Aplicación de herramientas de Inteligencia Artificial para la optimización frente al gripado del contenido de aditivos FM, EP y AW en un lubricante

Contreras Urgiles, Rafael Wilmer, Chacón Tanarro, Enrique y Echávarri Otero, Javier(2022) .Aplicación de herramientas de Inteligencia Artificial para la optimización frente al gripado del contenido de aditivos FM, EP y AW en un lubricante. XV Congreso Iberoamericano de Ingeniería Mecánica.En: Universidad Politécnica de Madrid. (2022-11-22)

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Abs_229_184198.pdf Aplicación de herramientas de Inteligencia Artificial application/pdf 609.23KB

Título de la Conferencia XV Congreso Iberoamericano de Ingeniería Mecánica
Fecha de inicio de la Conferencia 2022-11-22
Fecha fín de la Conferencia 2022-11-24
Lugar de la Conferencia Universidad Politécnica de Madrid
Fecha de presentación de la Ponencia 2022
Titulo Aplicación de herramientas de Inteligencia Artificial para la optimización frente al gripado del contenido de aditivos FM, EP y AW en un lubricante
Autor(es) Contreras Urgiles, Rafael Wilmer
Chacón Tanarro, Enrique
Echávarri Otero, Javier
Materia(s) Ingeniería Mecánica
Resumen Este trabajo presenta una metodología para correlacionar la concentración de aditivos modificadores de fricción (FM), extrema presión (EP) y anti desgaste (AW) en un lubricante con su comportamiento de fricción en un ensayo de scuffing mediante el uso de herramientas de Inteligencia Artificial (IA). Para ello, se ha integrado una gran cantidad de información procedente de estudios experimentales previos sobre scuffing y valores propios experimentales de fricción, obtenidos en una Mini-Máquina de Tracción (MTM), con aceites que contienen diferentes concentraciones de aditivos. Con la información seleccionada se ha contrastado la eficacia y fiabilidad de la predicción con dos herramientas de IA: RNA (Red Neuronal Artificial) y SVM (Máquina de Soporte Vectorial). Los parámetros de creación y entrenamiento de las herramientas se han seleccionado de forma que se obtenga un valor de correlación que supere el 98 % para ambos casos. Posteriormente, en una segunda fase, se aplica la predicción de la concentración óptima de aditivo del lubricante que mejora la resistencia del lubricante al scuffing.
Abstract This paper presents a methodology to correlate the concentration of friction modifier (FM), extreme pressure (EP) and anti-wear (AW) additives in a lubricant with its friction behavior in a scuffing test by using Artificial Intelligence (AI) tools. For this purpose, we have integrated a large amount of information from previous experimental studies on scuffing and our own experimental friction values obtained in a Mini-Traction Machine (MTM) with oils containing different concentrations of additives. With the selected information, the efficiency and reliability of the prediction has been contrasted with two AI tools: ANN (Artificial Neural Network) and SVM (Support Vector Machine). The creation and training parameters of the tools have been selected in such a way as to obtain a correlation value exceeding 98% for both cases. Subsequently, in a second phase, the prediction of the optimum concentration of lubricant additive that improves the lubricant's resistance to scuffing was applied.
Palabra clave aditivos FM
AW y EP
gripado
Inteligencia Artificial
lubricación
Editor(es) Universidad Nacional de Educación a Distancia (España)
Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
Fecha 2022
Formato application/pdf
Identificador bibliuned:congresoCIBIM-2022UPMEspana-Rwcontreras
https://doi.org/10.5944/bicim2022.160
http://e-spacio.uned.es/fez/view/bibliuned:congresoCIBIM-2022UPMEspana-Rwcontreras
Idioma spa
Versión de la publicación publishedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso conferenceObject
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 291 Visitas, 182 Descargas  -  Estadísticas en detalle
Creado: Thu, 12 Jan 2023, 19:22:45 CET