Maestría en Ingeniería Mecánica

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9018

Browse

Browsing Maestría en Ingeniería Mecánica by browse.metadata.advisor "González Silva, Germán"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Caracterización hidrodinámica de flujos multifase empleando técnicas de inteligencia artificial
    (Universidad Industrial de Santander, 2021) Ruiz Diaz, Carlos Mauricio; González Estrada, Octavio Andrés; González Silva, Germán; Hernández Cely, Marlon Mauricio
    Dada la importancia del control de procesos en la industria petroquímica, existe la necesidad de caracterizar los fluidos en el interior de las tuberías. En este trabajo se desarrolla una metodología para la identificación de patrones de flujo, cálculo de velocidades superficiales y cálculo de la fracción volumétrica de flujos bifásicos en tuberías verticales y horizontales con diámetros entre 0.01 y 0.1 [m], a partir de la implementación de técnicas de inteligencia artificial, para una combinación líquida de dos fases compuesta por aceite con viscosidad en el rango de 792 a 1823 [Kg/m³] y agua a temperatura ambiente. Los modelos predictivos generados en la estructuración de la metodología fueron entrenados con el 70% de los datos basados en parámetros de viscosidad, diámetro de la tubería, número de Reynolds, fracciones volumétricas y velocidades superficiales de los fluidos de trabajo almacenados en bases de datos para tubería horizontal y vertical. La información restante, equivalente al 30% del total, se utilizó para desarrollar la validación automática de los modelos. Los patrones de flujo identificados por el sistema inteligente para el flujo bifásico de aceite y agua son: agitado (CHURN), disperso (D), dispersión muy fina (VFD), flujo de transición (TF), intermitente (S), estratificado (ST) y anular (A), y en conjunto con los valores de velocidades superficiales y fracciones volumétricas generados por los modelos predictivos, alcanzaron un mayor nivel de aproximación con los valores experimentales al implementar estructuras de redes neuronales, dado que los modelos ANFIS presentaban valores superiores a los generados por las RNA, siendo estos 0.00016, 0.99798 y 0.1988 %, correspondientes al MSE, R² Y MAPE respectivamente