Examinando por Autor "Martins de Azevedo, Tiago"

Mostrando 1 - 2 de 2
  • Miniatura
    Publicación
    Aplicação de Machine Learning na otimização multiobjetivo de ventiladores centrífugos
    (Universidad Nacional de Educación a Distancia (España), Universidad de Concepción - Chile. Departamento de Ingeniería Mecánica, 2024-10-22) Costa Pereira, Matheus; Paulo de Paiva, Anderson; Brendon Francisco, Matheus; Martins de Azevedo, Tiago; Amaury Mendes, Ronã Rinston
    Este estudo investiga a combinação de técnicas de Machine Learning, Computational Fluid Dynamics e MultiObjective Particle Swarm Optimization para otimizar ventiladores centrífugos. Geometrias e simulações são feitas com o software Ansys para alterar variáveis de entrada e obter variáveis de saída. Com base nesses dados, são desenvolvidos modelos de regressão utilizando Random Forest, Decision Tree e Support Vector Machines. A otimização dos hiperparâmetros é conduzida por Grid Search e a avaliação dos modelos é feita com métricas de precisão, acurácia, recall e F1-Score. Após a validação dos modelos, é aplicada uma otimização multiobjetivo para maximizar o Índice de Desempenho e minimizar o Custo do Material. O ventilador estudado é fabricado em aço inoxidável AISI 310. A eficácia da abordagem é confirmada por simulações fluidodinâmicas adicionais com os valores ótimos encontrados, em que o Random Forest apresentou a melhor performance com R² de 0,966 para o Índice de Desempenho e 0,946 para o Custo do Material. As simulações fluidodinâmicas apresentaram uma diferença inferior a 10% em relação aos resultados previstos pelo modelo, evidenciando a precisão do método proposto.
  • Miniatura
    Publicación
    Otimização multiobjetivo de ventiladores centrífugos com CFD e NSGA-II integrando a análise fatorial
    (Universidad Nacional de Educación a Distancia (España), Universidad de Concepción - Chile. Departamento de Ingeniería Mecánica, 2024-10-22) Costa Pereira, Matheus; Paulo de Paiva, Anderson; Brendon Francisco, Matheus; Martins de Azevedo, Tiago; Amaury Mendes, Ronã Rinston
    Ventiladores centrífugos desempenham um papel crucial em diversas indústrias. Este estudo investiga a otimização multiobjetivo de ventiladores centrífugos utilizando Computational Fluid Dynamics e Non-dominated Sorting Genetic Algorithm II. Técnicas como Principal Components Analysis e Factor Analysis são aplicadas para lidar com dados de alta dimensionalidade, reduzindo a complexidade e facilitando a otimização multiobjetivo. O algoritmo genético é utilizado para criar soluções ótimas não dominadas. Após a obtenção das soluções, estas são avaliadas utilizando a Technique for Order of Preference by Similarity to Ideal Solution e a Distância de Mahalanobis. O ventilador é feito de aço inoxidável AISI 430 e opera em condições de alta temperatura. Os resultados da otimização multiobjetivo foram replicados e apresentaram alta confiabilidade, com erro inferior a 10%, contribuindo para a fabricação de ventiladores com melhor desempenho e eficiência de recursos, sem a necessidade de prototipagem extensiva.