| Summary: | Made available in DSpace on 2016-08-17T16:54:31Z (GMT). No. of bitstreams: 1
TESE_Alex Oliveira Barradas Filho.pdf: 3027425 bytes, checksum: 63f427132994ab4f584101b97cb4cc80 (MD5)
Previous issue date: 2015-01-30 === Alternative fuels have the potential to replace gradually the petroleum derivatives, and the biodiesel, that is a biofuel obtained from transesterification of triglycerides, is pointed as a substitute for mineral diesel. The present work focus on the optimization and application of artificial neural networks (ANNs) on the prediction of viscosity, iodine value, induction period, cetane number, specific gravity and cold filter plugging point of biodiesel, which are properties inherent to the composition. The input variables were the percentage of 13 fatty acid methyl esters (FAMEs) more common in biodiesels and, once the transesterification does not modify the fatty esters profile of the raw materials, the ANN method allowed the prediction of the six properties, even before the transesterification, after synthesis of the biodiesel or during the storage. Therefore, this method can be useful as a tool to evaluate the potential of raw materials to produce a biodiesel with good quality and to reach improvements on official methods. The optimization process of ANN occurred in three steps: test of algorithms for adjusting weights, test of stopping condition and test of activation functions, and the physicochemical properties were treated independently. For the set of test samples, which simulates real samples, the application of the optimized ANNs provided results with root mean squared errors (RMSE) of 0.55 mm²/s, 3.49 g/100g, 0.89 h, 2.06, 2.89 kg/m³ and 2.61 °C for viscosity, iodine value, induction period, cetane number, specific gravity and cold filter plugging point, respectively, what ensures the feasibility of the proposed method. A comparison between the proposed method and linear methods from literature, both based on the biodiesel composition indicate that our ANN model is much more adequate to the problem addressed. === Na busca por combustíveis alternativos que possam substituir gradualmente os derivados de petróleo, o biodiesel é apontado como um substituto para o diesel mineral e é definido como um biocombustível obtido a partir da transesterificação de triglicerídeos. O presente trabalho tem como objetivo a otimização e aplicação de redes neurais artificias (ANNs) na predição de viscosidade, índice de iodo, período de indução, número de cetano, massa específica e ponto de entupimento de filtro a frio (PEFF) de biodiesel, propriedades inerentes à composição. As variáveis de entrada foram os percentuais de 13 ésteres metílicos de ácidos graxos (FAMEs) mais comuns em biodieseis e, como a transesterificação não altera o perfil de ésteres de ácidos graxos da matéria-prima, o método ANN permitiu a predição das seis propriedades, seja antes da transesterificação, após a síntese de biodiesel ou durante o armazenamento. Portanto, este método pode ser útil como uma ferramenta para avaliar o potencial de matérias-primas para produzir um biodiesel com boa qualidade e para alcançar melhorias relativas aos métodos oficiais. O processo de otimização da ANN ocorreu em três etapas: teste dos algoritmos para ajuste de pesos, teste das condições de parada e teste das funções de ativação, e as propriedades físico-químicas foram tratadas de forma independentes. Para o conjunto de amostras de teste, que simula as amostras reais, a aplicação das ANN otimizadas forneceu resultados com a raiz do erro médio quadrático (RMSE) de 0,55 mm²/s, 3,49 g/100g, 0,89 h, 2,06, 2,89 kg/m³ e 2,61 °C para viscosidade, índice de iodo, período de indução, número de cetano, massa específica e PEFF, respectivamente, o que assegura a viabilidade do método proposto. Uma comparação entre o método proposto e métodos lineares, ambos com base na composição de biodiesel, indica que o modelo de ANN é mais adequado para o problema abordado.
|
|---|
