O SwRI automatiza a calibração das emissões de caminhões pesados.

O Southwest Research Institute (SwRI), uma organização independente sem fins lucrativos que realiza pesquisa e desenvolvimento aplicados para clientes governamentais e da indústria, anunciou que desenvolveu um método para automatizar a calibração de sistemas de controle de emissões de caminhões a diesel pesados usando aprendizado de máquina e otimização baseada em algoritmos.

O Southwest Research Institute utilizou ferramentas de aprendizado de máquina para calibrar automaticamente os sistemas SCR, ajustando os controles para reduzir as emissões totais de NOx e amônia pelo escapamento. (Fonte: Southwest Research Institute)

Os sistemas de pós-tratamento de motores a diesel mais modernos costumam levar semanas para serem calibrados. O novo método do SwRI, por sua vez, permite calibrá-los em apenas duas horas.

“A calibração manual de sistemas de redução catalítica seletiva (SCR) é trabalhosa, muitas vezes exigindo seis semanas ou mais de testes e trabalho”, disse Venkata Chundru, engenheiro de pesquisa sênior da Seção de Algoritmos Avançados do SwRI. “Ao combinar modelagem avançada com otimização automatizada, podemos acelerar a calibração e melhorar o desempenho do sistema, garantindo a conformidade com os padrões futuros.”

As novas normas da Agência de Proteção Ambiental dos EUA (EPA) e do Conselho de Recursos Atmosféricos da Califórnia (CARB) entrarão em vigor em 2027, regulamentando a quantidade de óxidos de nitrogênio (NOx) que um veículo pode emitir em proporção à energia utilizada. O SwRI concluiu diversos projetos que aprimoram as tecnologias automotivas existentes, adequando-as ou até mesmo superando as novas normas.

Como continuação desse trabalho, a Divisão de Engenharia de Sistemas de Propulsão do SwRI desenvolveu um método para automatizar a calibração de sistemas SCR para motores a diesel. A maioria dos sistemas SCR controla as emissões do motor usando uma solução à base de amônia, como o fluido de escape diesel à base de ureia injetado no fluxo de escape. O escape dosado interage com um catalisador, criando uma reação química que converte NOx em água e nitrogênio inofensivos.

A equipe do projeto criou um modelo de aprendizado de máquina baseado em redes neurais, fundamentado em princípios da física, que aprende tanto com dados quanto com as leis da física, o que, segundo a equipe, proporciona resultados mais rápidos e precisos. Ao executar simulações de um sistema SCR ativo, foi possível ajustar com precisão o controle da dosagem de ureia para reduzir as emissões totais de NOx e amônia e identificar rapidamente as configurações ideais para os motores. O modelo pôde então aprender a identificar essas configurações e mapear os processos de calibração, permitindo a automação completa.

“Em comparação com a calibração manual, o método que desenvolvemos proporcionou consistentemente tempos de calibração mais rápidos e melhor eficiência na conversão de NOx, entre outros benefícios”, disse Chundru. “Ele nos oferece um caminho escalável e econômico para futuras aplicações em veículos pesados.”