Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Valera, Vinícius Yoshida [UNIFESP] |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de São Paulo
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.unifesp.br/handle/11600/61461
|
Resumo: |
Diversos equipamentos podem ser utilizados para minimizar ou eliminar o problema de emissão de poluentes atmosféricos por fontes industriais, sendo um deles, a instalação de uma torre de nebulização para absorção de gases. Esse tipo de equipamento é frequentemente empregado na indústria por realizar operações de transferência de calor e de massa e são baseadas no contato entre um gás e um líquido. Devido à complexidade do processo e a quantidade de parâmetros a serem avaliados na torre de nebulização, propor modelos matemáticos para predição de variáveis importantes, como a eficiência de remoção e o coeficiente volumétrico de transferência de massa médio ((k_g a) ̅), se tornou uma tarefa difícil. As redes neurais artificiais (RNAs) surgem como uma alternativa para modelagem de problemas complexos, uma vez que essas redes têm a capacidade de correlacionar as variáveis de entrada e saída de um determinado problema, sem a necessidade de conhecer o modelo fenomenológico. Esse trabalho teve por objetivo construir uma bancada experimental para remoção de dióxido de enxofre (SO2) utilizando uma torre de nebulização e avaliar a influência das variáveis no processo. Para tal propósito, foi necessário avaliar a eficiência de remoção do SO2 e as variáveis envolvidas (vazão de gás e líquido, número de bicos e diâmetro do orifício do bico pulverizador). Após essa etapa, foi proposta uma RNA para predição de resultados de eficiência de remoção e (k_g a) ̅, na torre de nebulização para remoção de SO2. A torre construída nesse estudo atingiu eficiência máxima de 99,47% e (k_g a) ̅ de 24,46x10-8 kmol s-1 m-3 Pa-1 e mostrou que é possível alcançar altos níveis de remoção sem a necessidade de construir torres tão altas. A melhor RNA obtida, apresentou erros percentuais médios de 2,76% para os resultados de simulação da eficiência de remoção do SO2 e 6,79% para o (k_g a) ̅. Para a obtenção da melhor rede, as etapas de treinamento, validação e teste se mostraram insuficientes, sendo necessário uma última etapa de simulação. Os resultados produzidos pelas redes neurais foram muito promissores na predição de parâmetros importantes no processo de remoção de poluentes atmosféricos via torre de nebulização. |
