Académique Documents
Professionnel Documents
Culture Documents
So Cristvo (SE)
Agosto de 2011
em
Engenharia
Qumica
da
So Cristvo (SE)
Agosto de 2011
BANCA EXAMINADORA
________________________________________
Prof. Dr. Pedro Leite de Santana Orientador
Universidade Federal de Sergipe
________________________________________
Prof. Dr. Frede de Oliveira Carvalho
Universidade Federal de Alagoas
________________________________________
Prof. Dr. Ana Eleonora Almeida Paixo
Universidade Federal de Sergipe
AGRADECIMENTOS
minha me, pela dedicao e abnegao prpria em meu favor, bem como pela
oportunidade ao estudo sem que me pesassem as adversidades do cotidiano.
minha famlia e, em especial, minha av Luci, pela segunda me que sempre foi.
minha namorada Graziela, pela compreenso e incentivos desde a minha graduao.
A todos os professores do PEQ/UFS, que contriburam com a minha formao
acadmica e, em especial ao Prof. Dr. Pedro Leite de Santana, pela oportunidade de fazer
parte de sua equipe de pesquisa durante cinco anos no Laboratrio de Modelagem e
Simulao LAMSIM e ao Prof. Dr. Antnio Santos Silva, principalmente por me fazer
entender a importncia e aplicabilidade da matemtica engenharia.
Aos amigos de mestrado, pelo companheirismo e momentos de descontrao
oportunizados e, em especial, ao tambm colega de LAMSIM, Simeo, pelas oportunidades
de discutir a engenharia na sua forma mais profunda quando faltaram companheiros
modeleiros.
CAPES (Coordenao de Aperfeioamento de Pessoal de Nvel Superior), pela
concesso da bolsa de estudos.
existncia
fsica.
realidade
confivel
mtodo
que
ns
RESUMO
ABSTRACT
The multiphase flow is a subject that encloses a vast field of knowledge and applications,
different technological contexts, different scales, and is target of relatively recent studies. As
basic examples there are industrial transport processes as water-vapor, fluidized beds and
transport of oil. It can be said that, amongst these systems, the oil transport is presented as
classic example of the multiphase flow, therefore can be observed on it all the complexities:
flow that involves all the possible phases, that is, solid-liquid-liquid-gas, for particles in
suspension (silicon, resins and asphaltenes, metallic composites and salts), oil (liquid
hydrocarbons), water and gas (gaseous hydrocarbons), respectively. However, it must be
detached that the multiphase flow usually is dealt with some assumptions. The knowledge of
the multiphase flow characteristics also is basic for the equipment development of fluids
properties measurement on-line, as well as measurement of outflow and pressure, variable of
basic interest for the management of reservoirs, quantitative transference control of fluids
produced between producer and purchaser, management control of emptyings, fiscalization,
amongst others. This work presents a methodology with the use of artificial intelligence
techniques, specifically those basing on Artificial Neural Network - ANN's, to predict
pressure drop and gradient pressure in multiphase flow, assuming the Black Oil physical
model, for different gaseous phase mass fractions in the start of the flow, taking in account
properties of the flow, such as viscosities of the individual phases and the mixture, specific
mass and speeds of the phases, emphasizing itself flow situations that occur in the oil
industry. For the definition of the ANN's architectures and training algorithms it was used
data gotten with the deterministic models solutions. It was used, specifically, the deterministic
homogeneous and separated flow models. The simulations gotten with the ANNs used had
been compared with those solutions gotten with the deterministic models, verifying itself that
the used methodology presents satisfactory precision and simplicity of use, compatible with
the necessities of the oil industry, being able the boarding to be extended to the situations
where operational data are available.
40
72
76
79
Tabela 5.1 Influncia do aumento da frao mssica da fase gasosa inicial nos
principais termos do HEM................................................................................................. 83
Tabela 5.2 Arquiteturas de redes testadas para simulao das perdas de carga
(alimentadas com o modelo de escoamento homogneo).................................................. 87
Tabela 5.3 Alguns valores simulados com a NetMH.....................................................
89
Tabela 5.4 Arquiteturas de redes testadas para simulao das perdas de carga
(alimentadas com o modelo de escoamento separado)..................................................... 91
Quadro 5.2 Melhores arquiteturas de rede utilizadas para simulaes...........................
110
144
LISTA DE FIGURAS
25
26
Figura 3.3 Mapa de Backer para o padro de escoamento horizontal. Sistema argua...............................................................................................................................
30
Figura 3.4 Mapa de Beggs e Brill para padres de escoamento.....................................
31
Figura 3.5 Mapa de Oliemans e Pot para o padro de escoamento bifsico leo-gs
descendente de 5............................................................................................................... 33
Figura 3.6 Mapa de Duarte para o padro de escoamento horizontal ar-gua................ 34
Figura 3.7 Representao esquemtica do funcionamento de uma RNA....................... 55
Figura 3.8 Representao esquemtica da anologia entre neurnio biolgico e
neurnio artificial............................................................................................................... 56
Figura 3.9 Modelo no-linear de um neurnio artificial................................................. 56
Figura 3.10 Funes de ativao: funo de Heaviside (a), funo linear por partes
(b), funo sigmoide (c)..................................................................................................... 58
Figura 3.11 Arquitetura feedforward de camada nica..................................................
60
62
66
68
71
81
Figura 5.2 Gradientes de presso para cada condio inicial de frao mssica da fase
gasosa (modelo determinstico de escoamento homogneo)............................................. 82
86
Figura 5.6 Erro relativo mdio calculado com os vetores input e sim para o modelo
determinstico de escoamento homogneo........................................................................ 90
Figura 5.7 Erro relativo mdio calculado com os vetores input e sim para o modelo
determinstico de escoamento homogneo (excluindo a arquitetura 2-1).......................... 90
Figura 5.8 Perda de carga calculada com o modelo determinstico de escoamento
homogneo e simulada pela NetMH (arquitetura 2-1)....................................................... 92
Figura 5.9 Perda de carga calculada com o modelo determinstico de escoamento
homogneo e simulada pela NetMH (arquitetura 3-10-5-1).............................................. 93
Figura 5.10 Perda de carga calculada com o modelo determinstico de escoamento
homogneo e simulada pela NetMH (arquitetura 8-1)....................................................... 94
Figura 5.11 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 5,0% com a arquitetura 10-1.............................................
95
Figura 5.12 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 5,0% com arquitetura 6-1..................................................
95
Figura 5.13 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 5,0% com arquitetura 2-1..................................................
96
Figura 5.14 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 15,0% com arquitetura 3-10-1...........................................
97
Figura 5.15 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 15,0% com arquitetura 8-1................................................
97
Figura 5.16 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 15,0% com arquitetura 2-1................................................
98
Figura 5.17 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 25,0% com arquitetura 3-10-10-1...................................... 99
Figura 5.18 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 25,0% com arquitetura 6-1................................................
99
Figura 5.19 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 25,0% com arquitetura 4-1................................................
100
101
102
103
Figura 5.24 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 10,0% com arquitetura 3-5-10-1........................................ 104
Figura 5.25 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 10,0% com arquitetura 8-1................................................
104
Figura 5.26 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 10,0% com arquitetura 2-1................................................
105
Figura 5.27 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 30,0% com arquitetura 3-15-1...........................................
106
Figura 5.28 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 30,0% com arquitetura 10-1..............................................
107
Figura 5.29 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 30,0% com arquitetura 2-1................................................
107
Figura 5.30 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 50,0% com arquitetura 3-10-1...........................................
108
Figura 5.31 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 50,0% com arquitetura 3-5-10-1........................................ 108
Figura 5.32 Simulao do gradiente de presso para frao mssica da fase gasosa no
incio do Loop Multifsico de 50,0% com arquitetura 2-1................................................
109
109
SMBOLOS
Letras Latinas
Smbolo
Descrio
Unidades
m2
bias
----
constante de Collier
----
----
sinal de erro
----
----
fora de atrito
Fr
nmero de Froude
----
fluxo mssico
acelerao da gravidade
m.s 2
fluxo volumtrico
m.s 1
comprimento
vazo mssica
kg.s 1
constante
----
----
presso
Pa
vazo volumtrica
Re
nmero de Reynolds
----
relao de escorregamento
----
----
velocidade
volume especfico
parmetro de Lockhart-Martinelli
kg.s 1.m2
m3 .s 1
m.s 1
m3 .kg 1
----
----
----
----
coordenada axial
Letras Gregas
Smbolo
Descrio
Unidades
frao de vazios
----
----
----
rugosidade da tubulao
----
multiplicador bifsico
----
----
taxa de aprendizado
----
----
frao de descarga
----
viscosidade dinmica
constante trigonomtrica
massa especfica
kg.m3
tenso superficial
N .m1
----
peso sinptico
----
kg.m1.s 1
----
rad
N .m2
Subscritos
Smbolo
Descrio
Unidades
componente de acelerao
----
dG
----
dL
----
na sada
----
componente de atrito
----
fase gasosa
----
fase
----
ndice de somador
----
fase lquida
----
LG
----
Li
----
LO
----
Ga
----
GO
----
ndice de um neurnio
----
----
m-simo elemento
----
grandeza relativa
----
fase de referncia
----
sh
----
escoamento total
----
tt
----
tv
----
vt
----
vv
----
gua
----
SUMRIO
1. INTRODUO.............................................................................................................
16
2. OBJETIVOS..................................................................................................................
19
19
19
3. REVISO DA LITERATURA.....................................................................................
20
20
20
21
25
35
35
43
47
50
52
52
53
4. METODOLOGIA..........................................................................................................
66
72
74
75
77
5. RESULTADOS E DISCUSSO...................................................................................
79
6. CONCLUSES E SUGESTES..................................................................................
111
REFERNCIAS BIBLIOGRFICAS..............................................................................
113
116
121
131
137
142
145
16
1. INTRODUO
17
18
Mesmo com o uso dos modelos existentes para o escoamento multifsico, ainda existem
necessidades de preciso satisfatria para a indstria petrolfera, que demanda resultados
prticos, mais do que explicaes tericas acerca do fenmeno do escoamento. Estas
empresas muitas vezes constroem seus aparatos de escoamento com base em mtodos de
clculo e projeto que, sabidamente, apresentam limitaes, e que demandam, portanto,
aperfeioamento.
Uma ferramenta de previso com aplicao relativamente recente na indstria
petrolfera envolve tcnicas de inteligncia artificial (IA), na qual se insere a modelagem por
Redes Neurais Artificiais (RNAs), que possuem capacidade de aprendizado e generalizao
quando dados que refletem o comportamento de um sistema so disponveis a partir de
medidas e observaes experimentais e/ou operacionais. Quando tais informaes so
acessveis, pode-se pensar em projetar uma RNA com capacidade preditiva suficiente para as
necessidades operacionais de um dado sistema.
A teoria de Redes Neurais Artificiais, segundo Kovcs (2006), vem se consolidando
mundialmente, tornando-se uma nova e eficiente ferramenta para se lidar com a ampla classe
dos assim chamados problemas complexos, em que uma grande quantidade de dados deve ser
modelada e analisada em um contexto multidisciplinar (pode-se acrescentar o contexto
transdisciplinar)
envolvendo,
simultaneamente,
tanto
os
aspectos
estatsticos
19
2. OBJETIVOS
20
3. REVISO DA LITERATURA
21
,m e
volumtricas mdias dos fluidos que entram no tubo e os valores de frao volumtrica local
numa dada posio do tubo, respectivamente. Ento, tem-se:
QL
1
QL QG
(3.1)
com m e m .
Algumas grandezas frequentemente referidas no escoamento bifsico so destacadas
a seguir.
i.
m t m L m G LQL GQG t Qt
(3.2)
22
ii.
Gt
m t
m m G
GL GG L
A
A
Jt J L JG
iii.
GL
GG
QL QG
vt
A
(3.4)
Velocidade da Fase ( v i )
vL
iv.
Gt
(3.3)
JL
JL
1
vG
JG
JG
1
(3.5)
vr vG vL
vG
v
1 r
vL
vL
(3.6)
23
maior que a da fase contnua e a fase mais pesada tende a adquirir velocidades mais baixas
em relao fase mais leve. Esta diferena de velocidade gera a relao de escorregamento e
o fenmeno chamado reteno (holdup) da fase mais pesada. esperado, obviamente, que
maiores diferenas de densidades entre as fases ocasionem maiores relaes de
escorregamento e maiores graus de reteno. Uma consequncia do escorregamento que o
holdup da fase mais densa maior que aquele ao entrar ou sair do tubo, pois seu tempo de
residncia maior. Por conseguinte, a velocidade local de cada fase, para um escoamento em
condies de escorregamento, depende das propriedades e do grau de interao entre as fases,
no podendo ser determinado somente com o conhecimento das vazes de entrada ou sada.
Tem-se, portanto, uma relao no-linear entre velocidade local de cada fase e vazes de
entrada e sada. Da surge a importncia do conhecimento do holdup e/ou da densidade local
da mistura.
Existem muitas relaes analticas para o escorregamento, mas aplicaes prticas
dependem de correlaes experimentais. Em escoamento lquido-gs, ou slido-gs, varia
ao longo do tubo, pois gases apresentam valores de expansividade volumtrica e
compressibilidade isotrmica que os distinguem bastante dos lquidos ou slidos e, por isso,
variar ao longo do tubo com a variao da presso e/ou da temperatura, aumentando a sua
velocidade medida que se expande (segundo a equao de conservao da massa), o que
aumenta o holdup da fase mais densa.
v.
Frao Mssica ( x )
m G
m
G
m L m G m t
Ento, a relao entre as vazes mssicas de cada fase pode ser escrita como:
(3.7)
24
G
m
GVG A
x
S G
L 1 x LVL A 1
m
L 1
(3.8)
A Equao (3.8) pode ser arranjada para explicitar a frao volumtrica da fase
menos densa em termos da frao mssica e da relao de escorregamento.
vi.
x
x S 1 x G L
(3.9)
G 1 L
(3.10)
vii.
S 1 x G L
x S 1 x G L
(3.11)
xG 1 x L
(3.12)
25
1 x
(3.13)
xVG G 1 x VL L
(3.14)
A configurao ou distribuio das fases num tubo depende da vazo de cada fase e
de suas velocidades relativas, portanto, de suas propriedades fsicas. Essas configuraes,
chamadas padres de escoamento, podem ser descritas qualitativamente para escoamentos
verticais e horizontais. Os padres para escoamento horizontal, segundo Holland e Bragg
(1995), so tidos como mais complexos que aqueles para escoamentos verticais devido ao
efeito assimtrico da gravidade. As fronteiras ou transies entre os padres tm sido
mapeados por vrios pesquisadores com base em observaes do comportamento de vrios
parmetros e propriedades do escoamento ao longo do tubo.
A Figura 3.1 ilustra alguns padres mais comuns para escoamentos verticais. A
Figura 3.2, por sua vez, ilustra alguns padres de escoamentos horizontais. Porm, essas
classificaes so altamente subjetivas e podem diferir segundo autores.
26
27
28
A partir da dcada de 1940, e nas trs dcadas subsequentes, houve uma vasta
quantidade de trabalhos publicados referentes a este tema. Alves (1954) mostrou a influncia
do aumento da vazo da fase gasosa nos padres de escoamento multifsicos verticais, bem
como Hewitt e Roberts (1969) determinaram um mapa de padro desse tipo de escoamento.
Para os padres de escoamento horizontais, Baker (1954) produziu os mais coerentes e aceitos
da sua poca. Esses resultados, embora relativamente antigos, continuam tendo validade e
aceitao pelos atuais pesquisadores (HOLLAND & BRAGG, 1995).
A partir das observaes de mudana do padro de escoamento para diferentes
vazes, podem ser produzidos os chamados mapas de padres. Esses mapas so
caractersticos para cada sistema especfico, ou seja, dependem das propriedades das fases
envolvidas, bem como das caractersticas operacionais: geometria e material da tubulao
utilizada, grau de inclinao da mesma e presso e temperatura locais. Geralmente, expressam
grandezas que incorporam uma relao entre vazes das fases, ou seja, o principal objetivo
predizer o padro de escoamento bifsico quando se conhece as vazes de cada fase. Diante
disto, muitos autores relacionam fluxo volumtrico da fase lquida J L com o fluxo
volumtrico da fase gasosa J G , fluxo mssico da fase lquida GL com o fluxo mssico da fase
gasosa GG , ou parmetros adimensionais, tal como o Nmero de Froude de cada fase, que
pode ser interpretado como a razo entre as foras de inrcia e de gravidade.
Fr
v
gL
(3.15)
29
v2
Fr
gD
2
(3.16)
vt2 vL vG
Fr
gD
gD
(3.17)
FrdG vG . G
Dg
L
FrdL vL .
Dg
0,5
(3.18)
0,5
(3.19)
onde FrdG o Nmero de Froude Densimtrico da fase gasosa e FrdL o Nmero de Froude
Densimtrico da fase lquida.
O mapa de padro de escoamento mais conhecido e mais bem aceito, durante a fase
inicial das pesquisas acerca do tema, segundo Holland e Bragg (1995), foi proposto por
Backer (1954) para um sistema de escoamento horizontal lquido-gs e est representado na
Figura 3.3.
30
Figura 3.3 Mapa de Backer para o padro de escoamento horizontal. Sistema ar-gua.
Fonte: Backer (1954) apud Holland e Bragg (1995).
Backer (1954) realizou uma srie de experimentos que confrontavam o fluxo mssico
de cada fase com o padro de escoamento observado. Os resultados foram apresentados com
um diagrama no qual o eixo das ordenadas representava o fluxo mssico da fase gasosa, GG ,
e o eixo das abscissas representava o grupo adimensional dado por
GL
GG
(3.20)
1/2
G L
A w
w
L
(3.21)
1/3
2
L w
w L
(3.22)
31
32
L1 316L0,302
(3.23)
L2 0,0009252L2,4684
(3.24)
L3 0,10L1,4516
(3.25)
L4 0,5L6,738
(3.26)
i.
Segregado, quando:
L 0,01 e Fr L1
L 0,01 e Fr L2
ii.
Intermitente, quando:
0,01 L 0, 4 e L3 Fr L1
33
L 0, 4 e L3 Fr L4
iii.
Distribudo, quando:
L 0, 4 e Fr L1
L 0, 4 e Fr L4
101
BOLHAS DISPERSAS
INTERMITENTE
FrdG
100
INTERMITENTE
ANULAR
ESTRATIFICADO
ONDULADO
10-1
ESTRATIFICADO
ONDULADO
COM BOLHAS
DISPERSAS
10-2
10-3
10-2
10-1
100
FrdL
101
Figura 3.5 Mapa de Oliemans e Pot para o padro de escoamento bifsico leo-gs
descendente de 5.
Fonte: Adaptado de Oliemans e Pots (2006).
34
35
36
dP
2 dP
dz f
dz R
(3.27)
i.
ii.
iii.
iv.
dP
2 dP
LO
dz f
dz LO
(3.28)
37
2 f LOG 2VL
dP
D
dz LO
(3.29)
Re LO
GD
(3.30)
dP
2 dP
Li
dz f
dz Li
(3.31)
com
2 f Li 1 x G 2VL
dP
D
dz f
2
(3.32)
38
Re Li 1 x
GD
(3.33)
dP
2 dP
Ga
dz f
dz Ga
(3.34)
com
2 fGa x 2G 2VG
dP
D
dz f
(3.35)
ReGa x
GD
(3.36)
39
dP
dz L
X2
dP
dz G
(3.37)
2L 1
C
1
2
X X
(3.38)
G2 1 CX X 2
(3.39)
40
Gs
(tt)
Turbulento
turbulento
20
(vt)
Viscoso
turbulento
12
(tv)
Turbulento
viscoso
10
(vv)
Viscoso
viscoso
dP
dP m L m G
dz LO dz Li mL
2n
(3.40)
41
1,8
dP
dP
1 x
dz LO dz Li
(3.41)
2LO
dP
1,8
2 dz Li
Li
2Li 1 x
dP
dz LO
(3.42)
2LO 1
0,9
1 x
X tt
(3.43)
Do resultado dado pela Equao (3.43), tem-se que, na presso crtica, LO tem o
2
42
43
44
dP dP dP dP
dz dz f dz a dz sh
(3.44)
45
superado da mesma maneira que a presso esttica, exceto para escoamento horizontal.
Entretanto, no existe variao da quantidade de movimento e, consequentemente, o termo de
acelerao nulo.
Da mesma maneira, em escoamento bifsico lquido-gs sem mudana de fase, como
ocorre no sistema de escoamento gua-ar, a fase gasosa se expande, ocasionando sua
acelerao, como no escoamento monofsico. A caracterstica que torna o escoamento
bifsico drasticamente diferente do escoamento monofsico a possibilidade de ocorrncia de
vaporizao ou condensao. Por exemplo, num escoamento bifsico com vaporizao, o
lquido, relativamente mais denso, torna-se vapor com uma densidade muito menor (maior
volume especfico).
A seguir, so mostradas algumas relaes corriqueiramente utilizadas nos modelos
de escoamento bifsico lquido-gs.
AG
A
(3.45)
onde a frao de vazios, AG a rea de seo transversal ocupada pela fase gasosa e A
rea de seo transversal total.
AL
1
A
(3.46)
m G xGt A
(3.47)
m L 1 x Gt A
(3.48)
46
vG
m GVG xGV
t G
A
(3.49)
vL
1 x GV
m LVL
t L
1
1 A
(3.50)
1 dF
dP
dz f A dz
x 2V 1 x 2 VL
1 d
dP
2 d
m G vG m L vL Gt G
A dz
dz
1
dz a
(3.51)
(3.52)
1
dP
AG G AL L gsen
dz sh A
1
G 1 L gsen
gsen
VL
VG
(3.53)
47
i. Componente de atrito
F Dz
D2
4
(3.54)
dF
D 2 dP
D
dz
4 dz f
(3.55)
4
dP
dz f D
(3.56)
48
1
2
v2 f
(3.57)
2 f v 2 2 fGt2V
dP
D
D
dz f
(3.58)
f v 2 fGt2V
dP
2D
2D
dz f
(3.59)
A velocidade do escoamento, que varia com a presso ao longo do tubo, foi reescrita
em termos do fluxo mssico constante e do volume especfico mdio da mistura. Sabe-se que
d
dV
dP
Gt2
Gt GV
dz
dz
dz a
(3.60)
49
dV
dV dP
dV
dx
dx
x G VG VL
x G
VLG
dz
dz
dz
dP dz
dz
(3.61)
onde VLG VG VL .
Esta diferenciao o ponto caracterstico do modelo de escoamento homogneo,
que pode ser visto com maiores detalhes no Apndice B.
O primeiro termo do lado direito da Equao (3.61) origina-se da compressibilidade
da fase gasosa e representa o efeito da acelerao desta fase devido a sua expanso, frao
mssica constante. O segundo termo, para o qual no h equivalente no escoamento
monofsico, representa o efeito da acelerao devido mudana de fase. Por exemplo, em
evaporao num tubo, parte do lquido com volume especfico VL torna-se vapor com volume
especfico VG muito maior, ento o volume especfico do meio aumenta e, pela equao de
conservao da massa, o escoamento deve acelerar.
Substituindo-se a Equao (3.61) na Equao (3.60) pode-se escrever o componente
de acelerao do gradiente de presso como
dVG dP
dx
dP
2
VLG
Gt x
dz
dz a
dP dz
(3.62)
50
gsen
dP
gsen
V
dz sh
(3.63)
2
dx gsen
dV dP
dP fGt V
Gt2 x G
VLG
2D
dz
V
dz
dP dz
(3.64)
fGt2V
dx gsen
2
2 D Gt VLG dz V
dP
dV
dz
G
1 Gt x
dP
(3.65)
x 2V 1 x VL 1
dP dP
2 d
G
G
gsen
dz dz f
dz
1 VG
VL
2
(3.66)
51
dP
dz
1
f LO Gt2VL 2LO
dx
Gt2
A , x
gsen
2D
dz
VL
VG
x 2 dV 1 x 2 VL x 2V
G
1
2G
2
dP
P
1
(3.67)
onde
2
2 xVG 2 1 x VL 1 x VL x 2VG
A , x
x
1
(3.68)
f Li 1 x Gt2VL 2Li
dP
2D
dz f
2
(3.69)
52
53
Rede Neural Artificial (RNA) representa hoje uma vigorosa rea de pesquisa
multidisciplinar. frequentemente identificada como uma sub-especialidade da Inteligncia
Artificial (IA), outras vezes como uma classe de modelos matemticos para problemas de
classificao e reconhecimento de padres, outras ainda como uma parte da teoria
54
conexionista dos processos mentais e, finalmente, como uma categoria de modelos em cincia
da cognio. Embora todas essas categorias sejam aplicveis s RNAs, trat-las apenas em
alguns destes contextos seria severamente limitante. Hoje, RNAs constituem genuinamente
uma teoria para o estudo de fenmenos complexos (KOVCS, 2006).
As Redes Neurais Artificiais, ou Redes Neurais, ou RNAs, representam uma tcnica
que tem razes em muitas disciplinas: neurocincia, matemtica, estatstica, fsica, cincia da
computao e engenharia. Encontram aplicaes em campos to diversos como modelagem,
anlise de sries temporais, reconhecimento de padres, processamento de sinais e controle,
em virtude de uma importante propriedade: a habilidade de aprender a partir de dados de
entrada com ou sem instrutor (HAYKIN, 2001).
Segundo definio de Haykin (2001), uma rede neural um processador macia e
paralelamente distribudo, constitudo de unidades de processamento simples, que tem a
propenso natural de armazenar conhecimento experimental e retorn-lo disponvel para uso.
Ela se assemelha ao crebro humano em dois aspectos:
Haykin (2001) afirma que uma RNA extrai seu poder computacional atravs,
primeiro, de sua estrutura macia e paralelamente distribuda e, depois, de sua habilidade de
aprender e, portanto, de generalizar. A generalizao se refere ao fato de a RNA produzir
sadas adequadas para entradas que no estavam presentes durante o treinamento
(aprendizagem). Estas duas capacidades de processamento de informao tornam possvel
para as RNAs resolver problemas complexos (de grande escala) que so intratveis por
outras tcnicas.
O uso de RNAs oferece algumas propriedades teis e capacidades, segundo Haykin
(2001), dentre elas: no-linearidade, mapeamento de entrada-sada, adaptabilidade, resposta a
evidncias, informao contextual, tolerncia a falhas e uniformidade de anlise e projeto.
55
O sistema nervoso humano, segundo Arib (1987) apud Haykin (2001), pode ser visto
como um sistema de trs estgios, como mostrado no diagrama de blocos na Figura 3.7. O
centro do sistema o crebro, representado pela rede neural (nervosa), que recebe
continuamente informao, percebe-a e toma decises apropriadas. Dois conjuntos de setas
so mostrados na figura. Aquelas que apontam da esquerda para a direita indicam a
transmisso para frente do sinal portador de informao, atravs do sistema. As setas
apontando da direita para a esquerda indicam a presena de realimentao no sistema. Os
receptores convertem estmulos do corpo humano ou do ambiente externo em impulsos
eltricos gerados pela rede neural em respostas discernveis como sadas do sistema.
ESTMULO
REDE NEURAL
ATUADORES
RECEPTORES
RESPOSTA
O esforo para entender o crebro se tornou mais fcil pelo trabalho pioneiro de
Ramn y Cajl (1911) apud Haykin (2001), que introduziram a ideia dos neurnios como
constituintes estruturais do crebro. Tipicamente, os neurnios so de cinco a seis ordens de
grandeza mais lentos que as portas lgicas em silcio; os eventos em um circuito de silcio
acontecem na ordem de nanosegundos ( 109 s ), enquanto que eventos neurais acontecem na
ordem de milisegundos ( 103 s ). Entretanto, o crebro compensa a taxa de operao
relativamente lenta de um neurnio pela quantidade realmente espantosa dessas unidades
(clulas nervosas), com conexes macias entre si.
56
bk
x1
k 1
x2
k 2
xm
sinais de
entrada
km
(bias)
juno
aditiva
yk
funo de
ativao
sinal de
sada
pesos
sinpticos
57
yk k
(3.70)
k uk bk
(3.71)
com
uk kj x j
(3.72)
j 1
i.
ii.
Uma juno aditiva para somar os sinais de entrada x j ponderados pelas respectivas
sinapses do neurnio;
iii.
iv.
58
v.
1,2
1,2
1,2
0,8
0,8
0,8
0,4
0,4
0,4
0,0
0,0
-2,0 -1,0
0,0
1,0
2,0
(a)
0,0
-2,0 -1,0
0,0
1,0
2,0
(b)
-2,0 -1,0
0,0
1,0
2,0
(c)
Figura 3.10 Funes de ativao: funo de Heaviside (a), funo linear por partes (b),
funo sigmoide (c).
Matematicamente, tem-se a descrio para cada funo de ativao representada
graficamente na Figura 3.10:
i.
Funo de Heaviside: a sada do neurnio que usa esta funo de ativao apresenta o
valor unitrio se o campo local induzido maior ou igual a zero, ou apresenta o valor
zero se o campo local induzido menor do que zero. Costumeiramente, usa-se o termo
neurnio tudo ou nada. A funo de Heaviside tambm denominada simplesmente
por funo linear e est matematicamente representada por
1 se 0
0 se 0
com
(3.73)
59
1 se 0
yk
0 se 0
ii.
(3.74)
Funo Linear por Partes: esta funo de ativao apresenta a caracterstica de nolinear entre os valores 0,5 e 0,5 , porm, a regio no-linear linearizada por uma
mdia aritmtica neste domnio, segundo a funo
1 se 0,5
se 0,5 0,5
0 se 0,5
iii.
(3.75)
1
1 exp a
(3.76)
60
Arquiteturas de Rede
As redes neurais do tipo perceptron inicialmente foram concebidas com uma nica
camada de neurnios, ou at mesmo com um nico neurnio. Esse paradigma tornava a RNA
bastante limitada para aplicaes prticas mais complexas. Portanto, as redes chamadas
mltiplas camadas apresentam-se como soluo inicial. A escolha da arquitetura da rede, ou
seja, quantos neurnios e de que maneira eles sero conectados, torna-se de fundamental
importncia no tratamento de problemas via Redes Neurais Artificiais. Porm, para cada
problema uma arquitetura mostrar-se- mais adequada, cabendo ao usurio fazer a escolha
mais pertinente.
H vrias arquiteturas de Redes Neurais Artificiais possveis apresentadas na
literatura. No entanto, em geral, as arquiteturas bsicas so Redes Alimentadas Adiante com
Camada nica, Redes Alimentadas Diretamente com Mltiplas Camadas e Redes
Recorrentes. As vrias possibilidades so resultantes de subcategorias dessas arquiteturas ou
casos especialssimos. Cada arquitetura apresenta uma estreita vinculao ao algoritmo de
treinamento utilizado.
A Figura 3.11 mostra uma arquitetura de rede Alimentada Adiante com Camada
nica. Neste tipo de arquitetura tem-se uma camada de entrada de ns de fonte que se projeta
sobre uma camada de sada de neurnios, mas no vive-versa.
Camada de neurnios de
entrada
Camada de neurnios de
sada.
61
A arquitetura de rede Alimentada Diretamente com Mltiplas Camadas distinguese pela presena de uma ou mais camadas ocultas, cujos ns computacionais so chamados
correspondentemente de neurnios ocultos ou unidades ocultas (HAYKIN, 2001). A Figura
3.12 indica esse tipo de arquitetura. Essas arquiteturas de rede, classificadas tambm como
feedforward, tm sido muito usadas na soluo de diversos problemas prticos em anlise de
sistemas de engenharia e foram consideradas neste trabalho.
Camada de neurnios de
entrada
Camada de neurnios
ocultos
Camada de neurnios de
sada
Camada de neurnios de
entrada
Camada de neurnios de
sada
62
Processos de Aprendizagem
i.
resposta objetivo
estmulo
AMBIENTE
PROFESSOR
estmulo
RNA
ALGORITMO DE
TREINAMENTO
resposta obtida
sinal de erro
63
ii.
estmulo
AMBIENTE
resposta
ALGORITMO DE
TREINAMENTO
RNA
iii.
Mtodo por Reforo: ocorre uma combinao das duas anteriores mediante uma
avaliao global da situao atualizada do treinamento.
ek n dk n yk n
com
(3.77)
64
ek : sinal de erro;
d k : resposta desejada;
k : ndice do neurnio;
n : instante de tempo discreto.
1
2
k n ek2 n
(3.78)
kj n ek n x j n
(3.79)
kj n 1 kj n kj n
(3.80)
com
: taxa de aprendizado.
65
Embora redes neurais sejam amplamente usadas com dados de treinamento oriundos
de fontes empricas, abordagens com dados de treinamento oriundos de simulaes tambm
so amplamente utilizadas, segundo Simes e Shaw (2007).
Poucos trabalhos publicados, no entanto, objetivam o clculo do gradiente de presso
em escoamento multifsico sem a necessidade do conhecimento do padro de escoamento.
Um nmero ainda menor utiliza tcnicas de inteligncia artificial para este fim.
Wu et al. (2001) usam a tcnica de modelagem por Rede Neural Artificial para a
identificao de padres de escoamento em tubo horizontal. No trabalho foram medidos sinais
instantneos de presses diferenciais com um transdutor de presso diferencial de rpida
resposta. Os dados serviram para a alimentao de uma RNA capaz de identificar os padres
de escoamentos.
Pacheco et al. (2007) usaram a tcnica de dimensionamento e treinamento de uma
Rede Neural Artificial para a determinao de padres de escoamento horizontal e, a partir
desses dados, estimativas da perda de carga.
Salgado (2010) desenvolveu uma metodologia para obteno de fraes volumtricas
em escoamento trifsico (gs, gua e leo) independentemente do padro de escoamento com
um sistema baseado em tcnicas de atenuao de radiao gama e com o emprego de Redes
Neurais Artificiais.
Ao analisar os trabalhos apresentados na literatura, observa-se que as metodologias
de modelagem por RNA apresentam boas respostas, todavia, o principal foco vem sendo a
identificao dos padres de escoamento.
Na indstria petrolfera raro conhecer, ou dispor, de possibilidade de visualizao
dos padres de escoamentos. Necessita-se, portanto, de uma tcnica capaz de predizer a parda
de carga em uma dada situao operacional sem passar pela necessidade de conhecimento do
padro de escoamento.
66
4. METODOLOGIA
67
1.
2.
3.
4.
5.
6.
68
PARMETRO DE TESTE
PARMETROS
1
6
MODELO
DETERMINSTICO
2
8
7
9
SOLUO DO MODELO
DETERMINSTICO
3
3
VALIDAO DA RNA
8
RNA
SIMULAO
10
5
COMPARAO
4
SOLUO DA RNA
Uma vez de posse dos resultados de cada modelo determinstico, foi possvel
alimentar as RNAs com esses dados obtidos e, por fim, determinar se o procedimento de
simulao numrica com as RNAs era capaz de aproximar satisfatoriamente os dados de
alimentao considerados.
Entende-se como soluo dos modelos determinsticos os vetores perda de carga e
gradiente de presso para situaes operacionais distintas, ou seja, diferentes fraes de fases
na entrada do sistema. Com a utilizao da soluo do modelo determinstico de escoamento
homogneo foram testadas situaes de frao mssica da fase gasosa entre 0,0%, ou seja,
escoamento monofsico lquido, at 25,0%, com incrementos de 1,0%. Portanto, o principal
69
parmetro de teste era o vetor frao mssica da fase gasosa 0,0 :1,0 : 25,0 . J com
a utilizao da soluo do modelo determinstico de escoamento separado, foram testadas
situaes de frao mssica da fase gasosa entre 0,0%, ou seja, escoamento monofsico
lquido, at 50,0%, com incrementos de 1,0%. Portanto, o principal parmetro de teste era o
vetor frao mssica da fase gasosa 0,0:1,0:50,0 .
Observa-se, no diagrama da Figura 4.2, envoltria A, que a alimentao do
MODELO DETERMINSTICO (ndice 1)
PARMETROS
70
71
COMPARAO DO ERRO
ALTERAO DA
ARQUITETURA
DE REDE
O ERRO
ACEITVEL?
ALTERAO DOS
PESOS POR
RETROPROPAGA O (algoritmo de
treinamento)
O ERRO
ACEITVEL?
RESPOSTA DA REDE
72
f z 1Gt2, z 1V z 1
dx
gsen
Gt2, z 1VLG , z 1
2D
dz z 1 V z 1
P z P z 1
dV
1 Gt2, z 1 x z 1 G
dP z 1
(4.1)
No Quadro 4.1 so descritas as formas de clculo para cada termo da Equao (4.1).
Gt
DESCRIO DE CLCULO
Funo implementada para clculo do fator de atrito (correlaes).
G , m L e A .
A partir dos parmetros m
x
G e m L .
A partir dos parmetros m
VG , VL
D
VLG
dx
dz
g
Parmetro.
Funes implementadas com equaes de estado adequadas.
x
Repete-se.
Parmetro.
Parmetro.
73
TERMO
dVG
dP
DESCRIO DE CLCULO
Parmetro.
VG
Repete-se.
Inicialmente, foi definida a variao de frao mssica da fase gasosa a ser testada
(parmetro de teste): frao mssica da fase gasosa 0,0 :1,0 : 25,0 , bem como a
condio inicial, ou seja, P em z 0 . A seguir, a tubulao foi seccionada e o modelo foi
resolvido em cada ponto para cada parmetro de teste. Em cada ponto, a presso foi calculada
utilizando-se a presso no ponto anterior para recalcular os parmetros e, consequentemente,
novamente a presso, conforme a Equao (4.1).
Merece ateno o termo de variao do volume especfico da fase gasosa em relao
presso, pois se sabe que VG f T , P e que P f z , o que implica no uso de uma
equao de estado adequada para o clculo de VG em cada ponto da tubulao considerada.
Para o clculo de cada parmetro da Equao (4.1) foram implementadas funes
especficas que eram chamadas pela funo fMH, que gerenciava a soluo do modelo de
escoamento homogneo. Portanto, foram implementadas funes para o clculo do fator de
atrito, volume especfico da fase gasosa (van der Waals, Redlich-Kwong, Soave-RedlichKwong e Peng-Robinson), viscosidade das fases e massa especfica das fases. Depois de
implementadas, as rotinas foram rodadas para verificao e ajustes necessrios, bem como,
posteriormente aos ajustes, foram escolhidas a equao de estado e correlaes a serem
usadas em cada funo citada.
Finalmente, a matriz soluo foi gerada com as colunas representando os parmetros
de teste e as linhas representando as presses em cada ponto da tubulao.
Tambm foram geradas matrizes soluo com a anlise da evoluo das variveis em
relao ao comprimento da tubulao e presso em cada ponto.
Tinha-se, ento, a matriz soluo do modelo determinstico de escoamento
homogneo para alimentar a RNA que simularia os resultados obtidos.
74
75
2D
2
x z 1 dVG
1
z 1 dP
G2z 1
P
z 1
z 1 1 z 1
dx
A , x
VG z 1 VL z 1
dz z 1
2
1 x z 1 VL z 1
2
1
z 1 x
z 1
gsen
(4.2)
x z 1 VG z 1
2
z 1
com
2x V
2 1 x z 1 VL z 1
z 1 G z 1
A , x
1 z 1
z 1
x
2
1 x z 1 VL z 1 x2z 1VG z 1
(4.3)
2
2
z 1 P
1 z 1
z 1
No Quadro 4.2 so descritas as formas de clculo para cada termo da Equao (4.2).
76
DESCRIO DE CLCULO
Funo implementada para clculo do fator de atrito.
G , m L e A .
A partir dos parmetros m
Gt
G e m L .
A partir dos parmetros m
VG , VL
Parmetro.
LO
Parmetro definido.
VG ,
G
Repete-se.
Parmetro.
Parmetro.
Repete-se.
Repete-se.
77
78
79
5. RESULTADOS E DISCUSSO
MFNet
DESCRIO
Programa principal: atribuio e clculo de parmetros; gerenciamento
das funes; exportao de resultados
Fator de Atrito
ffLaminar
ffBlasius
ffChurchill
ffColebrook_Tu
ffColebrook_Tr
ffHaaland
ffSwameeJain
80
FUNO
DESCRIO
fvdW
fPR
fRK
fSRK
fmiDukler
fmiMcAdams
fmiCicchitti
fMH
fMS
fMHNet
fMSNet
81
FUNO
DESCRIO
Resultados
Evoluo das variveis principais em funo do comprimento da
tubulao e da frao mssica da fase gasosa inicial, calculadas pelo
modelo determinstico de escoamento homogneo
Perdas de carga e gradientes de presso obtidos com o modelo
determinstico de escoamento homogneo e simulados pela rede NetMH
Evoluo das variveis principais em funo do comprimento da
tubulao e da frao mssica da fase gasosa, calculadas pelo modelo
determinstico de escoamento separado
Perdas de carga e gradientes de presso obtidos com o modelo
determinstico de escoamento separado e simulados pela rede NetMS
fRMHV
fRMHP
fRMSV
fRMSP
1,2000
1,0000
0,8000
0,6000
0,4000
0,2000
0,0000
0,0
5,0
10,0
15,0
20,0
25,0
82
Pode ser observado na Figura 5.1 que ocorre perda de carga maior quando a frao
mssica da fase gasosa inicial maior. Isto justificado pelo aumento do volume especfico
mdio com a diminuio da presso e, por consequncia, aumento do termo de atrito do
modelo determinstico de escoamento homogneo.
A Figura 5.2, por sua vez, mostra a variao da presso em funo do comprimento
da tubulao.
20,0
Presso (bar)
19,6
19,2
18,8
18,4
18,0
0
50
100
150
200
Comprimento (m)
MEH (x=0,05)
MEH (x=0,15)
MEH (x=0,25)
Figura 5.2 Gradiente de presso para cada condio inicial de frao mssica da fase gasosa
(modelo determinstico de escoamento homogneo).
83
Tabela 5.1 Influncia do aumento da frao mssica da fase gasosa inicial nos principais
termos do HEM.
2 dVG
1 Gt x dP
fGt2 V
2D
0,00
0,001136
1,000000
43,451291
0,05
0,004777
1,000703
173,519375
0,10
0,008418
1,001406
289,683450
0,15
0,012059
1,002110
391,960338
0,20
0,015700
1,002813
480,574156
0,25
0,019341
1,003517
558,159115
Observa-se, na Tabela 5.1, que, medida que a frao mssica da fase gasosa inicial
aumenta, ocorre tambm o aumentam do volume especfico mdio da mistura bifsica, assim
como da variao do volume especfico da fase gasosa em relao presso e,
consequentemente, do termo de atrito do modelo determinstico de escoamento homogneo.
O aumento observado no denominador do modelo medida que a frao mssica da
fase gasosa aumenta, por si s, representaria uma diminuio do gradiente de presso.
Contudo, conforme pode ser visto na Tabela 5.1, a frao mssica da fase gasosa inicial
influencia mais fortemente o termo de atrito. Constatam-se, ento, as razes fenomenolgicas
do aumento da perda de carga diretamente proporcional frao mssica da fase gasosa no
incio do Loop Multifsico.
Tambm possvel perceber que, para a situao de frao mssica da fase gasosa
igual a zero, ou seja, escoamento monofsico lquido, o denominador do modelo de
escoamento homogneo assume o valor unitrio, logo, configura-se o clculo da perda de
carga apenas com o termo de atrito exatamente da mesma forma como se calcula perda de
carga em escoamento monofsico lquido.
A Figura 5.3 mostra a perda de carga calculada com o modelo determinstico de
escoamento separado para cada condio de frao mssica da fase gasosa no incio do Loop
Multifsico. A faixa de frao mssica da fase gasosa utilizada, ou seja, 0,0% at 50,0%,
representa uma condio mais abrangente que aquela utilizada anteriormente para a soluo
84
2,0000
1,6000
1,2000
0,8000
0,4000
0,0000
0,00
10,00
20,00
30,00
40,00
50,00
Observa-se, na Figura 5.3, que ocorre perda de carga maior quando a frao mssica
da fase gasosa inicial maior, da mesma forma que observado na Figura 5.1. Com a soluo
do modelo determinstico de escoamento separado, tambm possvel observar o aumento do
volume especfico da fase gasosa medida que a presso diminui e, portanto, o
comportamento apresentado na Figura 5.3 pode ser entendido semelhantemente quele
apresentado na Figura 5.1. Destaca-se, porm, que, para menores fraes mssicas da fase
gasosa, observa-se um comportamento no linear local, confirmando a influncia da potncia
quadrtica na frao mssica da fase gasosa, consequncia do termo de acelerao do modelo
determinstico de escoamento separado.
A Figura 5.4 mostra a variao da presso em funo do comprimento da tubulao.
85
20,0
Presso (bar)
19,6
19,2
18,8
18,4
18,0
0
50
100
150
200
Comprimento (m)
MES (x=0,10)
MES (x=0,30)
MES (x=0,50)
Figura 5.4 Gradientes de presso para cada condio inicial de frao mssica da fase
gasosa (modelo determinstico de escoamento separado).
Observa-se, na Figura 5.4, que, para maiores valores de frao mssica da fase
gasosa no incio do Loop Multifsico, ocorre uma diminuio da presso do sistema de forma
mais acentuada, semelhante ao observado na Figura 5.3. Cabe ressaltar que a no-linearidade
do modelo determinstico de escoamento separado se deve s potncias quadrticas da frao
mssica da fase gasosa e da frao de vazios e, medida que a presso diminui, a relao
entre frao mssica e frao de vazios diminui consideravelmente, o que acarreta numa forte
queda de presso em relao ao comprimento apenas nos primeiros metros de tubulao.
A Figura 5.5 mostra a variao de frao de vazios em funo da frao mssica da
fase gasosa para a faixa de presso observada no Loop Multifsico. Constata-se que para
pequenas fraes mssicas, na presso trabalhada, a frao de vazios bastante pronunciada.
Este fato, portanto, contribui para a forte variao de presso j na entrada do sistema, devido
ao termo quadrtico de frao de vazios no modelo determinstico de escoamento separado.
possvel intuir que, para maiores fraes mssicas da fase gasosa a frao de vazios passa a
variar com menor intensidade e, portanto, a magnitude da frao de vazios equilibrada,
ento, pela alta frao mssica da fase gasosa.
86
1
0,9
Frao de Vazios
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Figura 5.5 Frao de vazios observada em funo da frao mssica da fase gasosa.
exclusivamente,
arquiteturas
para
rede
feedforward
backpropagation
87
Tabela 5.2 Arquiteturas de rede testadas para simulao das perdas de carga (alimentadas
com o modelo de escoamento homogneo).
erro
relativo
(input,
target)
erro
relativo
(input,
sim)
(%)
(%)
44,1119
25,5233
0,9830
0,9061
0,1999
0,3578
0,0000
0,2237
10-1
10
0,0000
3,0820
3-5-1
0,5010
0,4665
3-10-1
10
0,0000
0,4420
3-15-1
15
0,0000
2,8598
3-5-5-1
0,0000
0,8099
3-10-5-1
10
0,0001
3,6047
neurnios
na
camada
de
entrada
neurnios
na 1
camada
oculta
neurnios
na 2
camada
oculta
neurnios
na
camada
de sada
2-1
4-1
6-1
8-1
arquitetura
88
erro
relativo
(input,
target)
erro
relativo
(input,
sim)
(%)
(%)
0,0000
1,5360
0,0000
0,4867
neurnios
na
camada
de
entrada
neurnios
na 1
camada
oculta
neurnios
na 2
camada
oculta
neurnios
na
camada
de sada
3-5-10-1
10
3-10-10-1
10
10
arquitetura
89
menor esforo computacional requerido pelas arquiteturas 6-1 e 8-1, com 7 e 9 neurnios
respectivamente e, portanto, como o erro relativo mdio gerado por estas arquiteturas
apresenta-se dentro de uma faixa considerada aceitvel, ambas so indicadas para uso.
A Tabela 5.3 apresenta alguns valores simulados pelas redes de arquitetura 2-1, 3-105-1 e 8-1, respectivamente a rede de pior desempenho (2-1), a rede com desempenho
intermedirio dentre as testadas (3-10-5-1) e a rede escolhida para utilizao (8-1).
Tabela 5.3 Alguns valores simulados com a NetMH.
x (%)
P (bar)
(modelo)
Arquitetura
Arquitetura
Arquitetura
2-1
3-10-5-1
8-1
P (bar)
(netMH)
erro
relativo
(%)
P (bar)
(netMH)
erro
relativo
(%)
P (bar)
(netMH)
erro
relativo
(%)
0,2484
0,3775
51,9877
0,2482
0,0536
0,2452
1,2647
0,5003
0,4530
9,4440
0,5002
0,0173
0,5011
0,1648
13
0,7291
0,5683
22,0597
0,7298
0,0933
0,7287
0,0511
18
0,9333
0,7402
20,6838
0,9260
0,7783
0,9336
0,0348
23
1,1132
0,9885
11,2043
1,2956
16,3831
1,1126
0,0499
28
1,2922
1,3302
2,9423
1,0977
15,0507
1,2939
0,1297
90
input x sim
30,00%
25,00%
1: arquitetura 2-1
2: arquitetura 4-1
3: arquitetura 6-1
4: arquitetura 8-1
5: arquitetura 10-1
6: arquitetura 3-5-1
7: arquitetura 3-10-1
8: arquitetura 3-15-1
9: arquitetura 3-5-5-1
10: arquitetura 3-10-5-1
11: arquitetura 3-5-10-1
12: arquitetura 3-10-10-1
20,00%
15,00%
10,00%
5,00%
0,00%
1
10
11
12
Figura 5.6 Erro relativo mdio calculado com os vetores input e sim para o modelo
determinstico de escoamento homogneo.
Observa-se, na Figura 5.6, que o erro relativo mdio gerado pela arquitetura 2-1 , de
fato, extremamente elevado em relao ao erro relativo mdio gerado pelas demais
arquiteturas. Ento, para obter uma melhor visualizao comparativa dos erros relativos
mdios das demais arquiteturas, a Figura 5.7 exclui a primeira opo e reduz a escala.
input x sim
4,00%
3,50%
1: arquitetura 4-1
2: arquitetura 6-1
3: arquitetura 8-1
4: arquitetura 10-1
5: arquitetura 3-5-1
6: arquitetura 3-10-1
7: arquitetura 3-15-1
8: arquitetura 3-5-5-1
9: arquitetura 3-10-5-1
10: arquitetura 3-5-10-1
11: arquitetura 3-10-10-1
3,00%
2,50%
2,00%
1,50%
1,00%
0,50%
0,00%
10
11
Figura 5.7 Erro relativo mdio calculado com os vetores input e sim para o modelo de
escoamento homogneo (excluindo a arquitetura 2-1).
91
Observa-se, na Figura 5.7, que as arquiteturas 6-1, 8-1, 3-5-1, 3-10-1 e 3-10-10-1
apresentam erro relativo mdio menor que 0,5%. Nesta figura evidencia-se, novamente, o
melhor desempenho da arquitetura 8-1 em simular resultados intermedirios ao vetor input e
com uma arquitetura considerada simples.
A Tabela 5.4 mostra as arquiteturas testadas para simulao das perdas de carga
calculadas com o modelo determinstico de escoamento separado, na mesma forma que pode
ser vista na Tabela 5.3 para os dados de perda de carga calculados com o modelo
determinstico de escoamento homogneo e usados como dados de treinamento. So vistos na
Tabela 5.4, tambm, os respectivos erros relativos mdios.
Tabela 5.4 Arquiteturas de rede testadas para simulao das perdas de carga (alimentadas
com o modelo de escoamento separado).
neurnios
na
camada
de
entrada
neurnios
na 1
camada
oculta
erro
relativo
(input,
target)
erro
relativo
(input,
sim)
(%)
(%)
2-1
0,0092
0,0550
4-1
0,0000
0,0128
6-1
0,0000
0,0070
8-1
0,0000
0,0116
10-1
10
0,0000
0,0314
3-5-1
0,0000
0,0098
3-10-1
10
0,0002
0,0121
3-15-1
15
0,0000
0,0043
3-5-5-1
0,0000
0,0104
3-10-5-1
10
0,0000
0,0074
3-5-10-1
10
0,0000
0,0060
3-10-10-1
10
10
0,0000
0,0069
arquitetura
neurnios
na 2
camada
oculta
neurnios
na
camada
de sada
92
Observa-se na Tabela 5.4 que a rede com arquitetura 2-1 gera valores de erro relativo
mdio input x sim maiores em relao s demais arquiteturas, embora sejam aceitveis. Por
outro lado, as arquiteturas 3-15-1, 6-1 e 3-5-10-1 indicaram os menores erros relativos input x
sim, respectivamente, ou seja, so estas as arquiteturas mais adequadas a serem utilizadas para
o problema em questo.
A Figura 5.8 mostra a perda de carga calculada pelo modelo determinstico de
escoamento homogneo em funo da frao mssica da fase gasosa na entrada do Loop
Multifsico e uma comparao com os valores de perda de carga simulados pela NetMH de
arquitetura 2-1, com a finalidade de demonstrar a diferena entre os resultados esperados e
aqueles simulados por uma RNA de arquitetura inadequada.
2,0000
1,6000
1,2000
0,8000
0,4000
0,0000
0,00
5,00
10,00
15,00
20,00
25,00
Observa-se na Figura 5.8 que os valores simulados pela NetMH de arquitetura 2-1
so extremamente incoerentes com o esperado. Isto comprova, mais uma vez, que esta
arquitetura no apresenta qualquer pertinncia de uso.
Na Figura 5.9 a mesma comparao feita, porm utilizando-se a arquitetura 8-1,
que mostra um bom ajuste dos dados simulados numa determinada faixa, porm, apresenta
inconsistncia para fraes mssicas maiores.
93
2,0000
1,6000
1,2000
0,8000
0,4000
0,0000
0,00
5,00
10,00
15,00
20,00
25,00
Observa-se na Figura 5.9 que, diferentemente do que pode ser visto na Figura 5.8, os
valores simulados pela NetMH de arquitetura 3-10-5-1 acompanham o comportamento dos
resultados gerados pelo modelo determinstico de escoamento homogneo at a frao
mssica da fase gasosa em torno de 20,00%. Entretanto, entre a faixa de frao mssica da
fase gasosa de 20,00% a 25,00%, h uma incoerncia entre os valores simulados pela NetMH
e os valores esperados, ou seja, aqueles obtidos com a soluo do modelo determinstico de
escoamento homogneo, o que evidencia que esta arquitetura tambm pode ser considerada
inadequada.
Na Figura 5.10, o mesmo procedimento foi realizado com a utilizao da arquitetura
8-1. Espera-se que esta arquitetura ajuste tenha a capacidade de aproximar bem os dados
simulados a aqueles obtidos com a soluo do modelo determinstico de escoamento
homogneo, uma vez que o erro relativo mdio obtido com esta arquitetura foi 0,2237%
(input x sim), ou 0,0000% (input x target)como pode ser visto na Tabela 5.2.
94
2,0000
1,6000
1,2000
0,8000
0,4000
0,0000
0,00
5,00
10,00
15,00
20,00
25,00
95
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,05)
Figura 5.11 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 5,0% com a arquitetura 10-1.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
MEH (x=0,05)
100
150
200
Comprimento (m)
NetMH (6-1): x=0,05
Figura 5.12 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 5,0% com a arquitetura 6-1.
96
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,05)
Figura 5.13 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 5,0% com a arquitetura 2-1.
Observa-se na Figura 5.13 que os valores simulados com a NetMH de arquitetura 2-1
aproximam satisfatoriamente os dados obtidos com a soluo do modelo determinstico de
escoamento homogneo, o que caracteriza esta arquitetura como a mais adequada para esta
finalidade de simulao destes dados. Cabe ressaltar que esta arquitetura , tambm, a mais
simples dentre as testadas, ou seja, menor esforo computacional requerido.
O mesmo procedimento foi realizado para a situao de frao mssica da fase
gasosa no incio do Loop Multifsico de 15,0%. A Figura 5.14 mostra os resultados com a
utilizao da arquitetura 3-10-1.
97
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,15)
Figura 5.14 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 15,0% com a arquitetura 3-10-1.
Observa-se na Figura 5.14 que os valores simulados com a NetMH de arquitetura 310-1 so incoerentes na faixa de comprimento de tubulao entre 0m e 50m,
aproximadamente. A partir da, ocorre um melhor ajuste, porm observam-se oscilaes
locais acentuadas, o que evidencia que esta arquitetura no adequada para a simulao
destes dados. A Figura 5.15 mostra a mesma simulao com o uso da arquitetura 8-1.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,15)
Figura 5.15 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 15,0% com a arquitetura 8-1.
98
Observa-se na Figura 5.15 que os valores simulados com a NetMH de arquitetura 8-1
so satisfatrios a partir do comprimento de tubulao de aproximadamente 10 m, semelhante
ao que pode ser visto na Figura 5.12, porm, da mesma forma, para valores prximos
entrada do Loop Multifsico, a simulao totalmente incoerente com o esperado.
A Figura 5.16 mostra a arquitetura que melhor simulou os dados de gradiente de
presso com a situao de frao mssica da fase gasosa no incio do Loop Multifsico de
15,0%.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,15)
Figura 5.16 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 15,0% com a arquitetura 2-1.
Mais uma vez, a arquitetura 2-1, considerada a mais simples, apresentou melhores
resultados de simulao, comprovando a expectativa gerada com a observao do erro relativo
mdio apresentado na Tabela 5.2.
A Figura 5.17 mostra os resultados obtidos com a simulao da situao de frao
mssica da fase gasosa no incio do Loop Multifsico de 25,0%, por fim, para a arquitetura 310-10-1.
99
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,25)
Figura 5.17 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 25,0% com a arquitetura 3-10-10-1.
Observa-se na Figura 5.17 que, semelhante ao que foi visto na Figura 5.14, os
valores simulados com a NetMH de arquitetura 3-10-10-1 so incoerentes na faixa de
comprimento de tubulao entre 0m e 60m. A partir da, ocorre um melhor ajuste, porm so
observadas oscilaes locais acentuadas, maiores at que aquelas observadas na Figura 5.14, o
que evidencia que esta arquitetura no adequada para a finalidade de simulao. J na
Figura 5.18, observa-se a mesma situao simulada com o uso da arquitetura 2-1.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,25)
Figura 5.18 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 25,0% com a arquitetura 6-1.
100
Observa-se na Figura 5.18 que a arquitetura 2-1 aproxima bem os dados obtidos com
o modelo determinstico de escoamento homogneo, da mesma maneira que ocorreu com as
simulaes das situaes de frao mssica da fase gasosa no incio do Loop Multifsico de
5,0% e 15,0%. Porm, para esta situao, os valores simulados com esta arquitetura so
coerentes apenas a partir de aproximadamente 10 m de tubulao.
A Figura 5.19 mostra, ento, a arquitetura mais adequada para a simulao do
gradiente de presso para a situao de frao mssica da fase gasosa de 25,0% no incio do
Loop Multifsico.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MEH (x=0,25)
Figura 5.19 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 25,0% com a arquitetura 4-1.
Como pode ser observado na Figura 5.19, a arquitetura 4-1 foi a que melhor simulou
os dados para este conjunto de pontos.
Por fim, a Figura 5.20 mostra em um nico grfico os gradientes de presso
calculados com o modelo determinstico de escoamento homogneo para cada situao de
frao mssica da fase gasosa no incio do Loop Multifsico e os gradientes de presso
simulados com as respectivas arquiteturas de rede consideradas mais adequadas.
101
MEH
(x=0,05)
20,0000
MEH
(x=0,15)
Presso (bar)
19,5000
MEH
(x=0,25)
19,0000
NetMH (2-1):
x=0,05
18,5000
NetMH (2-1):
x=0,15
18,0000
0
50
100
Comprimento (m)
150
200
NetMH (4-1):
x=0,25
2,0000
1,6000
1,2000
0,8000
0,4000
0,0000
0,00
10,00
20,00
30,00
40,00
50,00
Figura 5.21 Perda de carga calculada com o modelo determinstico de escoamento separado
e simulada pela NetMS (arquitetura 2-1).
102
2,0000
1,6000
1,2000
0,8000
0,4000
0,0000
0,00
10,00
20,00
30,00
40,00
50,00
Figura 5.22 Perda de carga calculada com o modelo determinstico de escoamento separado
e simulada pela NetMS (arquitetura 10-1).
103
2,0000
1,6000
1,2000
0,8000
0,4000
0,0000
0,00
10,00
20,00
30,00
40,00
50,00
Figura 5.23 Perda de carga calculada com o modelo determinstico de escoamento separado
e simulada pela NetMS (arquitetura 3-15-1).
Observa-se na Figura 5.23 que os valores simulados pela NetMS de arquitetura 3-151 acompanham o comportamento dos resultados gerados pelo modelo determinstico de
escoamento separado e so extremamente prximos do esperado. Deve-se, portanto, adotar
esta arquitetura com a finalidade de simulao da perda de carga no Loop Multifsico para
diferentes valores de frao mssica da fase gasosa no incio do circuito (para a faixa entre
0,0% at 50,0%).
Dados de gradiente de presso tambm foram gerados com a soluo do modelo
determinstico de escoamento separado e simulados com RNAs. A seguir so mostradas as
variaes de presso em funo do comprimento da tubulao para valores de frao mssica
da fase gasosa no incio do Loop Multifsico de 10,0%, 30,0% e 50,0%.
A Figura 5.24 mostra o gradiente de presso para a situao de frao mssica da
fase gasosa no incio do Loop Multifsico de 10,0% com simulao da NetMS de arquitetura
3-5-10-1.
104
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MES (x=0,10)
NetMS(3-5-10-1)
Figura 5.24 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 10,0% com a arquitetura 3-5-10-1.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MES (x=0,10)
NetMS(8-1)
Figura 5.25 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 10,0% com a arquitetura 8-1.
105
Observa-se na Figura 5.25 que os valores simulados com a NetMS de arquitetura 8-1
so satisfatrios a partir do comprimento de tubulao de aproximadamente 20 m, porm,
antes disso, a simulao totalmente inconsistente com o esperado.
Em seguida, mostrada na Figura 5.26 a mesma simulao com a arquitetura que
melhor aproximou os resultados do modelo determinstico de escoamento separado para a
situao testada.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MES (x=0,10)
NetMS(2-1)
Figura 5.26 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 10,0% com a arquitetura 2-1.
Observa-se na Figura 5.26 que os valores simulados com a NetMS de arquitetura 2-1
aproximam satisfatoriamente os dados obtidos com a soluo do modelo determinstico de
escoamento separado a partir do comprimento de tubulao 20 m, o que caracteriza esta
arquitetura como a mais adequada para esta finalidade de simulao destes dados. Cabe
ressaltar que esta arquitetura , tambm, a mais simples dentre as testadas, ou seja, menor
recurso computacional requerido.
Est evidente na Figura 5.26 que, para valores simulados no comprimento de
tubulao menor que 20 m, os resultados no so satisfatrios. Deve-se destacar, no entanto,
que, para a obteno de melhores resultados na faixa inicial da tubulao, a quantidade de
dados de treinamento deve ser maior, com mais pontos de treinamento nesta faixa,
principalmente.
106
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MES (x=0,30)
NetMS(3-15-1)
Figura 5.27 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 30,0% com a arquitetura 3-15-1.
Observa-se, na Figura 5.27, que os valores simulados com a NetMS de arquitetura 315-1 so completamente incoerentes em todo o comprimento do Loop Multifsico.
Na Figura 5.28 observa-se um melhor ajuste com a arquitetura 10-1.
107
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MES (x=0,30)
NetMS(10-1)
Figura 5.28 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 30,0% com a arquitetura 10-1.
Presso (bar)
20,0000
19,5000
19,0000
18,5000
18,0000
0
50
100
150
200
Comprimento (m)
MES (x=0,30)
NetMS(2-1)
Figura 5.29 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 30,0% com a arquitetura 2-1.
108
Presso (bar)
19,6000
19,2000
18,8000
18,4000
18,0000
17,6000
0
50
100
150
200
Comprimento (m)
MEH (x=0,50)
NetMS(3-10-1)
Figura 5.30 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 50,0% com a arquitetura 3-10-1.
20,0000
Presso (bar)
19,6000
19,2000
18,8000
18,4000
18,0000
17,6000
0
50
100
150
200
Comprimento (m)
MEH (x=0,50)
NetMS(3-5-10-1)
Figura 5.31 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 50,0% com a arquitetura 3-5-10-1.
109
20,0000
Presso (bar)
19,6000
19,2000
18,8000
18,4000
18,0000
17,6000
0
50
100
150
200
Comprimento (m)
MEH (x=0,50)
NetMS(2-1)
Figura 5.32 Simulao do gradiente de presso para frao mssica da fase gasosa no incio
do Loop Multifsico de 50,0% com a arquitetura 2-1.
20,0000
MES (x=0,10)
Presso (bar)
19,5000
MES (x=0,30)
MES (x=0,50)
19,0000
NetMS(2-1):
x=0,10
NetMS(2-1):
x=0,30
NetMS(2-1):
x=0,50
18,5000
18,0000
0
50
100
Comprimento (m)
150
200
110
RNA
(arquitetura)
NetMH(8-1)
NetMH(2-1)
NetMH(2-1)
NetMH(4-1)
NetMH(3-15-1)
NetMH(2-1)
NetMH(2-1)
NetMH(2-1)
111
6. CONCLUSES E SUGESTES
112
113
REFERNCIAS BIBLIOGRFICAS
114
115
116
APNDICE A
Por questes didticas, a deduo a seguir ser feita utilizando o padro escoamento
bifsico lquido-gs stratified flow (estratificado), mas as equaes resultantes no so
limitadas aplicao para este nico padro de escoamento. Nesta abordagem, uma equao
de conservao de quantidade de movimento pode ser escrita para cada fase, porm tambm
possvel tratar todo o escoamento.
Figura A.1 Volume de controle para o escoamento bifsico lquido-gs em stratified flow.
Fonte: Holland e Bragg (1995).
F A P FG FL AG G AL L g.sen . z
(A.1)
117
mv m G m G vG vG m L m L vL vL m G vG m LvL
t
(A.2)
A P FG FL AG G AL L gsen x m G vG m LvL
(A.3)
dP dFG dFL
d
G vG m
L vL
AG G AL L gsen m
dz
dz
dz
dz
(A.4)
ou
dP 1 dF d
m G vG m L vL AG G AL L gsen
dz A dz dz
(A.5)
dP dP dP dP
dz dz f dz a dz sh
(A.6)
118
A princpio, isto o mesmo que ocorre para o escoamento monofsico. Por exemplo,
em um escoamento em regime permanente, completamente desenvolvido, isotrmico e para
um fluido incompressvel numa tubulao retilnea de rea de seo transversal constante, a
fora de atrito deve ser superada da mesma maneira que a presso esttica (a menos que o
tubo seja horizontal), no entanto no h variao na quantidade de movimento e,
consequentemente, o termo de acelerao zero. No caso de um fluido compressvel, este se
expande medida que escoa de uma regio de maior presso para uma de menor presso e,
conforme descrio da equao da continuidade, deve acelerar.
Em escoamento bifsico lquido-gs sem mudana de fase, por exemplo ar e gua, a
fase vapor se expande e ocorre acelerao como no escoamento monofsico. Quando h
evaporao ou condensao, a fase lquida relativamente mais densa torna-se vapor com uma
densidade muito menor (maior volume especfico) e o gradiente de presso devido
acelerao ser exigido.
conveniente trabalhar em termos de frao de vazios , frao mssica do gs x e
fluxo mssico Gt :
i.
Frao de Vazios
AG
A
AL
1
A
ii.
(A.7)
(A.8)
Frao Mssica
m G
m
G
m G m L m t
(B.9)
119
m L
1 x
m t
iii.
(A.10)
Fluxo Mssico
Gt
t
m
A
(A.11)
Ento,
m G xGt A
(A.12)
m L 1 x Gt A
(A.13)
vG
GVG xGtVG
m
(A.14)
vL
LVL
1 x GtVL
m
1 A
1
(A.15)
1 dF
dP
dz f A dz
(A.16)
120
m v
1 d
d m v
dP
m G vG m LvL G G L L
dz A
A
dz a A dz
(A.17)
A
1 A
dz a dz
(A.18)
2
x 2V
1 x VL
dP
2 d
G
Gt
dz
1
dz a
(A.19)
AG G AL L
dP
gsen
A
dz sh A
(A.20)
dP
G 1 L gsen
dz sh
(A.21)
VL
dz sh VG
(A.22)
121
APNDICE B
t vA
m
(B.1)
onde v a velocidade das duas fases e uma massa especfica mdia da mistura bifsica.
Por definio, a massa especfica mdia o inverso do volume especfico mdio da
mistura, ento,
122
V xVG 1 x VL
(B.2)
vG vL v
(B.3)
AG G AL L A
(B.4)
dP dF
dv
t
A gsen m
dz dz
dz
(B.5)
dP 1 dF
dv
Gt
A gsen
dz A dz
dz
(B.6)
i.
Componente de Atrito
dF
D 2 dP
D w
dz
4 dz f
(B.7)
123
4
dP
D
dz f
(B.8)
1
2
w v2 f
(B.9)
2 f v 2 2 fGt2V
dP
D
D
dz f
(B.10)
f v 2 fGt2V
dP
2D
2D
dz f
(B.11)
A velocidade, que geralmente varia com a posio do fluido ao longo do tubo, foi
reescrita em termos do fluxo mssico constante e do volume especfico mdio da mistura.
evidente que V uma funo da presso e varia ao longo do tubo.
124
ii.
Componente de Acelerao
dv
d
dV
dP
Gt GtV Gt2
Gt
dz
dz
dz
dz a
(B.12)
dV
dV dx
VG G
dz dz
dz
dV
dV dx
x L VL L
dz
dz dz
dV dVG dVL
dx dV
x VG VL L
dz dz
dz
dz dz
(B.13)
(B.14)
A fase lquida pode ser tratada como sendo incompressvel, mas, em geral, o volume
especfico da fase gasosa e a sua frao mssica variaro ao longo do comprimento da
tubulao. Ento, pela incompressibilidade da fase lquida, tem-se
dV
dV
dx
x G VG VL
dz
dz
dz
(B.15)
com VLG VG VL .
125
especfico VG muito maior, ento a mdia do volume especfico aumenta e, pela equao da
continuidade, sabe-se que o escoamento deve acelerar.
Substituindo (B.15) em (B.12), e fazendo o volume especfico da fase gasosa variar
com a presso, tem-se
dx
dP
2 dVG dP
VLG
Gt x
dz
dz a
dP dz
iii.
gsen
dP
gsen
V
dz sh
iv.
(B.16)
(B.17)
dP fGt2V
dx gsen
dV dP
Gt2 x G
VLG
dz
2D
dz
V
dP dz
(B.18)
dV dP
dP fGt2V
dx gsen
Gt2 x G
Gt2VLG
dz
2D
dP dz
dz
V
(B.19)
2
dx gsen
fGt V
Gt2VLG
2D
dz
V
(B.20)
dV
dP
1 Gt2 x G
dz
dP
fGt2V
dx gsen
Gt2VLG
dz
V
dP 2 D
dz
2 dVG
1 Gt x
dP
(B.21)
126
P FC AC EC
(B.22)
com
fGt2VL L x f xi x f xi VLG
1
FC
2D
2
VL
(B.23)
V
AC Gt2VL x f xi LG
VL
EC
Lgsen
ln x f xi VLG VL
VLG
(B.24)
(B.25)
127
FC
fGt2VL Lx x VLG
1
2 D 2 VL
V
AC Gt2VL x LG
VL
EC
Lgsen
ln xVLG VL
VLG
(B.26)
(B.27)
(B.28)
i.
ii.
Calcular o fator de atrito da mesma maneira que feito para o escoamento monofsico,
porm avaliando o nmero de Reynolds com uma viscosidade mdia.
Re
Gt D
iii.
(B.29)
128
Como exemplo do mtodo (iii), para o padro de escoamento bubbly flow com uma
frao mssica da fase gasosa baixa, seria apropriado calcular o fator de atrito baseando-se
nas propriedades fsicas da fase lquida. Ento, o componente de atrito do gradiente de
presso para esta situao seria
fGt2V
dP
2D
dz f
(B.30)
f LOGt2VL
dP
2D
dz LO
(B.31)
dP
dz f
fV
f LOVL
dP
dz LO
(B.32)
Se a aproximao feita de tal forma que o fator de atrito para o escoamento bifsico
f seja igual quele para o escoamento monofsico lquido hipottico f LO , uma relao
muito simples obtida para o componente de atrito do gradiente de presso entre os dois tipos
de escoamento:
129
VG dP
V dP
dP
1 x 1
dz f VL dz LO
VL dz LO
(B.33)
O gradiente de presso para LO pode ser calculado pela Equao (B.31), na qual o
fator de atrito avaliado com o nmero de Reynolds dado por
Re
Gt D
(B.33)
Para um escoamento bifsico com uma frao mssica da fase gasosa muito alta, por
exemplo o padro de escoamento spray flow, seria mais apropriado usar as propriedades
fsicas da fase gasosa como referncia.
Reescrevendo as Equaes (B.30), (B.31) e (B.32) para esta situao, tem-se
VL dP
V dP
dP
x 1 x
VG dz GO
dz f VG dz GO
(B.34)
fGOGt2VG
dP
2D
dz GO
(B.35)
com
Re
Gt D
(B.36)
130
dP
2 dP
dz f
dz R
(B.36)
2
onde R o multiplicador bifsico, cujo valor depende da escolha da fase de referncia R
131
APNDICE C
2
x 2V
1 x VL 1
dP dP
2 d
G
gsen
Gt
dz dz f
dz
1 x VG VL
(C.1)
2
2
d x 2VG 1 x VL d x 2VG d 1 x VL
dz
1 dz dz 1
(C.2)
132
x 2VG
(C.3)
1 x VL
1
2
(C.4)
tem-se,
d
d d
dz
dz dz
(C.5)
d 2
d
x VG x 2VG
d dz
dz
2
dz
dV
dx
d
2 xVG
x 2 G x 2VG
d
dz
dz
dz
2
dz
dz dz dz 2 dz
(C.6)
(C.7)
(C.8)
133
dz dz dP dz 2
dx dP
x P dz P x dz
(C.9)
dz dz
x P dz dP
P x
(C.10)
d
2
2
d
1 x VL 1 1 x VL 1
d dz
dz
2
dz
1
dx
d
2 dVL
2
2 1 x VL 1 x
1 1 x VL
dz
dz
dz
d
2
dz
1
2
2
d
2 1 x dx 1 x dVL
1 x VL d
VL
2
dz 1 dz 1 dz
dz
(C.11)
(C.12)
(C.13)
2
d 2 1 x dx 1 x dVL dP
VL
dz 1 dz 1 dP dz
134
1 x VL dP dx
1 P x dz x P dz
(C.14)
1 x 2 VL dP 1 x 2 VL dx
d
2 1 x dx
VL
2
2
dz
1 x P dz
1 P x dz
1 dz
(C.15)
2
2
2 1 x VL dP 1 x VL
d dx 1 x VL
dz dz 1 2 x P
1 dz 1 2 P x
(C.16)
dx 2 xV
x 2V dP x 2 dVG x 2VG
d
2
G 2G
dz
x P dz dP
P x
dz
2
dx 1 x VL
2
dz
2
2 1 x VL dP 1 x VL
1 dz 1 2
x P
P x
(C.17)
2
2
2 1 x VL
d
dx
2 xVG x VG 1 x VL
2
dz
dz
x P 1 x P
1
135
2
2
dP
x dVG x VG
dz
dP
1 x VL
2
P x
1 P x
2
2
d
dx
2 xVG 2 1 x VL 1 x VL x VG
dz
dz
2
1 x P 1 2
2
2
dP
x 2 dVG 1 x VL x VG
dz dP P x 1 2
2
(C.18)
(C.19)
E, com a definio de
2
2
2 xVG 2 1 x VL 1 x VL x VG
A , x
1 x P 1
(C.20)
dP dP
dP x 2 dVG 1 x VL x 2VG
2 dx
2
Gt A , x
dz dz f
dz dP P x 1 2
dz
gsen
VL
VG
2
2
2
dP
1 x VL x VG
2 x dVG
1 Gt
2
dz
2
dP P x 1
Gt2
1
dx
A , x
gsen
dz
VL
VG
(C.21)
dP
dz f
(C.22)
136
1
dP
2 dx
A , x
gsen
Gt
dz
VL
dz f
VG
dP
2
dz
2
2
1 x VL x VG
2 x dVG
t
2
2
dP P x 1
(C.23)
137
APNDICE D
i.
Correlao de Colebrook-White
1
/D
2 log
3, 7 2,51
f
Re f
(D.1)
onde ,
f : fator de atrito;
ii.
Correlao de Blasius
vD
f a.Reb a
onde,
a 0,3164
(D.2)
138
b 0, 25
f : fator de atrito;
v : velocidade do escoamento;
: viscosidade cinemtica.
iii.
Correlao de Churchill
8 12 1 1/12
f 8
A B
Re
(D.3)
onde,
f : fator de atrito;
16
7 0,9 0, 27
A 2, 457 log
e / D
Re
(D.4)
16
37530
B
Re
iv.
(D.5)
Correlao de Haaland
6,9 e 1,11
f 1,8log
Re 3, 7 D
onde ,
f : fator de atrito;
(D.6)
139
: rugosidade da tubulao;
Re : nmero de Reynolds.
v.
0,125
6 16
64 8
e
5, 74 2500
f
0,9
9,5 log
Re
3, 7 D Re Re
(D.7)
onde
f : fator de atrito;
i.
Correlao de Cicchitti
xG 1 x L
onde,
(D.8)
140
ii.
Correlao de McAdams
1 x
(D.9)
onde,
iii.
Correlao de Dukler
xVG G 1 x VL L
J G G J L L
J
(D.10)
onde
G 1 L
(D.11)
141
142
APNDICE E
EQUAES DE ESTADO
Z 1 q
Z
Z Z
1 Z
Z Z Z
(E.1)
(E.2)
PV
RT
(E.3)
ZRT
P
(E.4)
143
onde
Pr
Tr
(E.5)
Tr
Tr
(E.6)
Tr
T
Tc
(E.7)
Pr
P
Pc
(E.8)
144
vdW (1873)
RK (1949)
SRK (1972)
Tr
Tr1/2
SRK Tr ;
1 2
1 2
1/8
0,08664
0,08664
0,07780
27/64
0, 42748
0, 42748
0, 45724
Zc
3/8
1/3
1/3
0,30740
PR (1976)
PR Tr ;
**
(E.9)
(E.10)
145
APNDICE F
ALGORITMO DE LEVENBERG-MARQUARDT
Seja
x x1 x2
x3 xn , deseja-se minimizar
f x
para encontrar
F x
2
2
1 m
1
1
T
fi x f x f x f x
2 i 1
2
2
(F.1)
Um bom motivo para se minimizar a soma dos quadrados dos resduos, ao invs de
se minimizar a soma dos resduos, o fato de que a funo mdulo, no diferencivel na
origem e sero usadas derivadas para resolver os problemas de mnimos quadrados nolineares.
Pode-se perceber que o modelo depende dos parmetros x x1
x2
x3 xn .
T
146
minimizam a soma dos quadrados dos resduos, o que significa encontrar a melhor curva que
se ajusta aos pontos fornecidos.
Assim como os mtodos de Newton e Gauss-Newton, o mtodo de LevenbergMarquardt iterativo. Isto significa que, dado um ponto inicial x0 , o mtodo produz uma
srie de vetores x1 , x 2 , ..., x n que se espera que v convergir para x , um mnimo local para a
funo de entrada a ser ajustada.
O mtodo de Newton baseia-se no fato de que se x um ponto crtico da funo F ,
e tem-se ento que F ' x 0 . Expandindo-se F em uma srie de Taylor, obtm-se:
F x h F x F ' x h O h
(F.2)
(F.3)
Hhn F ' x
(F.4)
147
2 f
2
x1
2 f
onde H F '' x H x x2 x1
2 f
xn x1
2 f
x1x2
2 f
x22
f
xn x2
2
2 f
x1xn
2 f
2 f
xn2
Hessiana.
Calculada a direo do passo n, a prxima iterao do mtodo de Newton dada por:
x x hn
(F.5)
f x h l h f x J x h
(F.6)
onde J a matriz Jacobiana, isto , a matriz que contm as derivadas parciais de primeira
ordem de cada componente da funo vetorial f .
148
f1
x
1
f 2
J x x1
f m
x
1
f1
x2
f 2
x2
f m
x2
f1
xn
f 2
xn
f m
xn m X n
Substituindo-se f x h l h f x J x h em F x
(F.7)
1
T
f x f x obtm2
se:
1
T
F x h L h l h l h
2
(F.8)
1 T
1
f f hT J T f hT J T Jh
2
2
(F.9)
1
F x h F x hT J T f hT J T Jh
2
(F.10)
F x h
L ' h J T f J T Jh
(F.11)
L '' h J T J
(F.12)
149
J J h
T
gn
J T f
(F.13)
Encontrado o valor de hgn , tem-se que a prxima iterao do mtodo de GaussNewton dada por:
x x hgn
(F.14)
J I hlm g
(F.15)
onde g J f e 0 .
T
150
J I
hlm
1
1
F ' x , que um pequeno passo na direo mxima de descida;
g
3. Se muito pequeno, tem-se que hlm hgn , o que bom nos estgios finais da
0 max i aii0
(F.16)
onde escolhido pelo usurio. Para determinados problemas, em que o valor de x0 uma
boa aproximao para x , pode-se adotar 106 . Caso contrrio, recomenda-se 103 ou
at mesmo 1 .
O valor de pode ser modificado durante as iteraes e isso feito em funo de
um outro parmetro , denominado de gain ratio, ou seja:
F x F x hlm
L 0 L hlm
(F.17)
151
1 T T
T T
L 0 L hlm hlm
J f hlm
J Jhlm
2
(F.18)
T
2 g J T J I I hlm
L 0 L hlm hlm
L 0 L hlm
1 T
hlm hlm g
2
(F.19)
(F.20)
T
T
Pode-se garantir que como hlm hlm e hlm g so positivos, ento L 0 L hlm
tambm positivo.
Se o valor de for grande, isso indica que L hlm uma boa aproximao para
F x hlm e pode-se diminuir o valor de de modo que o prximo passo do LevenbergMarquardt esteja prximo do passo de Gauss-Newton. Se for pequeno, isso significa que
L hlm uma aproximao ruim e torna-se necessrio aumentar para buscar a direo
mxima de descida e reduzir o tamanho do passo.
O valor de alterado de acordo com a seguinte regra:
se 0 ,
2.
caso contrrio,
e 2 .
152