Submitted by Almir Azevedo (barbio1313@gmail.com) on 2014-01-15T12:48:16Z No. of bitstreams: 1 dissertacao_mestrado_ien_2008_04.pdf: 1317159 bytes, checksum: c510f22d0bfa406fdceeb4cdbb80e43f (MD5) / Made available in DSpace on 2014-01-15T12:48:16Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_ien_2008_04.pdf: 1317159 bytes, checksum: c510f22d0bfa406fdceeb4cdbb80e43f (MD5) Previous issue date: 2008 / O projeto de modelos em escala reduzida tem sido empregada por engenheiros de vários setores como indústria naval, indústria aeroespacial, petrolífera, indústria nuclear e outras. Modelos em escala reduzida são usados em experimentos porque são economicamente mais atraentes do que seus próprios protótipos (escala real), e em muitos casos também são mais baratos e, na maioria das vezes, mais fáceis de serem construídos fornecendo uma maneira de se conduzir o projeto em escala real permitindo investigações e análises indiretas no sistema em escala real. Um modelo em escala reduzida (ou experimento) deve ser capaz de representar todos os fenômenos físicos que ocorrem e ocorrerão no sistema real em condições de operação, neste caso o modelo em escala reduzida é dito similar. Existem alguns métodos para se projetar um modelo em escala reduzida, e destes, dois métodos são básicos : o método empírico que é baseado na habilidade do profissional especialista para determinar quais são as grandezas físicas relevantes para o modelo desejado, e o método das equações diferenciais que é baseado na descrição matemática do protótipo (ou experimento em escala real) para o modelo. Aplicando uma técnica matemática à equação ou equações diferenciais que descrevem o comportamento do protótipo a partir de leis físicas e assim ressaltando as grandezas físicas (quantidades) relevantes para o problema do projeto do modelo em escala reduzida, e assim o problema pode ser tratado como um problema de otimização. Muitas técnicas de otimização como Algoritmo Genético, por exemplo, tem sido desenvolvidas para solucionar esta classe de problemas e tem também sido aplicadas ao projeto do modelo em escala reduzida. Neste trabalho, é realizada a investigação do uso da técnica de otimização por enxame de partículas, como ferramenta (alternativa) de otimização, no projeto termohidráulico do núcleo de reator PWR em escala reduzida, em regime de circulação forçada e condições normais de operação. Uma comparação de desempenho entre as técnicas GA e PSO é realizada assim como uma comparação entre seus resultados. Os resultados obtidos mostram que a técnica de otimização investigada é uma ferramenta promissora para o projeto de experimentos ou equipamentos em escala reduzida, apresentando vantagens sobre outras técnicas. / The reduced scale models design have been employed by engineers from several different industries fields such as offshore, spatial, oil extraction, nuclear industries and others. Reduced scale models are used in experiments because they are economically attractive than it’s own prototype (real scale) because in many cases they are cheaper than a real scale one and most of time they are also easier to build providing a way to lead the real scale design allowing indirect investigations and analysis to the real scale system (prototype). A reduced scale model (or experiment) must be able to represent all physical phenomena that occurs and further will do in the real scale one under operational conditions, e.g., in this case the reduced scale model is called similar. There are some different methods to design a reduced scale model and from those two are basic : the empiric method based on the expert’s skill to determine which physical measures are relevant to the desired model; and the differential equation method that is based on a mathematical description of the prototype (real scale system) to model. Applying a mathematical technique to the differential equation that describes the prototype then highlighting the relevant physical measures so the reduced scale model design problem may be treated as an optimization problem. Many optimization techniques as Genetic Algorithm (GA), for example, have been developed to solve this class of problems and have also been applied to the reduced scale model design problem as well. In this work, Particle Swarm Optimization (PSO) technique is investigated as an alternative optimization tool for such problem. In this investigation a computational approach, based on particle swarm optimization technique (PSO), is used to perform a reduced scale two loop Pressurized Water Reactor (PWR) core, considering 100% of nominal power operation on a forced flow cooling circulation and non-accidental operating conditions. A performance comparison between GA and PSO techniques is performed as it’s obtained results to this problem. Obtained results shows that the proposed optimization technique (PSO) is a promising tool for a reduced scale experiments or equipments design, presenting advantages over other techniques.