Estimador de condições de operação de compressores para transporte de carga

Abstract

Para avaliação do funcionamento de compressores herméticos em ambiente laboratorial, tipicamente são realizadas medições de grandezas relacionadas com sua operação, como as pressões de sucção e de descarga. Após a instalação do compressor no produto final, essas medições não podem mais ser feitas e a instalação de transdutores de pressão se torna um processo invasivo, que exige a evacuação do sistema, a alteração da tubulação para instalação dos transdutores e reintrodução do fluido refrigerante dentro do compressor, alterando, assim, as características originais do sistema. A criação de métodos não invasivos, mais rápidos e ainda com uma confiabilidade significante levaria a um potencial avanço na indústria. A tarefa atribuída a este trabalho é a de propor um método de sensoriamento virtual para compressores combinando modelos de aprendizado profundo e transformações do domínio do tempo para o domínio da frequência. Esta combinação de técnicas de processamento e formato de modelos de aprendizado de máquina foi realizado para encontrar o melhor grupo de artifícios que possam inferir a temperatura de evaporação do ensaio de um compressor hermético. Os principais tipos de modelo de aprendizado profundo empregados foram as redes neurais convolucionais, redes que podem fazer a regressão de espectrogramas criados por diferentes transformadas do tempo para a frequência, e as redes autoencoders, que conseguem trazer a entrada de grande dimensionalidade no formato da saída de uma transformada rápida da Fourier (FFT, do inglês Fast Fourier Transform) para uma representação mais compacta, que serve de entrada para outras redes neurais. Usando poucos segundos de aquisição, foi possível inferir temperaturas de evaporação com erro de cerca de 1,5 ◦C, em ambientes com velocidades de rotação desconhecidos em um compressor desconhecido. Acredita-se que ainda há espaço para melhorias na qualidade da estimação do método proposto e, para isso serão avaliados outros modelos de regressão para abordar o problema em trabalhos futuros, mas os resultados adquiridos são satisfatórios para diversas aplicações no contexto de refrigeração.