Científicos de la Universidad Carlos III de Madrid (UC3M) estudian la viabilidad de la aplicación de técnicas ópticas para la medida de parámetros, principalmente de la temperatura de la llama, que aporten información in situ sobre los procesos de combustión. El objetivo de la investigación es controlar de forma automática estos procesos, lo que permitiría disminuir las pérdidas de energía y reducir los niveles de contaminación asociados a ellos.
En los motores de los aviones o en algunas cámaras industriales suceden una serie de reacciones de combustión en condiciones extremas que convierten estos entornos en medios muy agresivos para la investigación. Allí resulta muy complicado el estudio y el control de estos procesos dadas las altas presiones y temperaturas que imperan en estos escenarios.
Sin embargo, un grupo de científicos de la UC3M investiga la manera de mejorar las mediciones en estos lugares. Esteban García-Cuesta, bajo la dirección de los profesores Antonio J. de Castro e Inés M. Galván, de los departamentos de Física e Informática de la UC3M, respectivamente, trabaja en un proyecto multidisciplinar para la recuperación de propiedades físicas en los procesos de combustión, concretamente de la temperatura de la llama. Esta propiedad es muy importante porque contiene toda la información química de la reacción y, conociéndola, podría determinarse el estado global de la combustión y modificarlo automáticamente en función de las necesidades.
Castro y su equipo realizan simulaciones computacionales de técnicas ópticas, en concreto de los espectros de emisión en el infrarrojo de los gases emitidos en dichas reacciones, como dióxido de carbono (CO2), vapor de agua, monóxido de carbono (CO) u óxidos de nitrógeno (NOx). Estos compuestos, al presentar importantes bandas de emisión en la zona infrarroja del espectro, han sido seleccionados por los investigadores como parámetros a medir. La información espectral está relacionada matemáticamente con los perfiles de temperatura de la llama, de manera que su medida permite la recuperación de esta información dentro de la propia cámara de combustión. Sin embargo, "la conversión de estos espectros en el perfil de temperaturas presenta una relación no lineal, por lo que no es un problema trivial - explica el profesor Castro -, porque temperaturas diferentes podrían dar lugar a espectros similares, haciendo que la solución no sea única", concluye el investigador.
Redes neuronales
Los investigadores han aplicado un tipo de red neuronal (multilayer perceptron), para realizar la inversión de datos espectrales en térmicos. Como las medidas espectrales se realizan en alta resolución, la cantidad de cálculos necesarios para su tratamiento y uso, con las llamadas técnicas de machine learning, es elevado pudiendo incluso disminuir su rendimiento. Según Castro, "necesitamos mucha información espectral para medir bien el espectro, pero este exceso de información no es adecuado para una red neuronal y hay que desarrollar técnicas de selección o de extracción de características para reducir el número de parámetros de entrada sin perder información". Por ello, los investigadores aplican el training o aprendizaje de la red como "un proceso inteligente de selección de información, en este caso de longitudes de onda, para extraer la información física que nos interesa y evitar que sea redundante. El cómo des la información a la red es muy importante y en ese punto se encuentra nuestra investigación", añade el investigador. El siguiente paso que se plantean los científicos es medir espectros en sistemas reales. De momento, han conseguido realizar medidas teóricas de temperatura bastante aproximadas (unos 3 grados Kelvin más ajustadas en la zona más caliente de la llama). Estos estudios computacionales tienen como fin determinar la viabilidad de las técnicas de conversión de datos.
La monitorización de la temperatura junto con el uso de los llamados sistemas feedback permitiría el control automático de los procesos de combustión. Éstos últimos reciben información de la propia reacción de combustión, analizan el estado en que se encuentra y realimentan al sistema. Asimismo, presentan la capacidad de modificar variables, como el flujo de entrada de gases combustibles, obteniendo así un control mejor sobre el proceso global. Esto resulta muy importante para disminuir las emisiones de contaminantes y optimizar pérdidas de energía.
El estudio "Multilayer perceptron as inverse model in a ground-based remote sensing temperature retrieval problem" ha sido publicado en la revista Engineering Applications of Artificial Intelligence por Esteban García Cuesta, Inés M. Galván y Antonio J. De Castro, investigadores de la UC3M.
Más información
Oficina de Información Científica de la UC3M
Investigadores del Instituto de Física Corpuscular han logrado medir en el laboratorio la formación de un elemento clave en la evolución de la composición química de los elementos pesados. Un isótopo de este elemento, el Plomo-204, se produce en estrellas gigantes rojas, responsables de la creación de la mitad de los elementos más pesados que el hierro en la naturaleza.
La Real Academia Sueca de las Ciencias ha premiado a los investigadores John Hopfield, de la Universidad de Princeton (EE UU), y Geoffrey Hinton, de la Universidad de Toronto (Canadá), por sus descubrimientos e inventos que permiten el aprendizaje automático con las redes neuronales artificiales.
