Seleção de características em um sistema de refrigeração para identificar degradações em seus componentes / Characteristics selection in a refrigeration system to identify degradations in its components

Tiago Mendes, Euler Guimarães Horta, Ronald de Paiva Gonçalves, Osvaldo José Venturini, Marcelo José Pirani

Abstract


 Os sistemas de refrigeração por compressão mecânica de vapor são utilizados para condicionar e armazenar uma extensa categoria de alimentos. Esses sistemas são grandes consumidores de energia, estando sujeitos a inúmeras degradações em seus componentes. Essas degradações podem aumentar significativamente o consumo de energia além de comprometer o funcionamento desses sistemas. O objetivo deste trabalho é verificar a quantidade de grandezas lidas em um sistema de refrigeração que são necessárias para caracterizar uma degradação. Para isso serão gerados dados operacionais com e sem degradações em seus componentes através de um modelo computacional. Esses dados serão utilizados para treinar um classificador que identificará os padrões de operação. Ao final, será estabelecida a quantidade mínima de grandezas a serem lidas para que o classificador identifique a degradação com desempenho adequado.


Keywords


Máquinas de aprendizado extremo, sistemas de refrigeração, degradações.

References


Ashrae Handbook, Refrigeration. SI Edition, 2010. 758 pg.

Buzelin, L., O., S., Amico, S., C., Vargas, J., V., C., Parise, J., A., R., Experimental development of an intelligent refrigeration system. International Journal of Refrigeration, Vol. 28, pp.165-175, 2005.

Horta, E., G., 2015 “Aplicação De Máquinas De Aprendizado Extremo Ao Problema De Aprendizado Ativo”. 87 f. Tese (Doutorado). Escola de Engenharia. Universidade Federal de Minas Gerais. Belo Horizonte. 2015.

Huang, G., B.; Zhu, Q., Y.; Siew, C., K., 2006 “Extreme Learning Machine: Theory And Applications”. Neurocomputing, V. 70, P. 489–501.

Khan, J., Zubair,S.,M., 1999 “Design and performance evaluation of reciprocating refrigeration systems”, International Journal of Refrigeration, Vol. 22, pp. 235–243.

Koury, R., N., N., Machado L., Ismail K., A., R., 2001“Numerical simulation of a variable speed refrigeration system”, International Journal of Refrigeration, Vol. 24, pp.192-200.

Mendes, T., Horta, E., G., Pereira, J., F., Guzella, M., S., Venturini, O., J., Pirani, M., J. 2016. Diagnóstico Termodinâmico em um Sistema de Refrigeração por Compressão Mecânica de Vapor Utilizando Modelos e Técnicas de Inteligência Computacionais. SIMMEC XII Simpósio de Mecânica Computacional 23 a 25 de maio (2016), Diamantina, MG, Brasil.

Pereira, J., F., Horta, E., G., Mendes, T., 2015. Detecção de Falhas em Um Sistema de Refrigeração por Compressão de Vapor. CBIC (Brazilian) XII Congress on Computational Intelligence. Outubro, 13-16 (2015). Universidade Tecnológica Federal do Paraná - Curitiba-Paraná, Brasil.

Qiao, H.; Radermacher, R.; Aute, V. A Review for Numerical Simulation of Vapor Compression Systems. International Refrigeration and Air Conditioning Conference at Purdue, West Lafayette, USA, 2010.

Venturini, O., J., Almeida, M., S., V.; Silva, E., 1999. “Modelo Computacional Para La Simulacion de Sistemas de Aire Acondicionado Con Termoacumulacion”, Información Tecnológica, La Serena - Chile, Vol. 10, No. 2, pp. 273-278.

Yassuda, H., Touber, S., Machielsen, C., H., M., 1983 “Simulation Model of Vapour Compression Refrigeration System”, ASHARE Transactions, part 2a, pp. 408-425.

Barcelos, A., F., Dias, E., S., Oliveira, J., C., A., Toshimitsu, H., S., Santos, R., A., 2019 “Ferramenta de detecção de padrões de planicidade utilizando redes neurais” DOI:10.34117/bjdv5n11-068, Brazilian Journal of Development, Curitiba, Vol. 5, n. 10, p. 23615-23626, nov. 2019, ISSN 2525-8761.




DOI: https://doi.org/10.34117/bjdv6n10-281

Refbacks

  • There are currently no refbacks.