Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/20460| Tipo: | Trabalho de conclusão de graduação |
| Título: | Machine Learning and CFD: a new approach to simulate and optimize micromixers in different geometries |
| Autor(es)/Inventor(es): | Ainstein, Luca Martin |
| Orientador: | Santos, Fábio Pereira dos |
| Coorientador: | Maionchi, Daniela de Oliveira |
| Resumo: | Este trabalho busca explorar uma nova abordagem de otimização na área de microfluidodinâmica, utilizando a combinação de técnicas de Dinâmica de Fluidos Computacional (CFD) e Inteligência Artificial. O objetivo desta combinação é possibilitar a realização de uma otimização global com menor custo computacional. Essa otimização ocorre através da possibilidade de construir um banco de dados de simulações em um menor tempo, utilizando uma rede neural densa treinada com os dados obtidos utilizando CFD. Neste trabalho foi possível testar, para micromisturadores de geometria-Y, 265 simulações, variando parâmetros como diâmetro da obstrução (OD) e offset da obstrução (OF), permitindo obter uma rede neural que apresenta erros de cálculo menores do que 1% para o processo de escoamento e menores do que 4% para a perda de carga. Por fim, a utilização do algoritmo genético possibilitou, levando 3 parâmetros como base (custo da energia da mistura, perda de carga e porcentagem de mistura), otimizar os valores de OD e OF da geometria globalmente. |
| Palavras-chave: | Fluidinâmica computacional (CFD) Inteligência artificial Banco de dados Redes neurais |
| Assunto CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA |
| Unidade produtora: | Escola de Química |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | 13-Abr-2023 |
| País de publicação: | Brasil |
| Idioma da publicação: | eng |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Engenharia Química |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| LMAinstein.pdf | 1.02 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.