Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/197219 |
Resumo: | O biodiesel tem sido considerado o produto mais promissor para substituir parte do diesel fóssil consumido no mundo. É um combustível renovável e biodegradável que diminui signicativamente os níveis de poluição, e cuja produção gera empregos. A avaliação da qualidade carburante de óleos vegetais presentes nos biocombustíveis requer a determinação analítica de algumas propriedades importantes. Assim, um estudo termodinâmico sobre a combustão permite otimizar o processo de queima diminuindo a poluição atmosférica, facilitando a construção de máquinas mais eficientes. O Metanoato de Metila (MF) é o éster metílico mais simples, pertencente a uma classe de compostos que constituem o biodiesel. O Butanoato de Metila (MB) tem sido usado em estudos de combustão como um substituto de cadeia curta para ácidos graxos de ésteres metílicos de cadeia longa encontrados no biodiesel. Para o estudo do MF e MB, faz-se necessária a existência de mecanismos cinéticos detalhados. Devido a existência de radicais altamente reativos, que induzem rigidez significativa para o sistema de equações, o objetivo deste trabalho foi desenvolver os respectivos mecanismos cinéticos esqueletos compostos por menos variáveis e rigidez moderada. Para tal, desenvolveu-se um modelo de Redes Neurais Artificiais (RNAs), que foi aplicado aos mecanismos oriundos dos métodos de redução Directed Relation Graph (DRG) e Depth First Search (DFS). Após esta etapa, obteve-se um mecanismo esqueleto contendo 43 reações para o MF e 87 reações para o MB, os quais foram utilizados na etapa de validação. Os resultados obtidos concordam satisfatoriamente com os dados encontrados na literatura. |
id |
URGS_07a172e7cf6d31439aa149db68c07f04 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/197219 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Padilha, Fábio Ronei RodriguesDe Bortoli, Álvaro Luiz2019-07-20T02:34:21Z2019http://hdl.handle.net/10183/197219001096890O biodiesel tem sido considerado o produto mais promissor para substituir parte do diesel fóssil consumido no mundo. É um combustível renovável e biodegradável que diminui signicativamente os níveis de poluição, e cuja produção gera empregos. A avaliação da qualidade carburante de óleos vegetais presentes nos biocombustíveis requer a determinação analítica de algumas propriedades importantes. Assim, um estudo termodinâmico sobre a combustão permite otimizar o processo de queima diminuindo a poluição atmosférica, facilitando a construção de máquinas mais eficientes. O Metanoato de Metila (MF) é o éster metílico mais simples, pertencente a uma classe de compostos que constituem o biodiesel. O Butanoato de Metila (MB) tem sido usado em estudos de combustão como um substituto de cadeia curta para ácidos graxos de ésteres metílicos de cadeia longa encontrados no biodiesel. Para o estudo do MF e MB, faz-se necessária a existência de mecanismos cinéticos detalhados. Devido a existência de radicais altamente reativos, que induzem rigidez significativa para o sistema de equações, o objetivo deste trabalho foi desenvolver os respectivos mecanismos cinéticos esqueletos compostos por menos variáveis e rigidez moderada. Para tal, desenvolveu-se um modelo de Redes Neurais Artificiais (RNAs), que foi aplicado aos mecanismos oriundos dos métodos de redução Directed Relation Graph (DRG) e Depth First Search (DFS). Após esta etapa, obteve-se um mecanismo esqueleto contendo 43 reações para o MF e 87 reações para o MB, os quais foram utilizados na etapa de validação. Os resultados obtidos concordam satisfatoriamente com os dados encontrados na literatura.Biodiesel has been considered the most promising product to replace part of the fossil diesel consumed in the world. It is a renewable and biodegradable fuel, which signi cantly reduces levels of pollution, and whose production generates jobs. The assessment of the fuel quality of vegetable oils present in biofuels requires the analytical determination of some important properties. Thus, a thermodynamic study on combustion allows to optimize the burning process reducing atmospheric pollution, facilitating the construction of more e cient machines. Methyl Formate (MF) is the simplest methyl ester, belonging to a class of compounds that constitute biodiesel. Methyl butanoate (MB) has been used in combustion studies as a short surrogate for long chain methyl esters of fatty acids found in biodiesel. For the study of MF and MB, it is necessary to have detailed kinetic mechanisms. Due to the existence of highly reactive radicals, which induce signi cant sti ness to the system of equations, the purpose of this work was to develop the respective skeletal kinetic mechanisms composed of less variables and moderate sti ness. For this, a model of Arti cial Neural Network (ANNs) was developed, which was applied to the mechanisms derived from the Directed Relation Graph (DRG) and Depth First Search (DFS) reduction methods. After this step, a skeletal mechanism was obtained containing 43 reactions for MF and 87 reactions to MB, which were used in the validation step. The results obtained agree satisfactorily with, the data found in the literature.application/pdfporÉsteres metílicosRedes neurais artificiaisChamas : DifusãoTécnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metilainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPrograma de Pós-Graduação em Matemática AplicadaPorto Alegre, BR-RS2019doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001096890.pdf.txt001096890.pdf.txtExtracted Texttext/plain178562http://www.lume.ufrgs.br/bitstream/10183/197219/2/001096890.pdf.txtb5a541a2b63a8e91d50e80712d3d73a9MD52ORIGINAL001096890.pdfTexto completoapplication/pdf2169937http://www.lume.ufrgs.br/bitstream/10183/197219/1/001096890.pdf028172af886746048410ed57be382879MD5110183/1972192019-07-21 02:42:41.60033oai:www.lume.ufrgs.br:10183/197219Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-07-21T05:42:41Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila |
title |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila |
spellingShingle |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila Padilha, Fábio Ronei Rodrigues Ésteres metílicos Redes neurais artificiais Chamas : Difusão |
title_short |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila |
title_full |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila |
title_fullStr |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila |
title_full_unstemmed |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila |
title_sort |
Técnicas de inteligência artificial na obtenção de mecanismos esqueletos para metanoato e butanoato de metila |
author |
Padilha, Fábio Ronei Rodrigues |
author_facet |
Padilha, Fábio Ronei Rodrigues |
author_role |
author |
dc.contributor.author.fl_str_mv |
Padilha, Fábio Ronei Rodrigues |
dc.contributor.advisor1.fl_str_mv |
De Bortoli, Álvaro Luiz |
contributor_str_mv |
De Bortoli, Álvaro Luiz |
dc.subject.por.fl_str_mv |
Ésteres metílicos Redes neurais artificiais Chamas : Difusão |
topic |
Ésteres metílicos Redes neurais artificiais Chamas : Difusão |
description |
O biodiesel tem sido considerado o produto mais promissor para substituir parte do diesel fóssil consumido no mundo. É um combustível renovável e biodegradável que diminui signicativamente os níveis de poluição, e cuja produção gera empregos. A avaliação da qualidade carburante de óleos vegetais presentes nos biocombustíveis requer a determinação analítica de algumas propriedades importantes. Assim, um estudo termodinâmico sobre a combustão permite otimizar o processo de queima diminuindo a poluição atmosférica, facilitando a construção de máquinas mais eficientes. O Metanoato de Metila (MF) é o éster metílico mais simples, pertencente a uma classe de compostos que constituem o biodiesel. O Butanoato de Metila (MB) tem sido usado em estudos de combustão como um substituto de cadeia curta para ácidos graxos de ésteres metílicos de cadeia longa encontrados no biodiesel. Para o estudo do MF e MB, faz-se necessária a existência de mecanismos cinéticos detalhados. Devido a existência de radicais altamente reativos, que induzem rigidez significativa para o sistema de equações, o objetivo deste trabalho foi desenvolver os respectivos mecanismos cinéticos esqueletos compostos por menos variáveis e rigidez moderada. Para tal, desenvolveu-se um modelo de Redes Neurais Artificiais (RNAs), que foi aplicado aos mecanismos oriundos dos métodos de redução Directed Relation Graph (DRG) e Depth First Search (DFS). Após esta etapa, obteve-se um mecanismo esqueleto contendo 43 reações para o MF e 87 reações para o MB, os quais foram utilizados na etapa de validação. Os resultados obtidos concordam satisfatoriamente com os dados encontrados na literatura. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-07-20T02:34:21Z |
dc.date.issued.fl_str_mv |
2019 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/197219 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001096890 |
url |
http://hdl.handle.net/10183/197219 |
identifier_str_mv |
001096890 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/197219/2/001096890.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/197219/1/001096890.pdf |
bitstream.checksum.fl_str_mv |
b5a541a2b63a8e91d50e80712d3d73a9 028172af886746048410ed57be382879 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085489296801792 |