Modelagem híbrido-neural da extração líquido-líquido das proteínas do soro de queijo com sistemas aquosos bifásicos em extrator Graesser

• Ano de defesa: 2001
• Autor(a) principal: Coelho Junior, Lauro Bernardino
• Orientador(a): Minim, Luis Antônio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Área do conhecimento CNPq: Ciência e Tecnologia de Alimentos
• Link de acesso: http://www.locus.ufv.br/handle/123456789/11319

Este trabalho apresenta os resultados obtidos na aplicação da técnica de modelagem híbrido-neural da extração líquido-líquido com sistemas aquosos bifásicos em extrator Graesser. Foi estudada a separação das proteínas α - lactoalbumina e β -lactoglobulina do soro de queijo em sistemas aquosos bifásicos compostos por 18 % em peso de polietilenoglicol 1500 e 18 % em peso de fosfato de potássio em pH 7. Foi empregada uma rede neural do tipo feedforward para predizer os parâmetros de transferência de massa Peclet (Pe) e número de unidades de transferência (Nox) em função das variáveis operacionais velocidade de rotação e relação de vazões das fases. Dado a escassez de dados experimentais, dados semi-empíricos foram gerados através de uma técnica alternativa baseada em erros de modelagem (GDS3), para treinamento e validação da rede. A topologia da rede foi determinada utilizando a técnica de superfície de resposta, que forneceu valores ótimos do número de camadas escondidas, do número de nodos nestas camadas e da taxa de aprendizagem. Foi definida uma rede do tipo 2-10-5-3, com uma taxa de aprendizagem de 0,001. Os dados experimentais para estudo de transferência de massa foram obtidos em um extrator do tipo Graesser. As variáveis testadas foram relação de vazão das fases e velocidade de rotação. Tendo sido usados os dados experimentais como parte do conjunto de dados para testar a rede, pode -se notar sua grande performance na predição dos parâmetros Pe e Nox em função das variáveis operacionais do extrator. O modelo da operação de extração foi obtido através do balanço diferencial de massa no extrator Graesser, para ambas as fases, tendo como parâmetros Pe e Nox. A simulação da operação foi realizada após a solução das equações diferenciais pelo método de Gauss-Seidel, sendo os parâmetros de transferência de massa Pe e Nox fornecidos pela rede neural, em função das variáveis operacionais do equipamento. O modelo híbrido-neural correlacionou os dados experimentais com boa acuracidade. Esta abordagem mostrou-se uma alternativa promissora para a modelagem de operações complicadas, como é o caso da extração líquido-líquido em extrator Graesser.