Un avance en la calibración de sistemas de control de emisiones con IA

Southwest Research Institute (SwRI) presentó un innovador método para automatizar la calibración de sistemas de control de emisiones en camiones diésel pesados, utilizando herramientas de aprendizaje automático y optimización basada en algoritmos. Este avance permite reducir el tiempo de calibración de semanas a tan solo dos horas.

La calibración manual de los sistemas de reducción catalítica selectiva (SCR) suele ser un proceso laborioso, que puede llevar seis semanas o más. Según Venkata Chundru, ingeniero de investigación senior en la sección de Algoritmos Avanzados de SwRI, "al combinar modelado avanzado con optimización automatizada, podemos acelerar la calibración y mejorar el rendimiento del sistema, asegurando el cumplimiento de las normativas que se avecinan".

Las nuevas normativas de la Agencia de Protección Ambiental de EE. UU. y de la Junta de Recursos del Aire de California (CARB) entrarán en vigor en 2027, regulando la cantidad de óxidos de nitrógeno (NO_x) que un vehículo puede emitir en relación con la energía utilizada. SwRI ha completado varios proyectos que mejoran las tecnologías automotrices existentes, cumpliendo o superando estas nuevas normas.

Como parte de este trabajo, la División de Ingeniería de Transmisiones de SwRI desarrolló un método para automatizar la calibración de sistemas SCR para motores diésel. La mayoría de estos sistemas controlan las emisiones del motor utilizando una solución a base de amoníaco, como el fluido de escape diésel basado en urea, que se inyecta en el sistema de escape. Los gases de escape tratados interactúan con un catalizador, generando una reacción química que convierte los NO_x en agua y nitrógeno inofensivos.

El equipo del proyecto creó un modelo de red neuronal informado por la física que aprende tanto de los datos como de las leyes de la física, proporcionando resultados más rápidos y precisos. Al ejecutar simulaciones de un sistema SCR activo, el equipo pudo ajustar el control de dosificación de urea para reducir las emisiones generales de NO_x y amoníaco, identificando rápidamente los ajustes óptimos para los motores. El modelo aprendió a identificar estos ajustes y mapear los procesos de calibración, permitiendo así la automatización completa.

Chundru destacó que "en comparación con la calibración manual, el método que desarrollamos entregó consistentemente plazos de calibración más rápidos y mejoró la eficiencia de conversión de NO_x, entre otros beneficios. Esto nos proporciona un camino escalable y rentable para futuras aplicaciones de vehículos pesados".

Temas