• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 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

Otimização de um trocador de calor casco e tubos utilizando o algoritmo lobo cinzento

Oliveira, Clemar Trentin 11 December 2018 (has links)
Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2019-03-13T13:59:33Z No. of bitstreams: 1 Clemar Trentin Oliveira_.pdf: 4154239 bytes, checksum: 0abf1d28fa69ea97d15e72a7624615f5 (MD5) / Made available in DSpace on 2019-03-13T13:59:33Z (GMT). No. of bitstreams: 1 Clemar Trentin Oliveira_.pdf: 4154239 bytes, checksum: 0abf1d28fa69ea97d15e72a7624615f5 (MD5) Previous issue date: 2018-12-11 / Nenhuma / Neste trabalho, desenvolve-se uma nova abordagem de otimização do projeto de um trocador de calor casco e tubos. O algoritmo Otimizador por Lobo Cinzento (GWO) é aplicado para minimizar a função objetivo custo total do trocador de calor proposto. As variáveis de otimização adotadas são: número de passes nos tubos, diâmetro externo dos tubos, diâmetro interno do casco, espaçamento dos defletores e corte dos defletores. O método Bell-Delaware e o método de Kern são utilizados para calcular o coeficiente de transferência de calor e a perda de pressão para o lado do casco. Os resultados da otimização são comparados com o projeto original do trocador de calor e também com os resultados alcançados por outros algoritmos de otimização da literatura. Além disso, o algoritmo GWO é comparado com outras meta-heurísticas de otimização em três funções de teste distintas. Os resultados da comparação do algoritmo GWO nas funções de teste mostram um desempenho competitivo, comparado com o Algoritmo Genético, Otimização por Enxame de Partículas, algoritmo Evolução Diferencial e Algoritmo do Vaga-Lume. Os resultados da otimização do trocador de calor utilizando o método de Kern mostra um bom desempenho, com a redução do investimento de capital em 11,95%, 7,93%, 6,24%, 2,37% e 0,19% comparado ao projeto original, GA, ICA, PSO e GSA respectivamente. Além disso, o custo operacional total descontado foi menor que o projeto original e o restante das metaheurísticas exceto para o algoritmo GSA onde o algoritmo GWO obteve resultado 22,33 %, superior. No geral, a redução combinada do investimento de capital e do custo operacional total descontado obtido pela aplicação do algoritmo GWO levaram a uma redução de custo total de 20,80%, 7,28%, 6,07% e 4,06% comparado ao projeto original, GA, ICA e PSO respectivamente. Por fim, os resultados da otimização do trocador de calor utilizando o método Bell-Delaware comparado ao projeto original mostram desempenho satisfatório com redução do investimento de capital em 13,32%. O custo operacional total foi menor em 32,56%. Neste caso, a redução combinada do investimento de capital e do custo operacional total descontado com o GWO levaram a uma redução de custo total de 17,19%. / In this work, a new approach to optimizing the design of a shell and tube heat exchanger is developed. The Grey Wolf Optimizer algorithm (GWO) is applied to minimize the objective total cost function of the proposed heat exchanger. The optimization variables adopted are: number of tubes passes, tube outside diameter, shell inside diameter, baffles spacing and baffle cut. The Bell-Delaware method and the Kern method are used to calculate the heat transfer coefficient and the pressure drop from the shell side. The results of the optimization are compared with the original design and with other optimization algorithms in the literature. In addition, the GWO algorithm is compared with other optimization meta-heuristics in three different test functions. The results of the comparison of the GWO algorithm in the test functions show a competitive performance compared to the Genetic Algorithm, Particle Swarm Optimization, Differential Evolution algorithm and Firefly Algorithm. Already, the results of the optimization of the heat exchanger using the Kern method shows a good performance, with the reduction of capital investment by 11.95%, 7.93%, 6.24%, 2.37% and 0.19% compared to the original project, GA, ICA, PSO and GSA, respectively. In addition, the total discounted operating cost was lower than the original project and the rest of the metaheuristics except for the GSA algorithm where the GWO algorithm obtained 22.33% higher result. Overall, the combined reduction in capital investment and total discounted operating cost obtained by applying the GWO algorithm led to a total cost reduction of 20.80%, 7.28%, 6.07% and 4.06% compared to the original project, GA, ICA and PSO, respectively. Finally, the results of optimization of the heat exchanger using the Bell-Delaware method compared to the original design show satisfactory performance with reduction of capital investment by 13.32 %. The total discounted operating cost was lower by 32.56%. In this case, the combined reduction in capital investment and discounted total operating cost obtained by applying the GWO algorithm led to a total cost reduction of 17.19%.

Page generated in 0.0997 seconds