Algoritmi di machine learning applicati alla stima delle emissioni di NOx in motori a combustione interna = Use of Machine Learning Algorithms for NOx emissions prediction of in IC engines

Al giorno d'oggi le sempre più stringenti normative anti inquinamento hanno condotto i produttori di veicoli allo svilppo di tecnologia sempre più complesse ed efficaci in ambito abbattimento delle emissioni inquinanti. In particolar modo, la riduzione degli NOx è un tema molto attuale per quanto riguarda lo sviluppo dei motori Diesel, e ciò continua a dare una grande spinta alla ricerca del progresso da parte degli ingegneri dei reparti di ricerca e sviluppo. Lo scopo di questo lavoro è la realizzazione di algoritmo implementabile in centralina per la prevsione dei valori di NOx sulla base delle misure della sensoristica presente a bordo. Per tale scopo, sono stati utilizzati gli algoritmi di Machin Learning "Random Forest" e "Gradient Boosting Regression Tree", sviluppati in ambiente Python; tali algoritmi sono stati testati e comparati per valutare quale offra le migliori prestazioni in termini di accuratezza e radice dell'errore quadratico medio. I dati disponibili sono raccolti in un dataset comprendente dati provenienti da misure a banco e misure ottenute dalla centralina, e per ognuna di queste tipologie sono presenti dati relativi a 6 condizioni di funzionamento del motore. Gli algoritmi sono stati testati in svariate combinazioni di dati di train e di test, e i risultati raccolti per definire il comportamento generale degli algoritmi. Un'attenta analisi è stata svolta per verificare la consistenza dei risultati dei codici e quindi verificarne l'accordo con la fenomenologia del problema.