Contribuição ao desenvolvimento de uma nova técnica de reconstrução tomográfica para sondas de visualização direta

• Autor(a) principal: Rolnik, Vanessa Portioli
• Data de Publicação: 2003
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/18/18135/tde-20032017-112619/
• topic: Algoritmos genéticos; Escoamentos multifásicos; Genetic algorithms; Industrial process tomography; Método de reconstrução; Multiphase flows; Reconstruction methods; Tomografia de processos industriais

O principal objetivo deste trabalho é contribuir para o desenvolvimento de uma nova técnica de reconstrução numérica do problema de tomografia por impedância elétrica. A abordagem adotada baseia-se na minimização de um funcional de erro convenientemente definido, cujo ponto de mínimo global está relacionado com a imagem do escoamento sensoriado. Nesta formulação, o mau condicionamento se manifesta através de características topológicas dos funcionais de erro (patologia) que prejudicam o desempenho dos métodos de otimização na obtenção do mínimo. Esta abordagem tem vantagens significativas em relação às abordagens tradicionais, normalmente baseadas em hipóteses restritivas e pouco realistas como, por exemplo, considerar o campo de sensoriamento bidimensional e paralelo, além de independente do escoamento. Testes numéricos permitiram realizar estudos preliminares sobre as características topológicas do funcional de erro, necessários para a seleção de métodos de otimização passíveis de serem especializados para a solução do problema tratado neste trabalho. Nestes testes identificou-se a patologia característica do problema tratado: presença de uma região plana (inclinação virtualmente nula) circundando o mínimo global procurado. Dentre os diferentes métodos de otimização considerados, optou-se pelo desenvolvimento de uma estratégia baseada em algoritmos genéticos, devido às suas características serem melhor adaptáveis à patologia do problema em questão. O desempenho do método de otimização desenvolvido foi testado extensivamente em dois problemas básicos: a) posicionar corretamente uma inclusão de forma e contraste conhecidos e b) determinar os valores do contraste em uma sub-região do domínio de sensoriamento, no interior do qual sabe-se que existe uma inclusão. No primeiro caso, os resultados mostraram que, de fato, o algoritmo genético superou a patologia do problema e convergiu para a solução correta. No segundo caso, de dimensionalidade maior, a convergência em um tempo aceitável só pode ser alcançada com a introdução de informações à priori, seja na forma de restrições sobre o espaço de busca, seja na forma de penalidades aplicadas ao funcional de erro.