• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 2
  • Tagged with
  • 2
  • 2
  • 2
  • 2
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

[en] COUPLING MACHINE LEARNING AND MESOSCALE MODELING TO STUDY THE FLOW OF SEMI-DENSE AND DENSE SUSPENSIONS / [pt] INTERLIGANDO APRENDIZADO DE MÁQUINA E SIMULAÇÃO EM MESOESCALA PARA ESTUDAR O ESCOAMENTO EM SUSPENSÕES SEMI-DENSAS E DENSAS

ERIKA IMADA BARCELOS 09 May 2022 (has links)
[pt] Suspensões correspondem a uma classe de materiais amplamente utilizada em uma grande variedade de aplicações e indústrias. Devido à sua extrema versatilidade, elas têm sido foco de inúmeros estudos nas últimas décadas. Suspensões também são muito flexíveis e podem apresentar diferentes propriedades reológicas e respostas macroscópicas dependendo da escolha dos parâmetros usados como entrada no sistema. Mais especificamente, a resposta reológica de suspensões está intimamente associada ao arranjo microestrutural das partículas que compõem o meio e a fatores externos, como o quão confinadas elas se encontram e a rigidez das partículas. No presente estudo, o efeito da rigidez, confinamento e vazão na microestrutura de suspensões altamente concentradas é avaliado usando Dinâmica Dissipativa de Partículas com Núcleo Modificado. Precedento este estudo principal, foram necessárias outras duas etapas para garantir um sistema de simulação confiável e representativo, que consistiu, essencialmente, na realização de estudos paramétricos para compreender e estimar os valores adequados para os parâmetros de interacção parede-partícula. O presente trabalho aborda estudos paramétricos realizados para auxiliar na escolha dos parâmetros de entrada para evitar a penetração de partículas em um sistema delimitado por paredes. Inicialmente um sistema mais simples, composto por solvente e paredes é construído e os parâmetros de interação e densidades de parede foram ajustados. Em seguida as interações são definidas para suspensões. Neste último caso, vários parâmetros desempenham um papel na penetração e a maneira tradicional de investigar esses efeitos seria exaustiva e demorada. Por isso, optamos por usar uma abordagem de Machine Learning para realizar este estudo. Uma vez ajustados os parâmetros, o estudo de confinamento pôde ser realizado. O objetivo principal deste estudo foi entender como a microestrutura de suspensões concentradas é afetada pela vazão, rigidez das partículas e confinamento. Verificou-se que partículas muito flexíveis sempre formam um aglomerado gigante independente da razão de confinamento; a diferença está em quão compactadas são as partículas. No caso de partículas rígidas, um confinamento mais forte leva à formação de aglomerados maiores. O estudo final aborda um estudo de aprendizado de máquina realizado para prever a reologia de suspensões não confinadas. Com este trabalho foi possível entender e ajustar parâmetros de simulação e desenvolver um domínio computacional que permite estudar sistematicamente efeitos do confinamento em suspensões. / [en] Suspensions correspond to a class of materials vastly used in a large set of applications and industries. Due to its extreme versatility, they have been the focus of numerous studies over the past decades. Suspensions are also very flexible and can display different rheological properties and macroscopic responses depending on the choice of parameters used as input in the system. More specifically, the rheological response of suspensions is intimately associated to the microstructural arrangement of the particles composing the medium and external factors, such as how strongly they are confined and particle rigidity. In the present study, the effect of particle rigidity, confinement and flow rate on the microstructure of highly concentrated suspensions is studied using CoreModified Dissipative Particle Dynamics. Preceding this main study, two other steps were necessary to guarantee a reliable and realistic simulation system, which consisted, essentially, on performing parametric studies to understand and estimate the appropriate values for wall-particle interaction parameters. The present work address parametric studies performed to assist the input parameters choice to prevent particle penetration in a wall-bounded system. Initially a simpler system, composed of solvent and walls, is built and the interaction parameters and wall densities were adjusted. Following, the interactions are set for suspensions. In the latter case multiple parameters play a role in penetration and the traditional way to investigate these effects would be exhaustive and time consuming. Hence, we choose to use a Machine Learning approach to perform this study. Once the parameters were adjusted, the study of confinement could be carried out. The main goal of this study was to understand how the microstructure of concentrated suspensions is affected by flow rate, particle rigidity and confinement. It was found that very soft particles always form a giant cluster regardless the confinement ratio; the difference being on how packed the particles are. In the rigid case, a stronger confinement leads the formation of larger clusters. The final study addresses a machine learning study carried out to predict the rheology of unconfined suspensions. The main contribution of this work is that it was possible to understand and adjust simulation parameters and develop a computational domain that enables to systematically study confinement effects on suspensions.
2

[pt] ESCOAMENTOS A MICROESCALA DE LÍQUIDOS TIXOTRÓPICO / [en] MICROSCALE FLOWS OF THIXOTROPIC LIQUIDS

CARLOS EDUARDO SANCHEZ PEREZ 10 July 2023 (has links)
[pt] Muitas suspensões de partículas se comportam como materiais tixotrópicos e estão presente em muitos processos industriais, incluindo aplicações de revestimentos de filmes finos. Especificamente, operações de extrusão de fluidos tixotrópicos estão envolvidos na produção de eletrodos de baterias. Na maioria dos casos, o escoamento de suspensões de partículas é descrito por modelos independentes no tempo, que assumem que a viscosidade como uma função somente da taxa local de deformação local. No entanto, a viscosidade dos fluidos tixotrópicos é associada com a evolução do seu nível de microestruturação que não muda instantaneamente com a tensão (ou taxa de deformação). No caso da imposição de uma tensão constante (ou taxa de cisalhamento), a microstrutura evolui até alcançar um estado de equilíbrio, porém este processo leva tempo. Mesmo em escoamentos em regime permanente, o líquido escoa através de regiões onde tem mudanças significativas nos níveis de tensão, sendo assim o escoamento transiente de um ponto de vista Lagrangiano. Então, assumir que a viscosidade, em todo ponto do escoamento, é à viscosidade em regime permanente pode gerar uma descrição errada do escoamento. A magnitude relativa do tempo de resposta do líquido e do seu tempo de residência torna-se num parâmetro importante, especialmente em escoamentos em pequena escala com tempos de residência muito curtos. O escoamento de um líquido tixotrópico através de um microcapilar com constrição e no processo de revestimento por extrusão foram analisados aqui, usando dois modelos reológicos: um modelo independente no tempo (TIM) e um modelo tixotrópico que leva em conta a resposta transiente do líquido. O conjunto de equações não lineares foi resolvido utilizando o método de Galerkin/SUPG de elementos finitos. Os resultados mostram que o uso de um modelo simples TIM para descrever materiais tixotrópicos, como suspensões de partículas, pode levar a erros muito significativos na predição do comportamento de escoamento. Além disso, os modelos independentes no tempo não têm a capacidade de predizer certos fenômenos de escoamento, como a histerese, que pode gerar escoamentos instáveis. Essas imprecisões indicam a necessidade de usar um modelo mais completo que considere a resposta transiente do líquido. / [en] Many particle suspensions behave as thixotropic-viscous materials and they are present in different industrial processes, including coating applications. Specifically, the production of battery electrodes involves slot coating of a thixotropic liquid. In most cases, the flow of slurries and other particle suspensions is described by using a time-independent model that assumes the viscosity to be solely a function of the local deformation rate. However, the viscosity of thixotropic fluids is associated to the evolution of its microstructuring level, which does not change instantaneously with the shear stress (or deformation rate). In the case of imposing constant shear stress (or shear rate), the microstructure evolves until reaching an equilibrium state; but this process takes time. Even in a steady-state flow, the liquid flows through regions where there are significant changes in the levels of shear stress and the flow is transient in a Lagrangian point of view. Therefore, assuming that the viscosity at each point of the flow is the steady-state viscosity described by a time-independent model may lead to an inaccurate flow description. The relative magnitude of the characteristic response time of the liquid and the residence time of the flow becomes an important parameter. This is particularly relevant in small scale flows with very small residence time. Flows of a thixotropic-viscous liquid through a constricted microcapillary and in a slot coating process were analyzed here using two rheological models: a time-independent model (TIM) and a thixotropic model that takes into account the liquid time-dependent response. The resulting set of fully coupled, non-linear equations was solved by the Galerkin and SUPG Finite Element Method. The results show that the use of a TIM to describe thixotropic viscous materials, such as some particle suspensions, can lead to very large errors on the predicted flow behavior. Furthermore, time-independent models are not able to predict complex flow phenomena, like hysteresis, which could lead to unstable flows. These inaccuracies highlight the need for a more complete model that takes into account time-dependency of the flowing liquid in a certain range of flow parameters.

Page generated in 0.0474 seconds