RESUMODevido à complexa dinâmica apresentada pelos leitos fluidizados se faz necessário o desenvolvimento de novas de técnicas de análise de sinais que representem, com maior fidelidade, as características reais destes processos, principalmente quando técnicas convencionais não são apropriadas para a caracterização de regimes de fluidização. É justamente neste cenário que surge a análise do caos determinístico como alternativa às metodologias clássicas empregadas. O presente trabalho objetiva aplicar a teoria do caos a sinais de variação de pressão, associando os invariantes caóticos, K e D, a regimes fluidodinâmicos de um leito fluidizado gás-partícula. Para tanto, utilizou-se uma coluna de acrílico (0,1 m de diâmetro) e ar na fluidização de partículas de catalisador FCC e microesferas de vidro, ambas pertencentes ao grupo A da classificação Geldart. Na obtenção dos sinais de pressão, foram empregados transdutores diferenciais de pressão a taxas de 1.000 Hz. Para ambas as partículas, notou-se acréscimo nos valores de K e D a medida em que a velocidade superficial do ar aumenta, alcançando valores máximos de tais invariantes na transição do leito fixo para a condição de mínima fluidização. A complexidade do sistema decai quando se atinge o regime pistonado. Como decorrência, constata-se que tanto a entropia de Kolmogorov quanto a dimensão de correlação podem ser empregadas como parâmetros de caracterização de regimes em sistemas fluidizados.
RESUMO-As altas concentrações de material particulado inalável (PM 10), nos grandes centros urbanos, são responsáveis por desencadearem problemas respiratórios, entre outros problemas. O controle dessas emissões não é trivial, pois existem diversos fatores que influenciam as concentrações de tais partículas na atmosfera, caracterizando a descrição do fenômeno de poluição como não linear, sensível às condições iniciais e, portanto, caótico. O objetivo deste trabalho é do avaliar a presença de caos em dados de variação temporal de concentração de PM 10 nos anos de 1998 a 2000 e 2010 a 2013, obtidos no Parque Ibirapuera, em São Paulo. Os resultados dos invariantes caóticos, entropia de Kolmogorov e dimensão de correlação, advindos de atratores estranhos, apontam a natureza caótica do estudo em análise.
A complexa dinâmica envolvida na poluição atmosférica promove a necessidade de metodologias de análise que representem, com maior fidelidade, suas características físicas. Nas últimas décadas, diversas pesquisas demonstraram os efeitos nocivos dos contaminantes atmosféricos à saúde humana, fauna e flora, desta forma explicitando a urgência do conhecimento das causas, padrões e mecanismos deste fenômeno. Os métodos clássicos empregados para este fim, frequentemente, negligenciam as interações não lineares presentes na evolução temporal dos poluentes. Nesta vanguarda, o presente trabalho aplica a teoria caótica determinista no estudo de séries temporais de concentração de material particulado inalável (PM 10 ) e monóxido de carbono fornecidas pela estação de monitoramento do Parque do Ibirapuera (São Paulo) pertencente à Companhia Ambiental do Estado de São Paulo (CETESB). Foram obtidos os atratores no espaço de fases e, a partir de sua topografia, determinou-se os valores dos invariantes dimensão de correlação (D 2 ) e entropia de Kolmogorov (K). Com base nessas grandezas, observou-se a natureza não linear, aperiódica e determinística dos dados avaliados, demonstrando que a teoria do caos é uma alternativa viável no estudo de poluição atmosférica.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.