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

Abstract

Este 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.