Algoritmo para troca de marchas em powertrain automatizado baseado em rede neural

Abstract

Este trabalho apresenta o desenvolvimento da modelagem numérica do powertrain automatizado de um veículo a combustão interna, através da ferramenta Matlab®. A partir dos dados obtidos através da modelagem numérica em diferentes condições, busca-se treinar uma rede neural Perceptron, assim como executar testes para verificar a capacidade de aprendizado e atuação como ferramenta de controle das trocas de marcha. Por fim, a rede Perceptron foi treinada a partir de dados experimentais, para verificar a precisão nas escolhas das marchas em uma situação prática. Para o processo de validação e testes em diferentes condições foram obtidas precisões de 97% e 98,25%. Para o processo utilizando dados numéricos, a precisão obtida foi de 94,71%

This paper presents the development of numerical modeling of the automated powertrain of an internal combustion vehicle, using the Matlab® tool. Based on the data obtained through numerical modeling under different conditions, the aim is to train a Perceptron neural network, as well as to carry out tests to verify its learning capacity and its performance as a tool for controlling gear changes. Finally, the Perceptron network was trained using experimental data to check the accuracy of gear choices in a practical situation. For the validation process and tests in different conditions, accuracies of 97% and 98.25% were obtained. For the process using numerical data, the accuracy obtained was 94.71%