Computational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines
Carregando...
Data
2021-05-01
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Instituto de Tecnologia e Educação Galileo da Amazônia
Resumo
Com a expansão dos meios de transporte fluvial, principalmente no caso de embarcações de pequeno e médio porte que fazem rotas de maiores distâncias, o custo do combustível, se não for tomado como critério de análise para maior margem de lucro, é considerado um fator primário. fator , considerando que o valor do combustível especificamente diesel para alimentar máquinas de combustão interna é elevado. Portanto, torna-se necessária a utilização de ferramentas que auxiliem na tomada de decisão, como é o caso da presente pesquisa, que visa contribuir com um modelo computacional de previsão e otimização da melhor velocidade para diminuir o custo de combustível considerando as características do SCANIA Máquina 315. modelo de propulsão, de uma embarcação do porto fluvial de Manaus que realiza transporte fluvial para diversos municípios do Amazonas. De acordo com os resultados das simulações, o melhor algoritmo de treinamento da Rede Neural Artificial (RNA) foi o BFGS Quasi-Newton considerando as características do motor para otimização com Algoritmo Genético (AG).
Palavras-chave
Internal combustion engine (MCI), Optimization and forecasting, Artificial neural networks (RNA), Genetic Algorithm, Meta-heuristics of computing.
Citação
JUNIOR, Paulo Oliveira Siqueira; NASCIMENTO, Manoel Henrique Reis; SILVA, Ítalo Rodrigo Soares; PARENTE, Ricardo Silva; JÚNIOR, Milton Fonseca; LEITE, Jandecy Cabral. Computational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines. International Journal for Innovation Education and Research, Dhaka, Bangladesh, v. 9, n. 5, p. 587–606, 2021. DOI: 10.31686/ijier.vol9.iss5.3128. Disponível em: https://scholarsjournal.net/index.php/ijier/article/view/3128.