Aplicação e análise de métodos estocásticos de otimização ao modelo de múltiplas fontes pontuais ponderadas para a determinação da radiação em chamas

Abstract

A determinação da emissão de radiação em chamas é um problema frequente em projetos de caldeiras, queimadores e equipamentos similares, sendo sua modelagem fundamental para controle de processos, para redução de custos e para prevenção de falhas e acidentes. Alguns modelos foram propostos, entre eles o chamado WMP, mas poucos estudos se dedicaram a desenvolvê-los e avaliá-los. Estudos anteriores buscaram relacionar os parâmetros do modelo WMP com o fenômeno da combustão e otimizá-los com a Otimização Extrema Generalizada. Existe contudo a possibilidade de que outros métodos sejam mais e cientes sem perda de qualidade. Com isso em mente, este estudo busca aplicar e avaliar o desempenho de diferentes algoritmos estocásticos de otimização ao modelo WMP. É feita uma revisão do estado da arte, sendo escolhidos cinco algoritmos para análise: Otimização de Lobos Cinzentos, Otimização de Manadas Egoístas, Algoritmo Genético, Algoritmo de Dentes-de-Leão e Otimização de Bactérias. Também é proposto um procedimento de calibração desses algoritmos baseada na metodologia de Projeto de Experimentos. O Algoritmo de Lobos Cinzentos se mostrou como o de melhor desempenho, sendo seus resultados médios e desvios padrões satisfatórios em comparação com os demais. O Algoritmo Genético e o Algoritmo de Dentes-de-Leão mostraram desempenho satisfatório, mas necessitando mais execuções para a con rmação da resposta. A Otimização de Manadas Egoístas e a Otimização de Bactérias exibiram desempenhos inferiores, com altas médias e desvios. A metodologia de Projeto de Experimentos se mostrou adequada para algoritmos com poucos parâmetros, mas perde qualidade à medida que o número de parâ- metros aumenta. Os melhores resultados foram encontrados com maiores quantidades de fontes emissoras e maiores comprimentos de distribuição, concordando com a tendência apresentada por trabalhos anteriores. O melhor resultado foi encontrado pelo Algoritmo de Dentes-de-Leão, na con guração com sete fontes emissoras e comprimento de distribui ção das fontes equivalente a 2,5 vezes o comprimento visível da chama, com um valor de função objetivo de 0,216 kW/m2.

The determination of radiation emission on ames is a frequent problem designing boilers, burners and similar equipments, its modelling being therefore fundamental for process control, cost reduction and prevention of failures and accidents. Some models have been proposed, among them the WMP model, however little study has been dedicated to solve and evaluate them. Some previous researches sought to correlate WMP model parameters to the phenomenon of combustion and to optimise them with the Generalised Extreme Optimisation. However there is the possibility of other optimisation methods being more e cient without loss of quality. Having this in mind, this study aims to apply and evaluate the performance of di erent stochastic optimisation algorithms applied to the WMP model. A bibliographical review of the state of the art is made, being chosen ve methods to be analysed: Grey Wolf Optimiser, Sel sh Herds Optimiser, Genetic Algorithms, Dandelion Algorithm and Bacterial Foraging Optimisation. Also, a procedure for the calibration of these methods is proposed, based on the Design of Experiments methodology. The Grey Wolf Optimizer presents the best performance, with satisfactory mean results and standard deviations. The Genetic Algorithm and the Dandelion Algorithm showed good satisfactory results, but also the necessity of a deeper conference of results. The Sel sh Herds Optimiser and the Bacterial Foraging Optimisation had inferior performance, with higher means and deviations. The Design of Experiments methodology was satisfactory for algorithms with few parameters, but lost quality as the number of parameters increased. The best results were found for higher quantities of sources and larger distribution lengths, which agrees with tendencies presented by previous works. The best result was found by the Dandelion Algorithm, employing 7 point sources and a distribution length equivalent to 2.5 times the visible ame length, presenting an objective function value of 0.216 kW/m2.