Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Tadano, Yara de Souza | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-3975-3419 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1411041491592598 | - |
Autor(es): dc.contributor | Alves, Thiago Antonini | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-2950-7377 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/0763708094190677 | - |
Autor(es): dc.contributor | Tadano, Yara de Souza | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-3975-3419 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1411041491592598 | - |
Autor(es): dc.contributor | Santos, Gerson Henrique dos | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-7074-8108 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/0407596573800004 | - |
Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-1278-4602 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6904980376005290 | - |
Autor(es): dc.contributor | Macedo, Mariana Gomes da Motta | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-7071-379X | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6921657995121058 | - |
Autor(es): dc.creator | Pereira, Thomas Siqueira | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:06:57Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:06:57Z | - |
Data de envio: dc.date.issued | 2023-12-13 | - |
Data de envio: dc.date.issued | 2023-12-13 | - |
Data de envio: dc.date.issued | 2023-08-30 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/33070 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1089286 | - |
Descrição: dc.description | With the increasing energy consumption generated by technological advances, efficiency in energy use becomes more important every day. The loss of energy in the form of heat is a common problem in almost all areas of industry, and heat exchangers play an essential role in increasing efficiency and reducing energy waste. Heat pipes and thermosyphons are heat exchangers known for their high versatility and high efficiency in systems. In contrast to their high utility, these devices have, in many cases, complex theoretical equations with high percentages of error that can limit their development and cause dependence on empirical methods that generate waste of time and material, resulting in significant expenses and reducing the viability of its use. Thus, techniques that use computational intelligence, such as Artificial Neural Networks (ANN), can be an excellent option to facilitate the construction and development of this type of equipment since they can generate good results without knowledge of the complex theory behind the problem. ANN are computational algorithms based on the nervous system of higher organisms, which can solve complex problems using experimental data about the problem in question. These algorithms use known data from the proposed system to “learn” its behavior. In many cases, an ANN can achieve results as good or even better than those obtained by analytical methods and are limited only by the quality of the database and the available computational power. This investigation uses experimental data from previous studies to evaluate the ability of ANN to predict the thermal performance of thermosyphons and heat pipes. A database of thermosyphons and heat pipes was organized and applied to neural networks to evaluate their ability to simulate the proposed systems. The neural networks used are the Multilayer Perceptron (MLP), the Neural Network with Radial Basis Function (RBF), and the Extreme Learning Machine (ELM). Design properties were used as inputs to the neural networks, and the thermal resistance of thermosyphons and heat pipes was expected as output. The results show that the ANN can successfully simulate the properties of thermosyphons and heat pipes. The best results for thermosyphons showed Mean Absolute Percentage Error (MAPE) of less than 6.00% using the ELM network. The lowest error for heat pipes was achieved with the MLP network, resulting in a MAPE of around 13.93%. Thus, using ANN in developing thermosyphons and heat pipes is an excellent option for accelerating and improving the project phase, reducing the loss of material, time and other resources. | - |
Descrição: dc.description | Com o crescente aumento no consumo de energia gerado pelo avanço tecnológico a eficiência no uso de energia se torna cada dia mais importante. A perda de energia na forma de calor é um problema comum em quase todas as áreas da indústria e trocadores de calor tem um papel essencial no aumento da eficiência e diminuição do desperdício. Tubos de calor e termossifões são trocadores de calor conhecidos pela alta versatilidade e alta eficiência em sistemas. Em contraste com a sua alta utilidade, esses dispositivos têm, em muitos casos, equações teóricas complexas com altas porcentagens de erro que podem limitar o seu desenvolvimento e causar a dependência de métodos empíricos que geram perdas de tempo e material, resultando em maiores gastos e diminuindo a viabilidade de sua utilização. Assim, técnicas que utilizam inteligência computacional como as Redes Neurais Artificiais (RNA) podem ser uma excelente opção para facilitar a construção e desenvolvimento desse tipo de equipamento, uma vez que são capazes de gerar bons resultados sem um conhecimento da complexa teoria por traz do problema. As RNA, são algoritmos computacionais baseados no sistema nervoso dos organismos superiores, que conseguem resolver problemas complexos utilizando dados experimentais acerca do problema em questão. Esses algoritmos usam dados conhecidos do sistema proposto para “aprender” o seu comportamento. Uma RNA pode, em muitos casos, alcançar resultados tão bons ou mesmo melhores do que aqueles obtidos por métodos analíticos e são limitadas apenas à qualidade do banco de dados e pelo poder computacional disponível. Esta investigação usa dados experimentais de estudos anteriores para avaliar a capacidade da RNA em predizer o desempenho térmico de termossifões e tubos de calor. Um banco de dados composto por termossifões e tubos de calor foi organizado e as redes neurais foram aplicadas com o objetivo de avaliar a sua capacidade de simular os sistemas propostos. As redes neurais utilizadas foram: Perceptron de Múltiplas Camadas (MLP), a Rede Neural com Função de Base Radial (RBF) e a Máquina de Aprendizado Extremo (ELM). Como entradas para as redes neurais foram utilizadas as propriedades de projeto e como saída é esperada a resistência térmica dos termossifões e tubos de calor. Os resultados encontrados mostram que as RNA têm capacidade de simular as propriedades dos termossifões e tubos de calor. Os melhores resultados para os termossifões apresentaram Erro Percentual Absoluto Médio (MAPE) menor que 6,00% com a utilização da Rede ELM. Para os tubos de calor, o menor erro foi conseguido com a Rede MLP resultando em um MAPE de cerca de 13,93%. Assim, a utilização de RNA no desenvolvimento de termossifões e tubos de calor se mostra uma ótima opção para acelerar e melhorar a fase de projetos, diminuídos perdas de material, tempo e outros recursos. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Mecânica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Análise térmica | - |
Palavras-chave: dc.subject | Tubos de calor | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Thermal analysis | - |
Palavras-chave: dc.subject | Heat pipes | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA MECANICA | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Aplicação de redes neurais artificiais na predição do desempenho térmico de tubos de calor e termossifões | - |
Título: dc.title | Artificial neural networks application in predicting the thermal performance of heat pipes and thermosyphons | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: