UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA MECNICA ENERGIA E FENMENOS DE TRANSPORTE

PROJETO E CONSTRUO DE UM MEDIDOR DE VAZO MSSICA POR RESTRIO PARA GASES E VALIDAO UTILIZANDO REDES NEURAIS ARTIFICIAIS

por

JULIANO FAGUNDES GONALVES LEONEL ECHER MATEUS CANUTO

Trabalho Final da Disciplina de Medies Trmicas Profs. Paulo Smith Schneider e Tiago Bulla pss@mecanica.ufrgs.br

Porto Alegre 2011

ii

JULIANO FAGUNDES GONALVES LEONEL ECHER MATEUS CANUTO

PROJETO E CONSTRUO DE UM MEDIDOR DE VAZO MSSICA POR RESTRIO PARA GASES E VALIDAO UTILIZANDO REDES NEURAIS ARTIFICIAIS

Trabalho apresentado ao Departamento de Engenharia Mecnica da Escola de Engenharia da Universidade Federal do Rio Grande do Sul, como parte dos requisitos para concluso da disciplina de Medies Trmicas.

Orientadores: Prof. Paulo Smith Schneider Prof. Tiago Bulla

Porto Alegre 2011

iii

AGRADECIMENTOS

Agradecemos a Joo Batista por sua ajuda e esclarecimentos prestados durante os processos de testes e calibrao do equipamento construdo. ...

iv

Se a vida te d limes, Seja um empreendedor. M. Santanna

GONALVES, J. F., ECHER, L., CANUTO, M. Projeto e construo de um medidor de vazo mssica por restrio para gases e validao utilizando redes neurais artificiais . 2011. 22f. Trabalho de concluso da disciplina de Medies Trmicas do Curso de Engenharia Mecnica Departamento de Engenharia Mecnica, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2011.

RESUMO Este trabalho apresenta o projeto e construo de um medidor de vazo mssica do tipo placa de orifcio. Inicialmente, o prottipo foi projetado, seguindo as regulamentaes dispostas nas normas vigentes, e construdo, dentro das limitaes oramentrias. Testes experimentais foram realizados para retratar diversas condies de operao da bancada e para adquirir dados referentes presso e temperatura, sendo a variao da temperatura compreendida na faixa de 5 C at 70 C. Tais valores, em conjunto com os valores de referncia indicados pela bancada, foram utilizados como dados de entrada para o treinamento de rede neural artificial com alimentao futura. Ento, dados experimentais, que no participaram do treinamento, foram utilizados em uma simulao para verificar se o aprendizado alcanado foi suficiente para retratar as condies propostas ao sistema. Com dados de entrada de 11,5 mmca e 51,6 C, o valor obtido pela rede neural para a vazo mssica foi de 21,58 g/s com uma incerteza calculada de 0,4 g/s, enquanto o valor indicado pela bancada de referncia, com as mesmas condies de trabalho, foi de 21,59 g/s. Os resultados mostram que esse mtodo de calibrao apresenta boa adaptabilidade a dados de entrada desconhecidos, sendo assim uma alternativa s correlaes empricas convencionais. PALAVRAS-CHAVE: Medio de vazo, Placa de orifcio, Redes neurais artificiais.

vi

GONALVES, J. F., ECHER, L., CANUTO, M. Design and Construction of a restriction mass flow meter for gases and validation using artificial neural networks. 2011. 22f. Trabalho de concluso da disciplina de Medies Trmicas do Curso de Engenharia Mecnica Departamento de Engenharia Mecnica, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2011 ABSTRACT This paper presents the design and construction of a mass flow meter by restriction using an orifice plate. Initially, the prototype was designed, following the current standard regulation, and was build, within budget constraints. Experimental tests were made to portray several service conditions on test rig and to acquire pressure and temperature data, with a temperature scale between 5 C and 70 C. These values, with the reference values given by the test rig, were used as input data for training an artificial neural network with feed-forward. Then, experimental data, which had not participated in network training, were used in a simulation in order to verify the achieved learning was enough to portray the conditions imposed on the system. With input data of 11,5 mmWC and 51,6 C, the value obtained by the neural network for the mass flow was 21,58 g/s with an measurement uncertainly of 0,4 g/s, while the indicated value in the test rig, with the same service condition, was 21,59 g/s. The results show that this calibration method has good adaptability when unknown input data is inserted, being an alternative to conventional empirical correlations. KEYWORDS: Flow measurement, Orifice plate, Artificial neural network.

vii

SUMRIO

ABSTRACT NDICE DE FIGURAS NDICE DE TABELAS 1. INTRODUO 2. REVISO BIBLIOGRFICA 3. FUNDAMENTAO 3.1 MEDIO DE VAZO 3.2 REDES NEURAIS ARTIFICIAIS 4. METODOLOGIA 4.1 PROJETO E CONSTRUO DO MEDIDOR 4.2 CALIBRAO DO MEDIDOR 5. VALIDAO DO EXPERIMENTO 5.1 INCERTEZA DE MEDIO 5.2 ERRO ASSOCIADO AO TREINAMENTO DA RNA 6. RESULTADOS 7. CONCLUSES REFERNCIAS BIBLIOGRFICAS ANEXOS

VI VIII IX 1 1 2 2 2 3 3 6 7 7 9 10 11 12 13

viii

NDICE DE FIGURAS Figura 1 Arquitetura de uma rede backpropagation com uma camada. ................................. 3 Figura 2 Especificao dos componentes do medidor construdo. ........................................ 4 Figura 3 Junta de unio e placa de orifcio. .......................................................................... 5 Figura 4 Medidor acoplado bancada de ensaios ................................................................ 5 Figura 5 Arquitetura da RNA treinada ................................................................................. 7 Figura 6 Curva de convergncia do treinamento ................................................................ 10

ix

NDICE DE TABELAS Tabela 1 Dados experimentais adquiridos para treinamento ................................................. 6 Tabela 2 Incertezas de medio ........................................................................................... 9 Tabela 3 Dados resultantes da simulao ........................................................................... 10

1. INTRODUO O constante aumento de demanda de gs natural, principalmente no mbito industrial, desencadeia uma necessidade cada vez maior de tcnicas para controle das variveis do processo, de forma eficiente, com a exatido desejada e com o custo compatvel. A medio de vazo se destaca por ser uma das mais importantes na indstria e por estar presente na vida diria das pessoas, como por exemplo, na medio de consumo de gua residencial utilizando um hidrmetro. Segundo uma reportagem publicada pela revista Control Engineering, em 2002, que apresenta dados estatsticos referentes a uma pesquisa sobre utilizao de medidores em controle de processos na indstria, a vazo a terceira grandeza mais medida dentre um conjunto de processos industriais pesquisados. Embora seja um assunto muito presente nos processos atuais, a medio de vazo um problema antigo e importantes nomes contriburam para sua soluo como, por exemplo, da Vinci que em 1502 observou que a quantidade de gua que escoava em um rio por unidade de tempo era a mesma em qualquer parte, independente da largura, profundidade e inclinao. Entretanto, os maiores avanos no desenvolvimento de medidores foram possveis apenas com o surgimento da era industrial fundamentada pelos trabalhos de pesquisadores como Bernoulli e Pitot. Nesse trabalho, pretende-se projetar e construir um medidor de vazo mssica por restrio, baseando-se nas normas regulamentadoras vigentes, que apresente sensibilidade suficiente quanto alterao de temperatura do escoamento a ser analisado para retratar seu comportamento sob diferentes condies de trabalho. Para a calibrao do instrumento de medio, deseja-se aplicar uma rede neural artificial para contornar pequenas diferenas entre a abordagem terica e uma situao prtica, onde efeitos como atrito, por exemplo, esto presentes. Alm disso, com a aplicao desse tipo de algoritmo, busca-se uma alternativa aos mtodos normalmente empregados onde correlaes empricas so calculadas a partir de um ajuste de curva, pois seria necessrio um grande nmero de ensaios para adquirir um conjunto de dados suficiente para se alcanar uma boa calibrao. Dessa forma, um pequeno conjunto de dados experimentais, que retrate algumas condies sob as quais o sistema pode estar operando, deve ser adquirido e utilizado como entrada na rede, visando alcanar o melhor ajuste de valores para que a meta especificada seja atingida, ou seja, indicar um valor de vazo condizente com o sistema de medio de referncia. 2. REVISO BIBLIOGRFICA Os princpios fundamentais para medies de vazo mssica de gases so apresentados por de Matos e Ferreira, 2010, e o conceito de fator de resposta apresentado e aplicado em modelos. Os fenmenos da transferncia de calor estacionrio em um tubo sensor de um medidor de vazo so estudados por Kim et al., 2007, e um modelo nmero desenvolvido para obteno de uma correlao para prever a faixa de aplicao linear do sensor. Um estudo semelhante realizado por Han et al., 2005, entretanto utilizando uma abordagem para o problema de transferncia de calor transiente. Morrison et al., 2001, apresenta uma nova abordagem para superar um problema muito comum na indstria do gs natural, a possvel presena de lquido juntamente com gs no escoamento e, como alternativa aos mtodos usuais, desenvolve um medidor com placa de orifcio ranhurada que apresenta menor incerteza de medio comparado com medidores com placa de orifcio convencional. Nadais, 2007, apresenta, a partir do princpio do efeito da fora Coriolis, um sistema de medio de vazo. Esse tipo de sensor considerado o mais preciso para medio direta de vazo mssica.

3. FUNDAMENTAO 3.1 MEDIO DE VAZO A escolha do tipo de medidor depende de diversos fatores desde a incerteza desejada para a medio at o custo de construo. Os medidores de vazo de restrio se destacam por serem simples e apresentarem boa exatido. O princpio de funcionamento desse tipo de dispositivo baseado na diferena de presso gerada devido a uma diferena de velocidade, normalmente induzida pela insero de alguma forma de bocal. Uma vez conhecida a diferena de presso montante e jusante da restrio imposta ao escoamento, sua vazo pode ser aferida teoricamente ou por correlaes empricas. A abordagem terica relaciona a diferena de presso gerada a partir da equao da continuidade e de Bernoulli, considerando escoamento permanente, incompressvel, sem atrito, com velocidade uniforme e com tomada de medio na mesma cota de altura. Essa abordagem apresenta limitaes devido a diversos fatores como os efeitos do atrito e a localizao das tomadas de presso. Para tentar amenizar esses efeitos, a teoria ajustada para o nmero de Reynolds e para a razo entre o dimetro da restrio e da tubulao, definindo assim um parmetro emprico denominado coeficiente de descarga. Esse parmetro juntamente com o fator de velocidade de aproximao pode ser combinado em um coeficiente de vazo K. Dessa forma, a vazo mssica real pode ser calculada pela equao (1), uma vez conhecidos o nmero de Reynolds e a razo de dimetros. (1) Onde a rea da garganta, a massa especfica do gs, a presso medida montante e a presso medida jusante da restrio. A diferena de presso, por sua vez, pode ser obtida com auxlio de um manmetro, e relacionada com a diferena de altura lida, pela equao (2). (2) Onde a massa especfica do fludo manomtrico.

3.2 REDES NEURAIS ARTIFICIAIS

Atualmente, os avanos feitos em Redes Neurais Artificiais (RNA) abriram novos horizontes para a Engenharia. Essa ferramenta caracterizada pela sua grande habilidade de adaptao, robustez e capacidade de trabalhar com dados incompletos e com rudos. As RNAs so ferramentas matemticas, inspirados em sistemas nervosos biolgicos, que tm como objetivo adquirir conhecimento de uma funo especfica, atravs de ajustamento de valores, a fim de que determinados dados de entrada levem a uma meta especfica de sada. Um neurnio simples tem como dado de entrada um escalar p que transmitido atravs de uma conexo que o multiplica por um peso escalar w. A entrada wp o nico argumento da funo de transferncia f que determina a sada escalar a. Um neurnio simples pode conter um parmetro denominado bias, um escalar que somado ao produto wp, que gera a entrada (wp+b) para a funo de transferncia. O objetivo das redes neurais que, atravs do ajuste dos parmetros mencionados ( w e b), seja possvel chegar sada desejada o escalar p tendo como dado de entrada o escalar a.

A escolha das funes de transferncia mais adequadas depende do tipo de ajuste requerido para o problema. A funo de transferncia mais simples a Hard-Limit, que limita a sada do neurnio apenas dois possveis valores: a 0 , se o argumento de entrada for inferior a 0, ou a 1 , se for maior ou igual a 0. A funo linear utilizada para aproximao de valores em filtros lineares. A utilizao da funo Log-Sigmoid em redes backpropagation muito comum principalmente por se tratar de uma funo diferencivel. Essa funo recebe como entrada qualquer valor entre e e comprime a sada valores entre 0 e 1. A funo Tan-Sigmoid, da mesma forma que a Log-Sigmoid, diferencivel, e recebe como entrada qualquer valor entre e , porm comprime a sada valores entre -1 e 1. A rede Backpropagation foi criada generalizando a regra de aprendizagem Widrow-Hoff para redes multicamadas e funes de transferncia no lineares e diferenciveis. Os vetores de entrada e os vetores alvos correspondentes so usados para formar uma rede at que ela possa aproximar uma funo, associar vetores de entrada com os de sada ou classificar os vetores de entrada de determinada forma. Uma rede backpropagation estruturada e treinada de forma adequada tende a fornecer respostas razoveis quando inseridos dados de entrada nunca antes vistos. importante que as redes backpropagation tenham a capacidade de derivar as funes usadas, portando o uso de funes de transferncia diferenciveis se faz necessrio, sendo utilizadas as funes Tan-Sigmoid, Log-Sigmoid e Linear. Se a ltima camada de uma rede multicamadas tem neurnios sigmides, as sadas da rede esto limitadas a um pequeno intervalo, se os neurnios forem lineares, as sadas da rede podem assumir qualquer valor. Uma variao comum de rede backpropagation a feedforward apresentando, muitas vezes, uma ou mais camadas de neurnios sigmides seguidas por uma camada de sada com neurnios lineares, para no limitar a valores entre -1 e 1. A estruturao de uma rede de camada nica com R entradas e S neurnios sigmides representada de duas formas na Figura 1.

Figura 1 Arquitetura de uma rede backpropagation com uma camada.

4. METODOLOGIA 4.1 PROJETO E CONSTRUO DO MEDIDOR O medidor de vazo mssica construdo pode ser subdividido em trs partes, sendo elas: duto primrio, junta de unio e duto secundrio, como pode ser visualizado na Figura 2. As partes do equipamento compostas pela placa de orifcio e os dois dutos a ela conectados foram

construdos conforme recomendaes da norma ABNT NBR ISO 5167-1 para placas de orifcio D e D/2.

Figura 2 Especificao dos componentes do medidor construdo.

A tubulao de escoamento deve ser conectada ao duto primrio, montante do escoamento. Neste duto est inserida a tomada de presso a montante, localizada a uma distncia de 75 milmetros da placa de orifcio, as tomadas de presso foram construdas segundo o modelo de placa de orifcio D e D/2. Aps o duto primrio, encontra-se a junta de conexo dos dutos, internamente a esta, est fixada placa de orifcio que pode ser vista em detalhe na Figura 3. Posterior a esta luva encontra-se o duto secundrio, jusante da placa de orifcio, que responsvel por comportar a ponteira do termopar e a segunda tomada de presso localizadas a 80 e 37,5 mm da placa de orifcio respectivamente. A Figura 3 apresenta o parmetro igual a 0,667 (dimetro do furo da placa de orifcio igual a 50 mm). A placa de orifcio construda em uma chapa de plstico seco de 1,5 mm de espessura, sendo fixada no interior da junta de conexo dos dutos de forma a imobilizar qualquer deslocamento ou rotao da mesma durante sua utilizao.

Figura 3 Junta de unio e placa de orifcio.

O equipamento utilizado para as medidas de diferena de presso foi um manmetro de tubo inclinado que pode ser visualizado na Figura 4.

Figura 4 Medidor acoplado bancada de ensaios

As conexes do manmetro com as tomadas de presso so feitas de modo que a diferena de presso seja visualizada na parcela inclinada do tubo, garantindo assim uma maior exatido na leitura da medio. A medio de temperatura realizada por um termopar MTK01 juntamente com um multmetro digital.

Aps o duto secundrio deve ser conectado um duto de ao menos dez vezes o dimetro nominal da tubulao de modo a garantir o completo desenvolvimento do escoamento aps a interferncia causada pela placa de orifcio. de grande importncia salientar que o dimensionamento do furo interno da placa de orifcio foi feito de modo a permitir que a faixa de variaes de presso para o escoamento medido estivesse na faixa tima para a leitura dessa variao. Deste modo o equipamento construdo foi adaptado ao manmetro, o correto seria a utilizao de um manmetro que se adaptasse ao equipamento construdo, porm por impossibilidade de se obter um melhor equipamento isso no foi possvel. 4.2 CALIBRAO DO MEDIDOR A abordagem terica para medio de vazo pode apresentar diversas distores na anlise de resultados experimentais, devido s hipteses simplificadoras e consideraes utilizadas. Para contornar esse problema, foi implementada nesse trabalho uma RNA que possibilita o ajuste de valores adquiridos experimentalmente para uma estimativa da vazo mssica. Para isso, um conjunto de 25 condies de operao foi imposto ao sistema e os referentes dados, diferena de altura no manmetro e temperatura no escoamento, foram adquiridos e so apresentados na Tabela 1.
Tabela 1 Dados experimentais adquiridos para treinamento

H (mm) 0.0 3.0 5.0 10.0 11.0 15.0 20.0 25.0 5.0 9.0 11.0 11.0 12.0 15.0 20.0 5.5 11.0 10.5 11.5 11.5 15.5 20.0 11.5 16.0

Dados para treinamento Temperatura (C) Vazo mssica (g/s) 20.0 0.00 17.5 10.44 20.5 14.58 20.5 21.36 17.8 22.26 20.2 26.22 20.0 30.10 19.8 33.86 34.0 14.22 30.6 19.78 22.2 22.11 24.4 22.05 29.4 22.66 29.1 25.87 28.6 29.82 56.9 14.43 27.2 22.03 51.3 20.78 43.6 21.53 55.2 21.40 48.2 25.56 45.7 28.77 57.1 21.35 53.8 25.55

24.0

49.6

31.46

De posse desses dados, juntamente com o valor de vazo mssica de referncia indicado pelo sistema de medio disponibilizado, uma RNA do tipo feed-forward backpropagation foi treinada utilizando a funo Levemberg-Marquardt, para determinar os parmetros de treinamento, pois o algoritmo fornece uma soluo numrica para o problema de minimizar uma funo, geralmente no-linear, ao longo do espao de parmetros da funo, e a regra de aprendizagem de gradiente descendente com momento, pois fornece uma rpida convergncia pelo fato de trabalhar no somente com o gradiente local, mas tambm com as tendncias recentes da superfcie de erro. Para estimativa do erro de aprendizagem, foi utilizado o mtodo de erro mdio quadrtico. A estrutura da rede apresentada na Figura 5 e composta por dois layers, sendo que o primeiro contem 15 neurnios Tan-Sigmoid e o segundo contem 1 neurnio linear.

Figura 5 Arquitetura da RNA treinada

5. VALIDAO DO EXPERIMENTO 5.1 INCERTEZA DE MEDIO O medidor de vazo mssica desenvolvido foi construdo com o intuito de ser um equipamento robusto, de fcil utilizao e que fosse capaz de apresentar medies satisfatrias, contudo, to importante quanto a capacidade de determinado equipamento produzir resultados de determinada anlise com boa preciso sua repetibilidade. A criao do instrumento em questo levou isto em conta, de modo que desde que sua utilizao seja executada de forma apropriada e em condies suficientemente similares s de calibrao do mesmo, este deve reproduzir bons resultados similares aos obtidos com o mesmo em laboratrio. A calibrao do equipamento foi efetuada sob um escoamento de fludo gasoso (ar atmosfrico) inerte operando em uma faixa de temperaturas de 5 C at 75 C. Os limites de velocidade do escoamento permissveis foram delimitados pela capacidade do medidor de presso utilizado (na faixa de 0 a 25 milmetros de coluna dgua). As incertezas de medio do projeto dizem respeito temperatura do fludo de trabalho e o h causado pela diferena de presso. A incerteza associada medio do h provm da resoluo do manmetro utilizado, que foi igual a 0,5 mmca. J a incerteza associada temperatura, medida pelo termopar MTK01 utilizado, foi retirada da tabela de informaes tcnicas do mesmo, anexo I, que para a faixa de operao utilizada igual a 2,2C. Tendo posse das incertezas de cada elemento mensurado, se pode obter a incerteza de medio propagada ( ) segundo Kline e McClintock (HOLMAN, 1996), a qual apresenta na equao (3) abaixo.

(3)

Onde V representa a varivel de anlise a qual a incerteza est associada (no caso em questo: vazo mssica), so as grandezas de que V depende e a incerteza de medio associada a cada respectiva grandeza . Como podemos ver na equao (1), temos uma constante a determinar, aqui chamada de F, que reescrita na equao (4):

(4)

Onde o valor 1000 equivale a uma converso do valor da vazo mssica em kg/s para g/s. Esta constante foi determinada a partir dos dados obtidos que esto representados na tabela 1, utilizando se a seguinte equao: (5) A massa especfica do ar foi determinada pela equao dos gases ideais: (6) Onde P a presso do ar no interior do duto e foi considerado igual 101325 Pa, M a massa molecular do ar considerado igual 29,095 kg/kmol, R a constante universal dos gases igual 8310 J/(kmolK) e T a temperatura em K. A diferena de presso dada pela equao 2 multiplicada por mil para converso do de milmetros para metros, e utilizando massa especfica da gua igual 1000 kg/m e gravidade igual 9,81 m/s. Com isto, possvel calcular uma constante F para cada condio de operao dada na tabela 1, e assim calcular a mdia com a equao (8) e o desvio padro com a equao (9), considerando o Critrio de Chauvenent, visto na equao (10). E em seguida a incerteza associada ao valor mdio de F pela equao (11) considerando uma pequena amostra.

(8)

(9)

(10)

(11) Assim, os valores obtidos foram de F = 0,001374092 e de . A equao para a vazo mssica utilizada para o clculo da incerteza expandida fica ento:

(12)

E, considerando o pior caso de operao do medidor, os valores das variveis so apresentados na tabela 2, juntamente com o resultado obtido para a incerteza expandida.
Tabela 2 Incertezas de medio

5.2 ERRO ASSOCIADO AO TREINAMENTO DA RNA O projeto de uma RNA pode ser descrito como um problema de adaptao de hipersuperfcies em um espao multidimensional. Dessa forma, o melhor aprendizado da rede equivalente a se encontrar o melhor ajuste de caractersticas da hiper-superfcie para um determinado conjunto de dados de entrada. Nesse problema proposto, por se tratar de uma superfcie tridimensional simples, um bom aprendizado alcanado em poucas iteraes. Aps 2500 passos iterativos, o treinamento da rede feed-forward backpropagation convergiu para um bom aprendizado, como mostrado na curva de convergncia da Figura 6, que apresenta os valores do erro mdio calculado ao longo do treinamento.

10

Figura 6 Curva de convergncia do treinamento

O erro calculado, para o conjunto de dados de entrada e alvos, foi de 0,02 g/s, valor pouco significativo se comparado com a incerteza dos instrumentos de medio utilizados. importante ressaltar que os alvos utilizados no treinamento da rede foram adquiridos pelo sistema de medio de referncia atravs da mdia de 10 valores de vazo mssica indicados num intervalo de 10 segundos e que esse medidor no apresentava uma boa repetibilidade, sendo que em alguns casos diferenas da ordem de 0,5g/s eram indicadas para a mesma condio de trabalho, ou seja, sem alteraes na velocidade do escoamento e na temperatura. Outro ponto a se ressaltar que esse erro apresentado se refere a um treinamento especfico, sendo que para demais treinamentos da mesma rede pode ser fornecido erro mdio diferente. Essa uma caracterstica desse tipo de algoritmo onde cada treinamento segue um caminho diferente dos demais, utilizando diferentes valores de pesos atribudos e diferentes valores de bias. 6. RESULTADOS Para a aplicao da RNA treinada, foi realizada uma simulao com dados obtidos durante os ensaios. Esse conjunto de dados foi retirado do processo de treinamento para retratar uma situao real, onde dados desconhecidos so impostos rede, e verificar se este est apresentando boa adaptabilidade. Esses resultados so apresentados na Tabela 3 juntamente com o valor da vazo mssica indicado no sistema de referncia.
Tabela 3 Dados resultantes da simulao

Dados para simulao H (mm) Temperatura (C) 2.0 21 11.5 33.3 11.5 51.6 19.5 51.6

Dados da referncia Vazo mssica da referncia (g/s) 8.65 22.10 21.59 28.30

Dados simulados Vazo obtida pela RNA(g/s) 7.67 22.26 21.58 28.32

11

A comparao entre a resposta da simulao e o valor de referncia apresenta uma diferena de quase 1 g/s, para a primeira situao de trabalho ensaiada. Uma explicao para esse comportamento a dificuldade da rede em se adaptar e ajustar os pesos de forma uniforme para todo o domnio dos dados de entrada. Entretanto, numa faixa de aplicao para vazes maiores, os valores obtidos na simulao retratam fielmente a condio de trabalho imposta ao sistema e indicada pelo sistema de medio de referncia. 7. CONCLUSES O medidor construdo apresentou boa sensibilidade quanto a alteraes na temperatura do escoamento e valores prximos aos de referncia, disponibilizados pelo sistema de medio da bancada do laboratrio. O sistema desenvolvido conseguiu retratar as condies de trabalho impostas atravs da medio da presso, com auxilio de um manmetro, e da temperatura, com um termopar. A parcela da incerteza de medio mais significativa referente medio realizada pelo manmetro, embora a escala inclinada se traduza em uma reduo da incerteza, pois apresenta menor resoluo. Para contornar essa situao, poderia ser utilizado um manmetro com menor incerteza, porm essa mudana poderia aumentar demasiadamente o custo de construo do medidor. A construo do medidor ocorreu de forma artesanal e com custos reduzidos que, associados com os bons resultados obtidos, tornam esse equipamento uma boa opo para esse determinado tipo de aplicao. A aplicao da rede neural se mostrou eficiente para o problema de adaptao da superfcie de calibrao, apresentando excelente aprendizado e boa resposta quando dados desconhecidos so inseridos para simulao. A utilizao dessa tcnica uma alternativa abordagem terica, que se utiliza de diversas consideraes e hipteses simplificadoras, e das abordagens convencionais para calibrao por correlaes empricas, utilizando ajustes de curvas, ou no caso, superfcies. Como sugesto para trabalhos futuros, a implementao de uma rotina para o treinamento da rede neural a criao de uma interface grfica amigvel para esse algoritmo.

12

REFERNCIAS BIBLIOGRFICAS DE MATOS, M. A. A., FERREIRA, V. S., Gas mass-flow meters: Principles and applications, Flow Measurement and Instrumentation, 21 (2010) 143-149. FOX, R. W., MCDONALD, A. T., PRITCHARD, P. J., Introduo mecnica dos fluidos, Rio de Janeiro, LTC (2006). HAN, I. Y., KIM, D. K., KIM, S. J., Study on the transient characteristics of the sensor tube of a thermal mass flow meter, International Journal of Heat and Mass Transfer 48 (2005) 25832592.

HAYKIN, S., Neural networks: a comprehensive foundation, NY: Macmillan, (1994).

HOLMAN, J.P, Experimental Methods for Engineers, McGraw-Hill, New York 6th ed. (1994). KIM, D. K., HAN, I. Y., KIM, S. J., Study on the steady-state characteristics of the sensor tube of a thermal mass flow meter, International Journal of Heat and Mass Transfer 50 (2007) 12061211. MORRISON, G. L., TERRACINA, D., BREWER, C., HALL, K. R., Response of a slotted orifice flow meter to an air/water mixture, Flow Measurement and Instrumentation 12 (2001) 175180. NADAIS, A., Evoluo da medio de vazo por Coriolis. Business Driver de Vazo da Endress+Hause. 2007. NEURAL NETWORK TOOLBOX 4. The MathWorks. 2005.

13

ANEXOS ANEXO I Data Sheet do termopar utilizado.