Investigaciones recientes:
La investigación se centra en el avance de la ingeniería automotriz mediante la integración de análisis experimental, modelado computacional e inteligencia artificial. Una parte significativa del trabajo aborda la eficiencia de los motores de combustión interna, investigando específicamente el impacto de la viscosidad del lubricante y la calidad del combustible en el rendimiento y las emisiones. Este enfoque experimental se complementa con una revisión exhaustiva de la tribología de nanolubricantes, explorando cómo los aditivos de nanopartículas pueden mejorar las propiedades de los lubricantes. Además, la investigación incorpora metodologías de diagnóstico avanzadas, utilizando algoritmos de aprendizaje automático —como Random Forest, redes neuronales artificiales y máquinas de vectores de soporte— para clasificar fallas mecánicas basadas en datos de sensores. Más allá del diagnóstico de motores, el trabajo se extiende al diseño estructural, empleando análisis de elementos finitos (FEM) y diseño asistido por computadora para optimizar el peso y la integridad estructural de monocascos tipo Formula Student, garantizando el cumplimiento de los estándares de seguridad mientras se mejora el rendimiento del vehículo.

Temas Clave:

• Rendimiento y emisiones de motores de combustión interna
• Aprendizaje automático para el diagnóstico de fallas mecánicas
• Tribología de nanolubricantes
• Análisis y diseño estructural por elementos finitos
• Optimización experimental mediante metodología de superficie de respuesta