21 |
[en] PREDICTING DRY GAS SEALS RELIABILITY WITH MACHINE LEARNING TECHNIQUES DEVELOPED FROM SCARCE DATA / [pt] PREVISÃO DE CONFIABILIDADE DE SELOS SECOS A GÁS COM TÉCNICAS DE MACHINE LEARNING DESENVOLVIDO A PARTIR DE DADOS ESCASSOSMATHEUS HOFFMANN BRITO 07 November 2022 (has links)
[pt] A correta operação de equipamentos na indústria de Óleo e Gás é fundamental
para a reduzir perdas ambientais, humanas e financeiras. Neste
cenário, foram estudados selos secos a gás (em inglês,DGS) de compressores
cetrífugos, por serem identificados como os mais críticos devido à extensão
dos danos potenciais causados em caso de falha. Neste estudo, foram desenvolvidos
31 modelos regressivos disponíveis no Scikit-Learn através de
técnicas de aprendizado de máquina (em inglês, ML). Estes foram treinados
com um conjunto de dados escassos, criado a partir de uma técnica de
planejamento de experimentos, para substituir simulações numéricas na previsão
de confiabilidade operacional de DGSs. Primeiramente, foi validado
um modelo baseado na simulação da Dinâmica dos Fluidos Computacionais
(em inglês, CFD) para representar o escoamento do gás entre as faces
de selagem, a fim de possibilitar o cálculo da confiabilidade operacional
do equipamento. Neste, foi utilizado o software de CFD de código aberto
OpenFOAM em conjunto com o banco de dados de substâncias do software
REFPROP, a fim de possibilitar ao usuário definir a mistura gasosa e as
condições operacionais avaliadas. Em seguida, foram realizados dois estudos
de caso seguindo um fluxograma genérico de projeto proposto. O primeiro
consistiu na determinação de um modelo regressivo para estimar a confiabilidade
de um DGS cuja composição gasosa (composta por metano, etano e
octano) é fixa porém suas condições operacionais podem ser alteradas. Já o
segundo consistiu na determinação de um modelo regressivo mais robusto,
onde tanto a composição gasosa como as condições operacionais podem ser
alteradas. Por fim, foi avaliada a viabilidade de implementação de ambos os
modelos em condições reais de operação, baseado na norma infinita obtida
para a predição do conjunto de teste. As performances atingidar foram de
1.872 graus Celsius e 6.951 grau Celsius para o primeiro e segundo estudos de caso, respectivamente. / [en] The correct equipment operation in the Oil and Gas industry is
essential to reduce environmental, human, and financial losses. In this
scenario, dry gas seals (DGS) of centrifugal compressors were studied,
as they are identified as the most critical device due to the extent of
the potential damage caused by their failure. In this study, 31 regression
models available at Scikit-Learn were developed using machine learning
(ML) techniques. They were trained with a scarce dataset, created based
on a design of experiment technique, to replace numerical simulations
in predicting the operational reliability of DGSs. First, a model based
on Computational Fluid Dynamics (CFD) simulation was validated to
represent the gas flowing between the sealing faces, to enable the calculation
of the equipment’s operational reliability. Thus, the open-source CFD
software OpenFOAM was used together with the substance database of
the software REFPROP, to allow the user to define the gas mixture and
the evaluated operational conditions. Then, two case studies were carried
out following a proposed generic workflow. The first comprised determining
a regression model to estimate the reliability of a DGS whose mixture
composition (composed of methane, ethane, and octane) is fixed but its
operating conditions can vary. The second consisted of determining a more
robust regressive model, where both the mixture composition and the
operational conditions can vary. Finally, the feasibility of implementing both
models under realistic operating conditions was evaluated, based on the
infinity norm obtained for the prediction of the test set. The performances
achieved were 1.872 degrees Celsius and 6.951 degrees Celsius for the first and second case studies,
respectively.
|
22 |
[en] NUMERICAL STUDY OF THE INTERACTION BETWEEN THERMAL RADIATION AND SOOT FORMATION IN THE TURBULENT COMBUSTION OF LIQUID AND GASEOUS FUELS / [pt] ESTUDO NUMÉRICO DA RADIAÇÃO TÉRMICA E SUA INTERAÇÃO COM A FULIGEM FORMADA NA COMBUSTÃO TURBULENTA DE COMBUSTÍVEIS LÍQUIDOS E GASOSOSELDER MARINO MENDOZA ORBEGOSO 09 January 2015 (has links)
[pt] O presente trabalho apresenta um estudo numérico da transferência de energia por radiação e sua interação com as propriedades radiantes cinzas e espectrais dos gases produtos da combustão e da fuligem que são formados em um processo de combustão turbulenta. Assim, utilizam-se sistemas de forno/- queimador que operam em regime de chama não pré-misturada de maneira a avaliar, através da dinâmica dos fluidos computacional (CFD), a influência que exercem os diversos modelos de propriedades radiantes sobre a representação da termoquímica do escoamento reativo. Com o objetivo de identificar as principais características e deficiências que apresentam cada um destes modelos, foram considerados dois cenários. O primeiro, correspondente a um problema de radiação unidimensional de um sistema homogêneo e não isotérmico onde são estudados, modelos de propriedades radiantes (i) disponíveis em um software comercial de CFD e (ii) aqueles que foram implementados neste trabalho. Além disso, foi empregado um código numérico que determina as propriedades radiantes espectrais de gases produtos da combustão e da fuligem através de uma abordagem de banda estreita. Para este fim, este código foi acoplado com o software de CFD. Em seguida, dois queimadores de porte laboratorial são empregados de forma a avaliar a capacidade preditiva dos modelos de propriedades radiantes: o primeiro queima propano gasoso e ar enriquecido com oxigênio e o segundo utiliza querosene líquido e oxigênio como reagentes. Dados experimentais de fluxo de calor radiante e de fração volumétrica da fuligem são utilizados para comparação com os resultados obtidos da simulação. Para ambas as configurações de queimador foi também estudado o modelo de Moss-Brookes para previsão da formação/consumo da fuligem. Os resultados obtidos demonstraram o bom desempenho da maioria dos modelos de propriedades radiantes estudados. Em particular, a abordagem de banda estreita foi o que melhor previu a radiação térmica. Além disso, a sua utilização com o modelo de Moss-Brookes levou à melhor previsão da fração volumétrica da fuligem. / [en] This work presents a numerical study of radiation heat transfer and its
interaction with gray and spectral radiation of combustion products and soot
that are formed in a turbulent combustion process. Different burner/furnace
systems operating in a non-premixed combustion regime were used in order
to evaluate, through computational fluid dynamics (CFD), the influence of
several radiant properties models. Aiming to identify the key features and
shortcomings that exhibit each of these models, two scenarios were considered.
The first corresponds to a 1-D radiation problem where radiative properties
models of a homogeneous non isothermal system are studied as (i) available
CFD commercial software and (ii) those implemented in this work. Moreover,
a numerical code was used in order to determine, through a narrow band
approach, the spectral radiative properties of soot and combustion products.
For this purpose, this code was coupled with the CFD software. Then, two
laboratory-scale burners are used to assess the predictive capacity of radiative
properties models: the first, burning propane and enriched air oxygen, and the
second uses kerosene and oxygen as reactants. Measurements of radiant heat flux
and soot volumetric fraction are used for comparison with simulation results. For
both configurations, the performance of the Moss-Brookes model for predicting
the soot production was also studied. The results of this study demonstrated
the good performance of the majority of the radiant properties models studied.
Particularly, the narrow band approach was the model that provided the best
thermal radiation prediction. Moreover, the combination of the narrow band
approach with the Moss-Brookes model lead to the best prediction of soot
volume fraction.
|
Page generated in 0.0394 seconds