Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Gonzales, Gill Velleda
Orientador(a): Santos, Elizaldo Domingues dos, Neto, Antônio José da Silva
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Design Construtal
Inteligência Computacional
Transferência de Calor
Constructal Design
Computational Intelligence
Heat Transfer
Link de acesso: https://repositorio.furg.br/handle/123456789/12141
Resumo: Tese (Doutorado)
id FURG_de0de4c0f415d936f2eb5ebd47298ad9
oai_identifier_str oai:repositorio.furg.br:123456789/12141
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Gonzales, Gill VelledaSantos, Elizaldo Domingues dosNeto, Antônio José da Silva2025-02-06T15:05:32Z2025-02-06T15:05:32Z2020GONZALES, Gill Velleda. Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional. 2020. 183 f. Tese (doutorado) - Programa de Pós-Graduação em Modelagem Computacional, Instituto de Matemática, Estatística e Física, Universidade Federal do Rio Grande, Rio Grande, 2020.https://repositorio.furg.br/handle/123456789/12141Tese (Doutorado)Este estudo aborda a aplicação da Inteligência Computacional associada ao Design Construtal para a otimização geométrica em problemas de transferência de calor. É proposta a aplicação dos algoritmos de Recozimento Simulado e Evolução Diferencial para a otimização geométrica de cavidades resfriadoras inseridas em um meio com geração de calor constante. Os indicadores de performance, restrições e o espaço de busca das configurações geométricas a serem avaliadas no processo de otimização são definidos através do método Design Construtal. O principal objetivo do problema de interesse é a minimização da temperatura máxima adimensional através da otimização geométrica. Para geometrias simples, com poucos graus de liberdade, o método de Busca Exaustiva é empregado no processo de otimização. Porém, geometrias complexas requerem um maior esforço computacional. As cavidades investigadas neste estudo possuem até sete graus de liberdade, o que inviabiliza o emprego do método de Busca Exaustiva para uma avaliação completa da geometria. Nesses casos, são aplicadas meta-heurísticas para a otimização geométrica. Portanto, este trabalho investigou a utilização de diferentes métodos de Inteligência Computacional, bem como buscou seus melhores parâmetros quando aplicados a problemas de otimização geométrica de cavidades resfriadoras. Os resultados mostram que o método de Evolução Diferencial com uma correta configuração de parâmetros pode tornar a busca por geometrias ótimas mais eficiente, com resultados mais confiáveis e requerendo um menor esforço computacional. Outrossim, este trabalho avaliou se os métodos de otimização empregados conduziram à reprodução adequada do efeito das razões geométricas (graus de liberdade) sobre o desempenho térmico do sistema. De acordo com os resultados da avaliação geométrica da cavidade Duplo-T, considerando as meta-heurísticas avaliadas, o algoritmo de Evolução Diferencial foi o método que apresentou o melhor desempenho na correta reprodução do efeito dos graus de liberdade sobre a performance térmica do domínio. O método de Evolução Diferencial foi aplicado na avaliação geométrica de uma nova cavidade, proposta nesse trabalho, com a forma de Duplo-Y. Os resultados obtidos na avaliação geométrica da cavidade Duplo-Y apontam paro o bom desempenho da meta-heurística empregada, assim como, o conjunto de parâmetros utilizados, de forma a contribuir significativamente com a recomendação da metodologia para a investigação de geometrias complexas na pesquisa de cavidades resfriadoras.This study approaches the use of Computational Intelligence associated with Constructal Design for geometric optimization in heat transfer problems. It is proposed using Simulated Annealing and Differential Evolution algorithms to optimize cooling cavities into a medium with constant heat generation. The Constructal Design method will be applied to define the performance indicators, constraints, and search space of geometric configurations evaluated over the optimization process. The interest problem's primary objective is to minimize the dimensionless maximum temperature in the computational domain through geometric optimization. For simple geometries with few degrees of freedom, the Exhaustive Search method is used for the optimization process. However, cavities with more complex geometries require a significant computational effort during the optimization process. The investigated geometries in this work have at least seven degrees of freedom that turns the Exhaustive Search method infeasible for complete optimization of the cavities. In this case, Computational Intelligence is applied through meta-heuristics. Therefore, this work investigated the use of different Computational Intelligence methods and searched for their better parameters when employed in the cooling cavities' geometric optimization problems. The results showed that the Differential Evolution method with adequate parameters configurations would search for optimal geometries more efficiently, with robust results and requiring lower computational effort. Moreover, this work also evaluated if the optimization methods employed can lead to suitable reproduction of the effect of geometry ratios (degrees of freedom) over the system's thermal performance. According to the results of the geometric evaluation of the Double T-shaped cavity and considering the meta-heuristics analysed, the Differential Evolution algorithm was that showed the better achievement in the correct reproduction of the effect of degrees of freedom over the thermal performance of the computational domain. The geometric evaluation of the new cavity with a Double Y-shape, proposed in this work, was performed by the Differential Evolution algorithm. The results obtained denote the reliable performance of the employed meta-heuristic and the set of parameters used. The results contribute significantly with methodology recommendation for the research of complex geometries of cooling cavities.porDesign ConstrutalInteligência ComputacionalTransferência de CalorConstructal DesignComputational IntelligenceHeat TransferOtimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacionalGeometric optimization of the cooling cavities applying constructal theory and computational intelligenceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstreams/a16c801f-6a33-427b-aecf-1355806899b2/download8a4605be74aa9ea9d79846c1fba20a33MD52falseAnonymousREADORIGINALgil velleda gonzales doutorado.pdfgil velleda gonzales doutorado.pdfTese (Doutorado)application/pdf21649880https://repositorio.furg.br/bitstreams/234db99f-1458-425f-b817-bef4b2650abb/download315617e27dad9089148672d575064520MD51trueAnonymousREADTEXTgil velleda gonzales doutorado.pdf.txtgil velleda gonzales doutorado.pdf.txtExtracted texttext/plain103446https://repositorio.furg.br/bitstreams/3cf8f96e-9ae1-4234-b43d-6c6e8656af42/download1c007bb9441e5411224947914f15308aMD53falseAnonymousREADTHUMBNAILgil velleda gonzales doutorado.pdf.jpggil velleda gonzales doutorado.pdf.jpgGenerated Thumbnailimage/jpeg3227https://repositorio.furg.br/bitstreams/c8c37964-c7bc-46b6-acbc-d2f7ad85b25a/download2d51bce1053b00a8ef3f6d3a0b926926MD54falseAnonymousREAD123456789/121412025-12-10 01:10:18.998open.accessoai:repositorio.furg.br:123456789/12141https://repositorio.furg.brRepositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestrepositorio@furg.br||sib.bdtd@furg.bropendoar:2025-12-10T04:10:18Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)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
dc.title.pt_BR.fl_str_mv Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
dc.title.alternative.pt_BR.fl_str_mv Geometric optimization of the cooling cavities applying constructal theory and computational intelligence
title Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
spellingShingle Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
Gonzales, Gill Velleda
Design Construtal
Inteligência Computacional
Transferência de Calor
Constructal Design
Computational Intelligence
Heat Transfer
title_short Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
title_full Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
title_fullStr Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
title_full_unstemmed Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
title_sort Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional
author Gonzales, Gill Velleda
author_facet Gonzales, Gill Velleda
author_role author
dc.contributor.author.fl_str_mv Gonzales, Gill Velleda
dc.contributor.advisor1.fl_str_mv Santos, Elizaldo Domingues dos
Neto, Antônio José da Silva
contributor_str_mv Santos, Elizaldo Domingues dos
Neto, Antônio José da Silva
dc.subject.por.fl_str_mv Design Construtal
Inteligência Computacional
Transferência de Calor
Constructal Design
Computational Intelligence
Heat Transfer
topic Design Construtal
Inteligência Computacional
Transferência de Calor
Constructal Design
Computational Intelligence
Heat Transfer
description Tese (Doutorado)
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2025-02-06T15:05:32Z
dc.date.available.fl_str_mv 2025-02-06T15:05:32Z
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.citation.fl_str_mv GONZALES, Gill Velleda. Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional. 2020. 183 f. Tese (doutorado) - Programa de Pós-Graduação em Modelagem Computacional, Instituto de Matemática, Estatística e Física, Universidade Federal do Rio Grande, Rio Grande, 2020.
dc.identifier.uri.fl_str_mv https://repositorio.furg.br/handle/123456789/12141
identifier_str_mv GONZALES, Gill Velleda. Otimização geométrica de cavidades resfriadoras através da aplicação da teoria construtal e inteligência computacional. 2020. 183 f. Tese (doutorado) - Programa de Pós-Graduação em Modelagem Computacional, Instituto de Matemática, Estatística e Física, Universidade Federal do Rio Grande, Rio Grande, 2020.
url https://repositorio.furg.br/handle/123456789/12141
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.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
bitstream.url.fl_str_mv https://repositorio.furg.br/bitstreams/a16c801f-6a33-427b-aecf-1355806899b2/download
https://repositorio.furg.br/bitstreams/234db99f-1458-425f-b817-bef4b2650abb/download
https://repositorio.furg.br/bitstreams/3cf8f96e-9ae1-4234-b43d-6c6e8656af42/download
https://repositorio.furg.br/bitstreams/c8c37964-c7bc-46b6-acbc-d2f7ad85b25a/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
315617e27dad9089148672d575064520
1c007bb9441e5411224947914f15308a
2d51bce1053b00a8ef3f6d3a0b926926
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv repositorio@furg.br||sib.bdtd@furg.br
_version_ 1856849698080423936

Registros relacionados