Desenvolvimento e avaliação de sistema neural para redução de tempo de ensaios de desempenho de compressores

Abstract

Ensaios de compressores constituem uma ferramenta essencial no desenvolvimento de sistemas de refrigeração mais eficientes. Um dos ensaios mais representativos é o de desempenho. Tais ensaios são geralmente realizados em bancadas que apresentam incertezas de medição muito altas quando comparadas aos ganhos incrementais que devem ser analisados. Isso implica uso de técnicas estatísticas e faz com que ensaios tenham que ser replicados. Associando-se a esse fato há um longo tempo demandado por cada ensaio, o que torna evidente a dificuldade e o alto custo associado a tal análise. A demora do ensaio é devida principalmente ao longo tempo que o compressor e a bancada levam para entrar em condições de regime permanente - condição nominal de ensaio. Trabalhos recentes mostraram que é viável reduzir o tempo de ensaio empregando redes neurais artificiais (RNA) para analisar o compressor ainda em condições transitórias. Esta dissertação visa contribuir com a validação da técnica de redução de tempos demandados por ensaios de desempenho de compressores de refrigeração através do uso de redes neurais artificiais (RNA). Nesse contexto, foi avaliada a aplicação da técnica em diferentes compressores sob diferentes condições operacionais. A técnica neural avaliada analisa a evolução dos valores das variáveis de ensaio durante o período transitório e tira conclusões quanto ao instante de entrada em regime de cada uma das variáveis de interesse: consumo; capacidade; COP. Além disso, a técnica neural realiza a inferência do valor final de ensaio das variáveis de interesse logo após a entrada em regime permanente dessas. Um sistema desenvolvido usando tal técnica foi implantado em bancada de ensaios de uma empresa. Os resultados obtidos mostram que a aplicação de RNA pode reduzir drasticamente o tempo demandado por tais ensaios.