En el presente estudio se determina el rendimiento de un motor ciclo Otto, utilizando gasolina Súper (92 octanos), Extra (87 octanos) y mezclas con estas dos gasolinas, la primera con 50%V de cada tipo, mientras que la segunda con un valor en volumen de 70% de Súper con 30%V de Extra. Se utilizó un dinamómetro para obtener las curvas de potencia y torque, la mezcla Súper 50%V con Extra 50%V obtuvo un mayor valor de potencia con 81.3 HP, la gasolina Súper obtuvo un mayor valor de torque con 89.2 lb-ft. Con las pruebas dinámicas en ruta se midió el consumo de combustible, resultando menor el consumo con la gasolina Súper. Mediante pruebas dinámicas con el equipo ASM y un analizador de gases, se midieron las emisiones de gases contaminantes (CO, CO2, HC y NOx). En el ciclo ASM 2525 se midió CO, HC y NOx siendo la gasolina Súper, Extra y la mezcla Súper 50%V con Extra 50%V respectivamente las menos contaminantes y en el ciclo ASM 5015 siendo la gasolina Súper, Extra y la mezcla Súper 70%V con Extra 30%V respectivamente las menos contaminantes. En la prueba estática de gases, las emisiones bajas resultaron con la gasolina Súper.

La presente investigación tiene como objetivo determinar el avance que han tenido las tecnologías de baterías en el campo automotriz, debido a la implementación de sistemas de electrificación en el tren de potencia, usado en los vehículos híbridos y eléctricos. Las tecnologías utilizadas se clasificaron por la química utilizada en su construcción, siendo las de plomo ácido, níquel metal hidruro y ion litio las escogidas. Posteriormente se investigó sobre las características más importantes de cada una de ellas, entre las que se encuentran  como la capacidad, el voltaje nominal de sus celdas, entre otras. Las baterías de plomo por su costo seguirán ocupando una cuota de mercado considerable, pero por sus prestaciones no pueden utilizarse como baterías de propulsión. Las baterías de níquel metal hidruro soportan un mayor estrés de trabajo, poseen mayor densidad de energía por lo que se usan principalmente en vehículos híbridos. Por la demanda de energía y potencia que necesitan los vehículos eléctricos necesitan de las baterías con mayor densidad de energía, que son las de ion litio.

En el presente estudio se analizaron los parámetros del funcionamiento real de un motor de combustión interna ciclo Otto, que utiliza como combustible hidrógeno más gasolina; se determinaron dos ecuaciones estequiométricas. En la primera ecuación, los reactivos son el octano y el aire, en la segunda ecuación se adicionó la cantidad real de 3.86 moles de H2 obtenidas de una celda de hidrógeno. A partir de las ecuaciones químicas se determinaron dos sistemas de ecuaciones para obtener el consumo y la potencia, manteniendo las condiciones a la altura de Quito de 2850 msnm, 72.794 kPa de presión atmosférica y 300 K de temperatura ambiente. Se utilizó un motor mono cilindro alimentado con hidrógeno más gasolina, y se obtuvieron datos reales de potencia del motor con las mezclas aire-gasolina e hidrógeno-gasolina. La potencia teórica sin H2 fue 3.91 HP y con H2 de 5.41 HP, con un aumento del 27.1%; la potencia real es 3.78 HP sin H2 y 4.66 HP con H2, la cual se incrementó en un 16.7%. El consumo de combustible teórico es 401.61 g/kWh y con adición de H2 es menor a 373.52 g/kWh; el consumo real que indica el fabricante es 395 g/kWh.

An Artificial Intelligence (AI) algorithm based on neural networks is developed, which allows controlling the braking system of a car. For this, a simulation model is used that allows for testing the neural network (NN) algorithm. The input parameters to the neural network are the speed of the car and the proximity to the car that is ahead called the safety distance, while an output parameter is the information available to activate the Brake System. Other parameters used in the weighting of the error function associated with the RN are the driving mode, for example, driving fast or slow, or when driving fast, applying the brakes more frequently. In the first instance, the algorithm learns the driving mode, forward speed, braking, and proximity to the front vehicle. Then, the algorithm must be tested in unknown situations and the learning capacity must be verified. Keywords: artificial intelligence, braking system, autonomous driving. Resumen Se desarrolla un algoritmo de Inteligencia Artificial (AI) basado en redes neuronales, que permite controlar el sistema de frenos de un auto. Para esto se utiliza un modelo de simulación que permite probar el algoritmo de red neuronal(RN), los parámetros de ingreso a la red neuronal son la velocidad del auto y proximidad al auto que va adelante denominada distancia de seguridad, como parámetro de salida se tiene la información para activar el Sistema de frenos. Otros parámetros utilizados en la ponderación de la función de error asociada a la red neuronal son el modo de manejo, por ejemplo, el hecho de manejar rápido o lento, o cuando se maneja rápido, aplicar los frenos con mayor frecuencia. En primera instancia el algoritmo aprende el modo de manejo, velocidad de avance, frenado, proximidad al vehículo delantero, posteriormente hay que probar el algoritmo en situaciones desconocidas y verificar la capacidad de aprendizaje. Palabras Clave: inteligencia artificial, sistema de frenos, conducción autónoma.

Una participación importante en la oferta de transporte público urbano de Quito está en manos de la empresa privada. Dada la elevada demanda, tienden a desacatarse indicadores de seguridad y calidad del servicio. Este hecho es la motivación fundamental del presente artículo, mediante el cual se verificó el cumplimiento de la norma INEN 2205 para asientos de pasajeros y conductores en una compañía de transporte urbano específica. Se extrajo una muestra de veintitrés unidades y cada punto muestral representa un modelo de carrocería. En concreto, se realizaron mediciones de asientos utilizando: flexómetro, nivel de burbuja e inclinómetro. Además, se llevaron a cabo inspecciones visuales y experimentos simples de fricción mecánica para evaluar las características cualitativas. Finalmente, se efectuó un conteo simple de verificación en la muestra y se construyeron intervalos de confianza y pruebas de hipótesis para el estadístico proporción. Las inferencias poblacionales mostraron que el 41% y 55% de asientos de pasajeros y conductores, respectivamente, cumplieron con la normativa; mientras que el análisis multivariante permitió identificar grupos muestrales y correlaciones entre ellos. Se concluyó que existe inobservancia de la normativa en cuanto al estado de los asientos y parámetros angulares.