<p>En el trabajo se presentan resultados investigativos obtenidos por los autores en el modelado de indicadores de desempeño de la operación de instalaciones de gasificación de la biomasa con ayuda de redes neuronales artificiales, a partir de la clasificación de la información derivada del análisis sistémico de su operación. Se realizó el estudio bibliográfico de los trabajos de investigaciones previos relacionados. A partir de un plan experimental 3N con tres réplicas se elaboran, utilizando las técnicas de las redes neuronales, cuatro modelos correspondientes a respectivos indicadores de desempeño, los que se comparan con los obtenidos por modelos de regresión no lineal. Como biomasa se utiliza el Oryza sativa.</p>

No abstract

El objetivo de la investigación es el estudio de la pistia stratiotes (lechuguín de agua) con diferentes tipos de humedad como potencial fuente energética renovable de biomasa, en donde se determina su poder calorífico mediante el proceso de secado y fabricación de probetas estandarizadas que serán ensayadas en una bomba calorimétrica adiabática, equipo que pertenece al Laboratorio de Conversión de Energía de la Universidad de las Fuerzas Armadas – ESPE. Con este estudio se pretende aprovechar a esta planta acuática que está considerada dentro de las 100 malezas más invasoras a nivel mundial como un vector energético ya que la misma se ha constituido en un grave problema para los biomas hídricos invadidos y represas pertenecientes a centrales hidroeléctricas como Paute, así como también represas para riego agrícola.

No abstract

En el presente estudio se realizó el control de la temperatura de pirolización en un proceso de gasificación de la madera de eucalipto, su predicción se realiza a parir de los parámetros de operación del reactor para asegurar la obtención de un gas de síntesis con la calidad requerida. Se muestran los resultados obtenidos del modelado matemático para la predicción de la temperatura de pirólisis con la utilización de técnicas de inteligencia artificial y el desarrollo de redes neuronales artificiales, con datos experimentales del proceso. Por ello se implementó un diseño estadístico experimental de tipo 3n, con dos réplicas adicionales, mediante el cual se realizaron los entrenamientos de una red neuronal artificial capaz de predecir la temperatura de pirólisis en un gasificador de tipo downdraft con cogeneración. La predicción de la temperatura de pirólisis tiene error de 4,6 oC y un ajuste del 93,71 %, valores adecuados sobre este parámetro de trabajo.