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

Vista sencilla de ítem
dc.contributor.authorContreras Urgiles, Rafael Wilmer
dc.contributor.authorChacón Tanarro, Enrique
dc.contributor.authorEchávarri Otero, Javier
dc.date.accessioned2024-05-21T13:01:59Z
dc.date.available2024-05-21T13:01:59Z
dc.date.issued2022
dc.description.abstractEste 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.es
dc.description.abstractThis 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.en
dc.description.versionversión publicada
dc.identifier.doihttps://doi.org/10.5944/bicim2022.160
dc.identifier.urihttps://hdl.handle.net/20.500.14468/19814
dc.language.isoes
dc.publisherUniversidad Nacional de Educación a Distancia (España), Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
dc.relation.centerE.T.S. de Ingenieros Industriales
dc.relation.congressXV Congreso Iberoamericano de Ingeniería Mecánica. Madrid, España, 22-24 de noviembre de 2022. CIBIM 2022
dc.relation.departmentMecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subject.keywordsaditivos FM
dc.subject.keywordsAW y EP
dc.subject.keywordsgripado
dc.subject.keywordsInteligencia Artificial
dc.subject.keywordslubricación
dc.titleAplicación de herramientas de Inteligencia Artificial para la optimización frente al gripado del contenido de aditivos FM, EP y AW en un lubricantees
dc.typeconference proceedingsen
dc.typeactas de congresoes
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Abs_229_184198.pdf
Tamaño:
609.23 KB
Formato:
Adobe Portable Document Format
Descargar
Colecciones
Actas y comunicaciones de congresos