Banca de DEFESA: JÉSSICA CAROLINE BEZERRA VALE

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JÉSSICA CAROLINE BEZERRA VALE
DATA: 21/12/2020
HORA: 16:30
LOCAL: Sala Virtual: Google Meet
TÍTULO:

Identificação de Parâmetros de Modelo DEM Via Redes Neurais Artificiais Associadas ao Método de Monte Carlo.

PALAVRAS-CHAVES:

DEM, Redes Neurais Artificiais, Método de Monte Carlo.

PÁGINAS: 79
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Mecânica
RESUMO:

O Método dos Elementos Discretos (DEM) vem sendo usado como ferramenta de análise do comportamento de partículas em diversas áreas, como na indústria da mineração. Para seu uso, o DEM exige que os parâmetros (microscópicos) de entrada sejam calibrados para que a simulação possa apresentar resultados apropriados. No entanto, o processo de calibração é bastante oneroso por demandar alto poder computacional devido ao tempo dispendido durante as simulações, e muitas vezes é feito por tentativa e erro ao se buscar correspondências de valores microscópicos à comportamentos macroscópicos. Nesses casos, é comum que mais de um conjunto de parâmetros de entrada corresponda ao mesmo resultado macroscópico. Portanto, neste estudo, é apresentado um método para identificar e selecionar um único conjunto de parâmetros de entrada DEM usando ângulos de repouso dinâmicos em um tambor rotativo, aplicando Rede Neural Artificial (RNA) em associação ao Método de Monte Carlo. Testes são realizados com diferentes quantidades de neurônios em busca da melhor topologia para a Rede Neural. Uma vez desenvolvida e treinada, a RNA fornece rápidas respostas para selecionar o conjunto de parâmetros DEM. A princípio, o método de Monte Carlo é aplicado na rede neural com a geração de números aleatórios dentro da probabilidade encontrada dos parâmetros de entrada afim de buscar os possíveis cenários de conjunto de dados. Posteriormente, o Monte Carlo é utilizado para analisar a incerteza do modelo final da RNA na previsão dos resultados dos ângulos de repouso. Rastreando os ângulos de repouso desejados, a rede retornou várias alternativas de conjunto de valores. Buscando identificar um único conjunto de solução, a mesma metodologia foi utilizada para a criação de uma nova Rede Neural com uma velocidade de rotação diferente da usada anteriormente, que também foi submetida às mesmas aplicações do Método de Monte Carlo. No estudo de caso apresentado neste trabalho, considerando os ângulos alvos obtidos da análise experimental do material particulado, a junção dos resultados previstos das duas redes neurais desenvolvidas tornou possível a seleção de um conjunto de parâmetros adequado. Para corroborar a escolha desse conjunto, os valores de entrada selecionados foram simulados em três velocidades diferentes, e seus resultados apresentaram apenas 5,90% na maior diferença encontrada entre os ângulos experimentais e os previstos pela RNA. Dessa forma, a associação do uso de Rede Neurais Artificiais e Método de Monte Carlo garante com rapidez e precisão, a calibração de um modelo DEM mediante a identificação de um único conjunto de parâmetros de entrada.

MEMBROS DA BANCA:
Presidente - 1257852 - ALEXANDRE LUIZ AMARANTE MESQUITA
Interno - 1627401 - ERB FERREIRA LINS
Externo ao Programa - 1153173 - ROBERTO CELIO LIMAO DE OLIVEIRA