Título: Emprego de Redes Neurais Artificiais na Previsão do Desempenho Térmico de Tubos de Calor
Autores: Thomas Siqueira Pereira, Hugo Valadares Siqueira, Yara de Souza Tadano & Thiago Antonini Alves
Resumo: Tubos de calor são dispositivos térmicos passivos amplamente utilizados em aplicações que exigem elevada eficiência na transferência de calor, como sistemas eletro eletrônicos, aeroespaciais e de energia renovável. A modelagem analítica do comportamento térmico desses dispositivos é desafiadora, pois envolve fenômenos conjugados de convecção e mudança de fase, frequentemente exigindo simplificações que comprometem a precisão dos resultados. Diante dessa limitação, este trabalho investiga o emprego de técnicas de inteligência computacional, comênfase em Redes Neurais Artificiais (RNA), como alternativa eficiente para a previsão do desempenho térmico de tubos de calor com diferentes estruturas capilares. Foram desenvolvidas e avaliadas três arquiteturas de RNA: Perceptron de Múltiplas Camadas (MLP), Rede com Função de Base Radial (RBF) e Máquina de Aprendizado Extremo (ELM). As redes neurais foram treinadas com dados experimentais obtidos em laboratório, abrangendo variações de inclinação, razão de preenchimento, potência dissipada e tipo de estrutura capilar. O desempenho dos modelos foi avaliado pelas métricas MAE, RMSE e MAPE. Os resultados indicam que a rede MLP apresentou o melhor desempenho preditivo, com MAPE médio de 13,93%, demonstrando maior robustez e capacidade de generalização frenteàs demais arquiteturas. Esse estudo reforça a viabilidade da aplicação de métodos de aprendizado de máquina em engenharia térmica, contribuindo para redução do tempo de desenvolvimento e o aumento da confiabilidade das previsões em sistemas com múltiplas variáveis operacionais.
Palavras-chave: heat pipes; computational intelligence; Artificial Neural Networks; heat transfer; machine learning.
Páginas: 6
Código DOI: 10.21528/CBIC2025-1191902
Artigo em PDF: CBIC_2025_paper1191902.pdf
Arquivo BibTeX:
CBIC_2025_1191902.bib