 – vehículo B.


126
 Gráficas de óxidos de nitrógeno (NOx)

900

800

700

600
NOx [ppm]

500

400

300

200

100

Figura A- 9 Gráfica de caja de NOx – vehículo B.

900

800

700

600
NOx [ppm]

500

400

300

200

100

Figura A- 10 Gráfica de valores individuales de NOx – vehículo B.


127
10.2 Validación de gases del vehículo Toyota Hilux

 Gráficas de monóxido de carbono (CO)

1,0

0,8

0,6
CO [%]

0,4

0,2

0,0

Figura A- 11 Gráfica de caja de CO – vehículo C.

1,0

0,8

0,6
CO [%]

0,4

0,2

0,0

Figura A- 12 Gráfica de valores individuales de CO – vehículo C.

128
 Gráficas de dióxido de carbono (CO2)

14

13

12

11
CO2 [%]

10

Figura A- 13 Gráfica de caja de CO2 – vehículo C.

14

13

12

11
CO2 [%]

10

Figura A- 14 Gráfica de valores individuales de CO2 – vehículo C.


129
 Gráficas de hidrocarburos no combustionados (HC)

175

150

125
HC [ppm]

100

75

50

Figura A- 15 Gráfica de caja de HC – vehículo C.

175

150

125
HC [ppm]

100

75

50

Figura A- 16 Gráfica de valores individuales de HC – vehículo C.


130
 Gráficas de Oxígeno (O2)

5
O2 [%]

Figura A- 17 Gráfica de caja de O2 – vehículo C.

5
O2 [%]

Figura A- 18 Gráfica de valores individuales de O2 – vehículo C.


131
 Gráficas de óxidos de nitrógeno (NOx)

2000

1500
NOx [ppm]

1000

500

Figura A- 19 Gráfica de caja de NOx – vehículo C.

2000

1500
NOx [ppm]

1000

500

Figura A- 20 Gráfica de valores individuales de NOx – vehículo C.


132
10.3 Validación de gases del vehículo Chevrolet Optra

 Gráficas de monóxido de carbono (CO)

3,0

2,5

2,0
CO [%]

1,5

1,0

0,5

0,0

Figura A- 21 Gráfica de caja de CO – vehículo D.

3,0

2,5

2,0
CO [%]

1,5

1,0

0,5

0,0

Figura A- 22 Gráfica de valores individuales de CO – vehículo D.

133
 Gráficas de dióxido de carbono (CO2)

14

13

12
CO2 [%]

11

10

Figura A- 23 Gráfica de caja de CO2 – vehículo D.

14

13

12
CO2 [%]

11

10

Figura A- 24 Gráfica de valores individuales de CO2 – vehículo D.


134
 Gráficas de hidrocarburos no combustionados (HC)

175

150

125
HC [ppm]

100

75

50

Figura A- 25 Gráfica de caja de HC – vehículo D.

175

150

125
HC [ppm]

100

75

50

Figura A- 26 Gráfica de valores individuales de HC – vehículo D.


135
 Gráficas de Oxígeno (O2)

3
O2 [%]

Figura A- 27 Gráfica de caja de O2 – vehículo D.

3
O2 [%]

Figura A- 28 Gráfica de valores individuales de O2 – vehículo D.


136
 Gráficas de óxidos de nitrógeno (NOx)

2000

1500
NOx [ppm]

1000

500

Figura A- 29 Gráfica de caja de NOx – vehículo D.

2000

1500
NOx [ppm]

1000

500

Figura A- 30 Gráfica de valores individuales de NOx – vehículo D.


137
11 ANEXO B

11.1 Caracterización de emisiones contaminantes con relación a los PID’s en el vehículo

Kia Sportage R

Figura B- 1 Microciclo 2 – vehículo A.

Figura B- 2 Microciclo 2 vehículo A – Comportamiento del NOx con los PID’s.


138
Figura B- 3 Microciclo 2 vehículo A – Comportamiento del CO con los PID’s.

Figura B- 4 Microciclo 2 vehículo A – Comportamiento del CO2 con los PID’s.

139
Figura B- 5 Microciclo 2 vehículo A – Comportamiento del HC con los PID’s.

Figura B- 6 Microciclo 2 vehículo A – Comportamiento del O2 con los PID’s.

140
Figura B- 7 Microciclo 3 – vehículo A.

Figura B- 8 Microciclo 3 vehículo A – Comportamiento del NOx con los PID’s.

141
Figura B- 9 Microciclo 3 vehículo A – Comportamiento del CO con los PID’s.

Figura B- 10 Microciclo 3 vehículo A – Comportamiento del CO2 con los PID’s.

142
Figura B- 11 Microciclo 3 vehículo A – Comportamiento del HC con los PID’s.

Figura B- 12 Microciclo 3 vehículo A – Comportamiento del O2 con los PID’s.

143
Figura B- 13 Microciclo 5A – vehículo A.

Figura B- 14 Microciclo 5A vehículo A – Comportamiento del NOx con los PID’s.

144
Figura B- 15 Microciclo 5A vehículo A – Comportamiento del CO con los PID’s.

Figura B- 16 Microciclo 5A vehículo A – Comportamiento del CO2 con los PID’s.

145
Figura B- 17 Microciclo 5A vehículo A – Comportamiento del HC con los PID’s.

Figura B- 18 Microciclo 5A vehículo A – Comportamiento del O2 con los PID’s.

146
Figura B- 19 Microciclo 6A – vehículo A.

Figura B- 20 Microciclo 6A vehículo A – Comportamiento del NOx con los PID’s.

147
Figura B- 21 Microciclo 6A vehículo A – Comportamiento del CO con los PID’s.

Figura B- 22 Microciclo 6A vehículo A – Comportamiento del CO2 con los PID’s.

148
Figura B- 23 Microciclo 6A vehículo A – Comportamiento del HC con los PID’s.

Figura B- 24 Microciclo 6A vehículo A – Comportamiento del O2 con los PID’s.

149
Figura B- 25 Microciclo 8 – vehículo A.

Figura B- 26 Microciclo 8 vehículo A – Comportamiento del NOx con los PID’s.

150
Figura B- 27 Microciclo 8 vehículo A – Comportamiento del CO con los PID’s.

Figura B- 28 Microciclo 8 vehículo A – Comportamiento del CO2 con los PID’s.

151
Figura B- 29 Microciclo 8 vehículo A – Comportamiento del HC con los PID’s.

Figura B- 30 Microciclo 8 vehículo A – Comportamiento del O2 con los PID’s.

152
Figura B- 31 Microciclo 9 – vehículo A.

Figura B- 32 Microciclo 9 vehículo A – Comportamiento del NOx con los PID’s.

153
Figura B- 33 Microciclo 9 vehículo A – Comportamiento del CO con los PID’s.

Figura B- 34 Microciclo 9 vehículo A – Comportamiento del CO2 con los PID’s.

154
Figura B- 35 Microciclo 9 vehículo A – Comportamiento del HC con los PID’s.

Figura B- 36 Microciclo 9 vehículo A – Comportamiento del O2 con los PID’s.

155
11.2 Caracterización de emisiones contaminantes con relación a los PID’s en el vehículo

Hyundai Tucson IX

Figura B- 37 Microciclo 1 – vehículo B.

Figura B- 38 Microciclo 1 vehículo B – Comportamiento del NOx con los PID’s.

156
Figura B- 39 Microciclo 1 vehículo B – Comportamiento del CO con los PID’s.

Figura B- 40 Microciclo 1 vehículo B – Comportamiento del CO2 con los PID’s.

157
Figura B- 41 Microciclo 1 vehículo B – Comportamiento del HC con los PID’s.

Figura B- 42 Microciclo 1 vehículo B – Comportamiento del O2 con los PID’s.

158
Figura B- 43 Microciclo 2 – vehículo B.

Figura B- 44 Microciclo 2 vehículo B – Comportamiento del NOx con los PID’s.

159
Figura B- 45 Microciclo 2 vehículo B – Comportamiento del CO con los PID’s.

Figura B- 46 Microciclo 2 vehículo B – Comportamiento del CO2 con los PID’s.

160
Figura B- 47 Microciclo 2 vehículo B – Comportamiento del HC con los PID’s.

Figura B- 48 Microciclo 2 vehículo B – Comportamiento del O2 con los PID’s.

161
Figura B- 49 Microciclo 3 – vehículo B.

Figura B- 50 Microciclo 3 vehículo B – Comportamiento del NO con los PID’s.

162
Figura B- 51 Microciclo 3 vehículo B – Comportamiento del CO con los PID’s.

Figura B- 52 Microciclo 3 vehículo B – Comportamiento del CO2 con los PID’s.

163
Figura B- 53 Microciclo 3 vehículo B – Comportamiento del HC con los PID’s.

Figura B- 54 Microciclo 3 vehículo B – Comportamiento del O2 con los PID’s.

164
Figura B- 55 Microciclo 5A – vehículo B.

Figura B- 56 Microciclo 5A vehículo B – Comportamiento del NOx con los PID’s.

165
Figura B- 57 Microciclo 5A vehículo B – Comportamiento del CO con los PID’s.

Figura B- 58 Microciclo 5A vehículo B – Comportamiento del CO2 con los PID’s.

166
Figura B- 59 Microciclo 5A vehículo B – Comportamiento del HC con los PID’s.

Figura B- 60 Microciclo 5A vehículo B – Comportamiento del O2 con los PID’s.

167
Figura B- 61 Microciclo 6A – vehículo B.

Figura B- 62 Microciclo 6A vehículo B – Comportamiento del NOx con los PID’s.

168
Figura B- 63 Microciclo 6A vehículo B – Comportamiento del CO con los PID’s.

Figura B- 64 Microciclo 6A vehículo B – Comportamiento del CO2 con los PID’s.

169
Figura B- 65 Microciclo 6A vehículo B – Comportamiento del HC con los PID’s.

Figura B- 66 Microciclo 6A vehículo B – Comportamiento del O2 con los PID’s.

170
Figura B- 67 Microciclo 8 – vehículo B.

Figura B- 68 Microciclo 8 vehículo B – Comportamiento del NOx con los PID’s.

171
Figura B- 69 Microciclo 8 vehículo B – Comportamiento del CO con los PID’s.

Figura B- 70 Microciclo 8 vehículo B – Comportamiento del CO2 con los PID’s.

172
Figura B- 71 Microciclo 8 vehículo B – Comportamiento del HC con los PID’s.

Figura B- 72 Microciclo 8 vehículo B – Comportamiento del O2 con los PID’s.

173
Figura B- 73 Microciclo 9 – vehículo B.

Figura B- 74 Microciclo 9 vehículo B – Comportamiento del NOx con los PID’s.

174
Figura B- 75 Microciclo 9 vehículo B – Comportamiento del CO con los PID’s.

Figura B- 76 Microciclo 9 vehículo B – Comportamiento del CO2 con los PID’s.

175
Figura B- 77 Microciclo 9 vehículo B – Comportamiento del HC con los PID’s.

Figura B- 78 Microciclo 9 vehículo B – Comportamiento del O2 con los PID’s.

176
11.3 Caracterización de emisiones contaminantes con relación a los PID’s en el vehículo

Toyota Hilux

Figura B- 79 Microciclo 1 – vehículo C.

Figura B- 80 Microciclo 1 vehículo C – Comportamiento del NOx con los PID’s.

177
Figura B- 81 Microciclo 1 vehículo C – Comportamiento del CO con los PID’s.

Figura B- 82 Microciclo 1 vehículo C – Comportamiento del CO2 con los PID’s.

178
Figura B- 83 Microciclo 1 vehículo C – Comportamiento del HC con los PID’s.

Figura B- 84 Microciclo 1 vehículo C – Comportamiento del O2 con los PID’s.

179
Figura B- 85 Microciclo 2 – vehículo C.

Figura B- 86 Microciclo 2 vehículo C – Comportamiento del NOx con los PID’s.

180
Figura B- 87 Microciclo 2 vehículo C – Comportamiento del CO con los PID’s.

Figura B- 88 Microciclo 2 vehículo C – Comportamiento del CO2 con los PID’s.

181
Figura B- 89 Microciclo 2 vehículo C – Comportamiento del HC con los PID’s.

Figura B- 90 Microciclo 2 vehículo C – Comportamiento del O2 con los PID’s.

182
Figura B- 91 Microciclo 3 – vehículo C.

Figura B- 92 Microciclo 3 vehículo C – Comportamiento del NOx con los PID’s.

183
Figura B- 93 Microciclo 3 vehículo C – Comportamiento del CO con los PID’s.

Figura B- 94 Microciclo 3 vehículo C – Comportamiento del CO2 con los PID’s.

184
Figura B- 95 Microciclo 3 vehículo C – Comportamiento del HC con los PID’s.

Figura B- 96 Microciclo 3 vehículo C – Comportamiento del O2 con los PID’s.

185
Figura B- 97 Microciclo 5A – vehículo C.

Figura B- 98 Microciclo 5A vehículo C – Comportamiento del NOx con los PID’s.

186
Figura B- 99 Microciclo 5A vehículo C – Comportamiento del CO con los PID’s.

Figura B- 100 Microciclo 5A vehículo C – Comportamiento del CO2 con los PID’s.

187
Figura B- 101 Microciclo 5A vehículo C – Comportamiento del HC con los PID’s.

Figura B- 102 Microciclo 5A vehículo C – Comportamiento del O2 con los PID’s.

188
Figura B- 103 Microciclo 6A – vehículo C.

Figura B- 104 Microciclo 6A vehículo C – Comportamiento del NOx con los PID’s.

189
Figura B- 105 Microciclo 6A vehículo C – Comportamiento del CO con los PID’s.

Figura B- 106 Microciclo 6A vehículo C – Comportamiento del CO2 con los PID’s.

190
Figura B- 107 Microciclo 6A vehículo C – Comportamiento del HC con los PID’s.

Figura B- 108 Microciclo 6A vehículo C – Comportamiento del O2 con los PID’s.

191
Figura B- 109 Microciclo 8 – vehículo C.

Figura B- 110 Microciclo 8 vehículo C – Comportamiento del NOx con los PID’s.

192
Figura B- 111 Microciclo 8 vehículo C – Comportamiento del CO con los PID’s.

Figura B- 112 Microciclo 8 vehículo C – Comportamiento del CO2 con los PID’s.

193
Figura B- 113 Microciclo 8 vehículo C – Comportamiento del HC con los PID’s.

Figura B- 114 Microciclo 8 vehículo C – Comportamiento del O2 con los PID’s.

194
Figura B- 115 Microciclo 9 – vehículo C.

Figura B- 116 Microciclo 9 vehículo C – Comportamiento del NOx con los PID’s.

195
Figura B- 117 Microciclo 9 vehículo C – Comportamiento del CO con los PID’s.

Figura B- 118 Microciclo 9 vehículo C – Comportamiento del CO2 con los PID’s.

196
Figura B- 119 Microciclo 9 vehículo C – Comportamiento del HC con los PID’s.

Figura B- 120 Microciclo 9 vehículo C – Comportamiento del O2 con los PID’s.

197
11.4 Caracterización de emisiones contaminantes con relación a los PID’s en el vehículo

Chevrolet Optra

Figura B- 121 Microciclo 1 – vehículo D.

Figura B- 122 Microciclo 1 vehículo D – Comportamiento del NOx con los PID’s.

198
Figura B- 123 Microciclo 1 vehículo D – Comportamiento del CO con los PID’s.

Figura B- 124 Microciclo 1 vehículo D – Comportamiento del CO2 con los PID’s.

199
Figura B- 125 Microciclo 1 vehículo D – Comportamiento del HC con los PID’s.

Figura B- 126 Microciclo 1 vehículo D – Comportamiento del O2 con los PID’s.

200
Figura B- 127 Microciclo 2 – vehículo D.

Figura B- 128 Microciclo 2 vehículo D – Comportamiento del NOx con los PID’s.

201
Figura B- 129 Microciclo 2 vehículo D – Comportamiento del CO con los PID’s.

Figura B- 130 Microciclo 2 vehículo D – Comportamiento del CO2 con los PID’s.

202
Figura B- 131 Microciclo 2 vehículo D – Comportamiento del HC con los PID’s.

Figura B- 132 Microciclo 2 vehículo D – Comportamiento del O2 con los PID’s.

203
Figura B- 133 Microciclo 3 – vehículo D.

Figura B- 134 Microciclo 3 vehículo D – Comportamiento del NOx con los PID’s.

204
Figura B- 135 Microciclo 3 vehículo D – Comportamiento del CO con los PID’s.

Figura B- 136 Microciclo 3 vehículo D – Comportamiento del CO2 con los PID’s.

205
Figura B- 137 Microciclo 3 vehículo D – Comportamiento del HC con los PID’s.

Figura B- 138 Microciclo 3 vehículo D – Comportamiento del O2 con los PID’s.

206
Figura B- 139 Microciclo 5A – vehículo D.

Figura B- 140 Microciclo 5A vehículo D – Comportamiento del NOx con los PID’s.

207
Figura B- 141 Microciclo 5A vehículo D – Comportamiento del CO con los PID’s.

Figura B- 142 Microciclo 5A vehículo D – Comportamiento del CO2 con los PID’s.

208
Figura B- 143 Microciclo 5A vehículo D – Comportamiento del HC con los PID’s.

Figura B- 144 Microciclo 5A vehículo D – Comportamiento del O2 con los PID’s.

209
Figura B- 145 Microciclo 6A – vehículo D.

Figura B- 146 Microciclo 6A vehículo D – Comportamiento del NOx con los PID’s.

210
Figura B- 147 Microciclo 6A vehículo D – Comportamiento del CO con los PID’s.

Figura B- 148 Microciclo 6A vehículo D – Comportamiento del CO2 con los PID’s.

211
Figura B- 149 Microciclo 6A vehículo D – Comportamiento del HC con los PID’s.

Figura B- 150 Microciclo 6A vehículo D – Comportamiento del O2 con los PID’s.

212
Figura B- 151 Microciclo 8 – vehículo D.

Figura B- 152 Microciclo 8 vehículo D – Comportamiento del NOx con los PID’s.

213
Figura B- 153 Microciclo 8 vehículo D – Comportamiento del CO con los PID’s.

Figura B- 154 Microciclo 8 vehículo D – Comportamiento del CO2 con los PID’s.

214
Figura B- 155 Microciclo 8 vehículo D – Comportamiento del HC con los PID’s.

Figura B- 156 Microciclo 8 vehículo D – Comportamiento del O2 con los PID’s.

215
Figura B- 157 Microciclo 9 – vehículo D.

Figura B- 158 Microciclo 9 vehículo D – Comportamiento del NOx con los PID’s.

216
Figura B- 159 Microciclo 9 vehículo D – Comportamiento del CO con los PID’s.

Figura B- 160 Microciclo 9 vehículo D – Comportamiento del CO2 con los PID’s.

217
Figura B- 161 Microciclo 9 vehículo D – Comportamiento del HC con los PID’s.

Figura B- 162 Microciclo 9 vehículo D – Comportamiento del O2 con los PID’s.

218
12 ANEXO C

12.1 Análisis de la importancia de predictores para los gases contaminantes, en el vehículo

Hyundai Tucson IX

 Influencia de predictores para emisión de (NOx)

Figura C- 1 Predictores para el NOx – vehículo B.

 Influencia de predictores para emisión de (HC)

Figura C- 2 Predictores para el HC – vehículo B.

219
 Influencia de predictores para emisión de (CO)

Figura C- 3 Predictores para el CO – vehículo B.

 Influencia de predictores para emisión de (CO2)

Figura C- 4 Predictores para el CO2 – vehículo B.

220
 Influencia de predictores para emisión de (O2)

Figura C- 5 Predictores para el O2 – vehículo B.

12.2 Análisis de la importancia de predictores para los gases contaminantes, en el vehículo

Toyota Hilux

 Influencia de predictores para emisión de (NOx)

Figura C- 6 Predictores para el NOx – vehículo C.

221
 Influencia de predictores para emisión de (HC)

Figura C- 7 Predictores para el HC – vehículo C.

 Influencia de predictores para emisión de (CO)

Figura C- 8 Predictores para el CO – vehículo C.

222
 Influencia de predictores para emisión de (CO2)

Figura C- 9 Predictores para el CO2 – vehículo C.

 Influencia de predictores para emisión de (O2)

Figura C- 10 Predictores para el O2 – vehículo C.

223
12.3 Análisis de la importancia de predictores para los gases contaminantes, en el vehículo

Chevrolet Optra

 Influencia de predictores para emisión de (NOx)

Figura C- 11 Predictores para el NOx – vehículo D.

 Influencia de predictores para emisión de (HC)

Figura C- 12 Predictores para el HC – vehículo D.

224
 Influencia de predictores para emisión de (CO)

Figura C- 13 Predictores para el CO – vehículo D.

 Influencia de predictores para emisión de (CO2)

Figura C- 14 Predictores para el CO2 – vehículo D.

225
 Influencia de predictores para emisión de (O2)

Figura C- 15 Predictores para el O2 – vehículo D.

226
13 ANEXO D

13.1 Validación de la RNA para el vehículo Kia Sportage R

 Microciclo-2

Figura D- 1 Microciclo 2 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2.


227
 Microciclo-3

Figura D- 2 Microciclo 3 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2.

228
 Microciclo-5A

Figura D- 3 Microciclo 5A vehículo A – Validación RNA del NOx-HC-CO-CO2-O2.

229
 Microciclo-6A

Figura D- 4 Microciclo 6A vehículo A – Validación RNA del NOx-HC-CO-CO2-O2.

230
 Microciclo-8

Figura D- 5 Microciclo 8 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2.

231
 Microciclo-9

Figura D- 6 Microciclo 9 vehículo A – Validación RNA del NOx-HC-CO-CO2-O2.

232
13.2 Validación de la RNA para el vehículo Hyundai Tucson IX

 Microciclo-2

Figura D- 7 Microciclo 2 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2.

233
 Microciclo-3

Figura D- 8 Microciclo 3 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2.

234
 Microciclo-5A

Figura D- 9 Microciclo 5A vehículo B – Validación RNA del NOx-HC-CO-CO2-O2.

235
 Microciclo-6A

Figura D- 10 Microciclo 6A vehículo B – Validación RNA del NOx-HC-CO-CO2-O2.

236
 Microciclo-8

Figura D- 11 Microciclo 8 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2.

237
 Microciclo-9

Figura D- 12 Microciclo 9 vehículo B – Validación RNA del NOx-HC-CO-CO2-O2.

238
13.3 Validación de la RNA para el vehículo Toyota Hilux

 Microciclo-2

Figura D- 13 Microciclo 2 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2.

239
 Microciclo-3

Figura D- 14 Microciclo 3 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2.

240
 Microciclo-5A

Figura D- 15 Microciclo 5A vehículo C – Validación RNA del NOx-HC-CO-CO2-O2.

241
 Microciclo-6A

Figura D- 16 Microciclo 6A vehículo C – Validación RNA del NOx-HC-CO-CO2-O2.

242
 Microciclo-8

Figura D- 17 Microciclo 8 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2.

243
 Microciclo-9

Figura D- 18 Microciclo 9 vehículo C – Validación RNA del NOx-HC-CO-CO2-O2.

244
13.4 Validación de la RNA para el vehículo Chevrolet Optra

 Microciclo-2

Figura D- 19 Microciclo 2 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2.

245
 Microciclo-3

Figura D- 20 Microciclo 3 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2.

246
 Microciclo-5A

Figura D- 21 Microciclo 5A vehículo D – Validación RNA del NOx-HC-CO-CO2-O2.

247
 Microciclo-6A

Figura D- 22 Microciclo 6A vehículo D – Validación RNA del NOx-HC-CO-CO2-O2.

248
 Microciclo-8

Figura D- 23 Microciclo 8 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2.

249
 Microciclo-9

Figura D- 24 Microciclo 9 vehículo D – Validación RNA del NOx-HC-CO-CO2-O2.

250