No abstract

Un sensor basado en la permitividad eléctrica del fluido fue usado para análisis de las tomografías enlos diferentes patrones que se presentan en flujo multifase aceite y agua(Liquido-Liquido). El estudio experimental fue realizado en un tubo de vidrio borosilicatode 25,4 [mm]de diámetro interno y12 [m]de longitud. El sensor está formado por una malla de alambre condos planos de 8 x 8 hilos,llamado sensor de malla de alambre (WMS). Los experimentos fueron efectuadoscon dos viscosidades diferentes de aceite,una con 200[cP]yotra de60[cP]a 860 [kg / m3]de densidadcon el tubo posicionado en la horizontal y levemente inclinado a + 5 grados, para variar la viscosidaddel aceite fue usado un intercambiador de calor. El patrón de flujo multifase analizado fue anular, estratificado y disperso. Las tomografíasobtenidaspor la WMS fueron comparadas con una cámara de altavelocidad para la validación cualitativa de los resultados. Se usaron doce modelos de permitividad eléctricapara el estudiodel régimen del fluido presente

Este trabajo presenta el uso de inteligencia artificial en flujos multifásicos, implementando una red neuronal artificial de perceptrón multicapa con retropropagación, y utilizando la función de activación tangente sigmoidea, para generar un modelo predictivo capaz de obtener la fracción volumétrica de un flujo bifásico compuesto por agua y aceite mineral en una tubería horizontal de 12 m. La red neuronal artificial se desarrolla a partir de una capa de entrada, formada por el diferencial de presión en la línea y las velocidades superficiales de los fluidos de trabajo, además, tiene dos capas ocultas y una capa de salida, que está formada por las fracciones volumétricas de los fluidos. El modelo predictivo de mejor rendimiento muestra un error medio porcentual absoluto del 3,07 % y un coeficiente de determinación R2 de 0,985 utilizando 15 neuronas en las dos capas ocultas de la red neuronal. Los 56 datos experimentales utilizados en el estudio se obtuvieron en el laboratorio LEMI EESC-USP (Brasil).

El objetivo de este trabajo es la aplicación de una red neuronal artificial para la predicción de la fracción volumétrica (holdup) de flujo bifásico (aceite-agua) en un tubo en posición horizontal. Para este fin, la velocidad superficial del agua y el aceite se utilizaron como parámetros de entrada, entre tanto, la fracción volumétrica de estos dos fluidos se utilizaron como parámetros de salida para el entrenamiento y prueba de la red neuronal multicapa, el método utilizado fue retro propagación. Los datos experimentales (92 datos) se tomaron en el LEMI-EESC-USP y fueron utilizados para desarrollar el modelo de red neuronal artificial. Finalmente, se concluyó que los datos experimentales utilizados en la red neuronal se ajustan muy bien para una función de transferencia tagsig con 10 neuronas en la capa oculta evaluadas a partir del error porcentual absoluto medio de (AAPE= 3,95) y coeficiente de determinación ( = 0,975).

An experimental study is presented on water single-phase flow in two 10.5 m-long annular ducts, with external pipe's internal diameter (De) of 155 mm and two concentric internal pipes of external diameters (Di) of 60 mm and 125 mm, i.e., radius ratio (α = Ri/e) of 0.39 and 0.80, respectively, with the aim of improving the understanding of flows in annular ducts. Particle image velocimetry (PIV) was applied to obtain instantaneous and averaged velocity measurements of the flow field. A charge-coupled device camera (2448 pixel × 2050 pixel, 5 Mpixel, 12-bit ) recorded pairs of images of the seeding particles and a double-pulsed PIV laser (Nd:YAG, frequency doubled to 532 nm), with a measured pulse intensity of 70 to 75 mJ/pulse, provided the illumination. Laminar flows were analyzed for validation purposes, experimental data on turbulent flows were compared with the classical law of the wall of the turbulent boundary-layer model, and the shear stresses derived from PIV data were compared with those calculated from the measured pressure drop. The effects of the Reynolds number and geometry on turbulent velocity profiles and Reynolds stresses are presented. The results suggest that the law of the wall for annular-duct flow is a function of radius ratio. The new experimental results are of great value for the development of computational fluid dynamics models and more refined pressure-drop prediction tools in annular-duct flow.