Orientador: Flávio Vasconcelos da Silva

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química

Resumo: A aplicação das técnicas ultrassônicas para caracterizar emulsões quanto a sua distribuição do tamanho de gotas (DTG) por meio de modelos físicos de propagação de ondas, tem atraído interesse nos últimos anos devido, principalmente, a vantagem de ser uma técnica não intrusiva e capaz de...

Resumo: A aplicação das técnicas ultrassônicas para caracterizar emulsões quanto a sua distribuição do tamanho de gotas (DTG) por meio de modelos físicos de propagação de ondas, tem atraído interesse nos últimos anos devido, principalmente, a vantagem de ser uma técnica não intrusiva e capaz de caracterizar emulsões concentradas e opacas. Não obstante, a maior parte desses modelos possuem restrições relacionadas a faixa de aplicação no regime de propagação da onda, a qual está relacionado com o comprimento da gotícula suspensa, e a estimação de parâmetros de difícil determinação para o cálculo da DTG. Entre tais parâmetros de difícil determinação destaca-se a fração de fase dispersa da emulsão. Esses desafios impossibilitam a aplicação dos modelos para caracterizar amostras sem dados das composições de cada fase. Neste contexto, uma alternativa proposta por alguns autores é a abordagem das técnicas de aprendizado de máquina, atuando nas limitações dos modelos acústicos. Portanto, o objetivo deste trabalho foi utilizar técnicas de aprendizado de máquina para realizar o prognóstico da fração de fase dispersa e classificação do regime de propagação da onda nas emulsões, aperfeiçoando desta forma, a caracterização da DTG das emulsões com os modelos acústicos. Para tais fins, foram utilizadas as redes neurais artificiais (RNA) e as máquinas de suporte de vetores (SVM). Como resultado, destacou-se o acoplamento da SVM com os modelos acústicos de fase acoplada e de espalhamento elástico da onda, sendo o desafio, relacionado a classificação de regime de propagação da onda, mitigado, possibilitando a construção de um modelo geral que atende medições em tempo real para um amplo DTG. A utilização da SVM e RNA para o prognóstico da fração, apesar do resultado não satisfatório, abriu uma perspectiva de investigações relacionada as relações dos sinais acústicos com a fração de dispersão em emulsões

Abstract: The application of ultrasonic techniques to characterize emulsions in terms of their droplet size distribution (DSD) by means of physical wave propagation models, has attracted interest in recent years, mainly due to the advantage of being a non-intrusive technique capable of characterize...

Abstract: The application of ultrasonic techniques to characterize emulsions in terms of their droplet size distribution (DSD) by means of physical wave propagation models, has attracted interest in recent years, mainly due to the advantage of being a non-intrusive technique capable of characterize concentrated and opaque emulsions. However, most of these models have restrictions related to the application range in the wave propagation regime, which is related to the length of the suspended droplet, and the estimation of parameters that are difficult to determine for the calculation of the DSD. Among such difficult-to-determine parameters, the dispersed phase fraction of the emulsion stands out. These challenges make it impossible to apply the models to characterize samples without data on the compositions of each phase. In this context, an alternative proposed by some authors is to approach machine learning techniques, acting on the limitations of acoustic models. Therefore, the objective of this work was to use machine learning techniques to carry out the prognosis of the dispersed phase fraction and classification of the wave propagation regime in the emulsions, thus improving the characterization of the DSD of the emulsions with the acoustic models. For such purposes, artificial neural networks (ANN) and vector support machines (SVM) were used. As a result, the SVM coupling with the acoustic models of coupled phase and elastic spreading of the wave stood out, being the challenge, related to the classification of the wave propagation regime, mitigated, enabling the construction of a general model that meets measurements in real time for a broad DSD. The use of SVM and RNA for the prognosis of the fraction, despite the unsatisfactory result, opened a perspective of investigations related to the relationship of the acoustic signals with the dispersion fraction in emulsions

Requisitos do sistema: Software para leitura de arquivo em PDF