Predicción del desempeño del motor diésel usando estrategias de regresión en machine learning

Resumen

La inteligencia artificial ha alcanzado gran potencial en el desarrollo tecnológico, especialmente en la optimización de motores de combustión interna. Esta investigación busca pronosticar el desempeño de motores diésel utilizando estrategias de regresión en machine learning. El estudio, de enfoque cuantitativo y tipo aplicado, recopila datos de un motor diésel Komatsu de 30 litros y 1200 Hp mediante pruebas dinamométricas. Se miden la potencia al freno, el torque y el consumo de combustible, monitoreando diversos parámetros operativos. Con los datos, se desarrolló un modelo de pronóstico usando regresión lineal múltiple en Python. Los resultados muestran una alta correlación entre los parámetros de entrada y salida, destacando la presión del múltiple de admisión como el más relevante.
Las predicciones alcanzan altos valores de R²: torque (0.96), potencia al freno (0.97) y consumo instantáneo (0.98). Se determinan también los coeficientes del modelo de regresión aplicables a los parámetros de entrada. En conclusión, los algoritmos de machine learning, específicamente la regresión lineal múltiple, son efectivos para predecir el comportamiento de motores diésel en pruebas dinamométricas.