A indústria automobilística é um dos mais importantes setores da economia no Brasil e no mundo. Nos últimos anos viu-se praticamente obrigada a melhorar o desempenho de seus veículos produzidos e reduzir seus custos. Um dos marcos desta transformação foi o desenvolvimento do sensor de oxigênio, sendo este um dos principais elementos dos sistemas gerenciadores de motor. Esta dissertação propõe o estudo de arquiteturas de sistemas inteligentes para sensoriamento virtual de oxigênio em veículos bicombustíveis, utilizando-se redes neurais artificiais supervisionadas, com arquitetura Perceptron multicamadas. As topologias implementadas atingiram resultados com erros relativos médios menores que 1% em centenas de topologias. Verificou-se também que para o sensoriamento virtual de oxigênio em veículos bicombustíveis, a abordagem de se realizar treinamentos com todos os tipos de combustíveis, segmentando conjuntos de todo o universo de dados, mostra-se a mais adequada.

The automotive industry is one of the most important sectors in Brazilians economy and in the world. In recent years, this industry has been forced to improve the performance of their produced vehicles and to reduce their costs. One of the landmarks of this transformation was the development of the oxygen sensor, which is one of the main elements of the engine management systems. This dissertation proposes the use of intelligent systems architectures for virtual oxygen sensing of bi-fuel vehicles, using multilayer Perceptron artificial neural networks. The implemented topologies reach results with mean relative errors less than 1% in hundreds of topologies. It was also noted that the approach to train the neural network with all types of fuels, using subsets of data universe, it is the most appropriate to have a virtual sensing of oxygen in bi-fuel vehicles.