CORRELAÇÃO BASEADA EM REDES NEURAIS ARTIFICIAIS PARA A PREDIÇÃO DA CONDUTIVIDADE TÉRMICA E DA VISCOSIDADE DO FLUIDO REFRIGERANTE R32

Resumo

Parâmetros termodinâmicos são, muitas vezes, valores de difícil obtenção. Sabendo-se disso, métodos numéricos são ferramentas que se tornam valiosas. Neste trabalho, utilizou-se de redes neurais artificiais (RNAs), que têm se mostrado bastante eficientes na resolução de problemas. Foram empregados dados experimentais do fluido refrigerante R32, em fase líquida, disponíveis na literatura, para realizar o treinamento de RNAs, visando o cálculo da viscosidade (μ) e da condutividade térmica (λ), em diferentes pressões e temperaturas (que foram as variáveis de entrada). O treinamento foi realizado tanto com RNAs com uma camada intermediária, quanto com duas. Diferentes métodos de otimização, combinação de funções de ativação e número de neurônios foram avaliados. O melhor resultado, nas etapas de treinamento, validação e teste foi obtido com uma RNA de uma camada intermediária e 35 neurônios. O erro médio percentual obtido foi de 0,001 % e 0,074 % para μ e λ, respectivamente. Assim, conclui-se que as RNAs se mostram uma ferramenta muito precisa para o cálculo dessas propriedades do fluido R32, a partir de sua temperatura e pressão.