Desenvolvimento de um sensor virtual neural para predição de incrustação em trocadores de calor
Data
2018
Autores
Godke, Larissa Mota 
Parise, Barbara de França
Orientadores
Martins, Tiago Dias
Tipo
Trabalho de conclusão de curso
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Trocadores de calor são equipamentos fundamentais em Indústrias químicas. Têm
por função realizar a troca térmica entre dois ou mais fluidos a fim de garantir as condições
necessárias ao processo. Podem servir como evaporadores, condensadores, ou apenas
promotores de um resfriamento ou aquecimento de um fluido. Para garantir a eficiência
térmica desses equipamentos é preciso controlar a evolução da incrustação na sua superfície,
que é a deposição de materiais, ou seja, de sujeira devido a diversos fatores operacionais e de
projeto. Uma forma eficiente encontrada para determinar quando é preciso realizar paradas de
limpeza é o uso de Redes Neurais Artificiais (RNAs), que são técnicas computacionais de
modelagem matemática que se baseiam no cérebro humano para a resolução dos problemas
mais simples até os mais complexos. Sendo assim, este trabalho tem por finalidade controlar a
evolução da incrustação em um trocador de calor por meio do treinamento de Redes Neurais
Artificiais e testar os tipos de estratégias e estruturas que melhor desempenham a simulação
para este sistema. Os dados utilizados foram obtidos de um trocador casco e tubo que serve
para resfriar propano por meio de água de refrigeração, localizado em uma Indústria
Petroquímica de São Paulo. As variáveis de entrada da RNA foram as temperaturas de entrada
do fluido quente e do frio e a vazão de saída do fluido frio, e, a variável de saída que a rede
gerou foi a vazão de saída do fluido frio. A estrutura da RNA e o método de otimização
utilizados foram, respectivamente, as MLPs (Multilayer Perceptron) ou perceptron de
multicamadas com uma ou duas camadas ocultas e os algoritmos back-propagation com
Marquardt Levenberg e Marquardt Levenberg com regularização bayesiana. Foram utilizadas
duas estratégias para a simulação. Na primeira, a temperatura anterior de entrada dos fluidos
frio e quente e a vazão anterior e atual de saída do fluido frio alimentaram a rede enquanto
que a saída foi a vazão posterior de saída do fluido frio. Não se obteve sucesso para essa
estratégia visto que o melhor valor de coeficiente de correlação (R2
) para a simulação foi de
0,3362. A estratégia 2 teve como entrada da rede as temperaturas e vazões atuais e como saída
a vazão posterior. Nessa estratégia, 3 modelos foram testados e o que melhor representou o
sistema industrial estudado foi a estrutura ‘3-30-30-1’ com função de treinamento Levenberg Marquardt e função de transferência tangente sigmoidal nas camadas intermediárias e linear na camada de saída. O R2 para esse modelo foi de 0,9435, o erro médio foi de 155,10% e a
mediana foi de 13,31%. O objetivo para o estudo foi atingido visto que as simulações da rede
representaram bem o comportamento dos dados experimentais, ou seja, foi provado que a
RNA pode ser usada para predição da incrustação em trocadores de calor industriais