Uso de Redes Neurais artificiais autorregressivas para estimar a capacidade de refrigeração de compressores através de dados de regime transiente

Abstract

Os processos industriais e a forma com que os produtos evoluem tornam necessário que novos métodos de avaliação de produção sejam aptos a identificar melhorias implementadas aos novos produtos. Um dos ensaios principais, dentre os de avaliação de produtos de refrigeração, é o ensaio de desempenho de compressores herméticos. Os dois principais fatores que limitam o número de ensaios de desempenho são os custos elevados das bancadas de teste e o tempo de duração dos ensaios. Este trabalho utiliza redes neurais artificiais não lineares autorregressivas para estimar a capacidade de refrigeração de compressores sem a necessidade de realização do ensaio completo, reduzindo, dessa forma, o tempo necessário para realização dos ensaios. Duas abordagens são propostas para o problema, uma com a rede operando em malha aberta e outra com a rede operando em malha fechada. As redes são treinadas com dados obtidos através de ensaio da capacidade de refrigeração através do método F – que mede diretamente a vazão de fluido refrigerante na fase líquida. A rede em malha fechada busca reproduzir o comportamento do compressor em ensaio, enquanto a rede em malha aberta simplesmente estima o valor do instante posterior através dos últimos cinco dados inseridos na rede. As duas abordagens se mostraram adequadas para modelar o ensaio e conseguem, apesar de certo nível de incerteza, estimar os valores de regime permanente através de dados de regime transiente. No entanto a abordagem em malha fechada é a que se mostra mais interessante do ponto de vista de economia de tempo de ensaio, pois estima a partir das primeiras cinco médias móveis todo o comportamento da rede. Enquanto a abordagem em malha aberta faz a estimativa sempre a partir das cinco médias móveis anteriores do ensaio.