Estimation of drying parameters in rotary dryers using differential evolution

Lobato, Fran Sérgio; Steffen, Valder; Arruda, E. B.; Barrozo, M. A. S.

doi:10.1088/1742-6596/135/1/012063

Cited by 60 publications

(57 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Os parâmetros cinéticos foram estimados utilizando o método de evolução diferencial implementado em MATHLAB R2013a (Lobato et al, 2008). Para isso, considerou-se a decomposição dos extrativos, hemicelulose e celulose como reações de 1ª ordem, enquanto a lignina segue um mecanismo de 3ª ordem (Alvarenga et al, 2016).…”

Section: Modelo Equaçãounclassified

Parâmetros Cinéticos Da Pirólise De Resíduo De Coco

Cunha¹,

Borel²,

Lira³

et al. 2017

Blucher Chemical Engineering Proceedings

View full text Add to dashboard Cite

RESUMO -Neste trabalho, foi avaliado o potencial do resíduo de coco como fonte de biomassa para produção de biocombustíveis por pirólise considerando suas propriedades físico-químicas e a cinética de degradação térmica. Foram realizadas análises termogravimétricas com temperaturas de 300 a 900K e taxas de aquecimento entre 5 e 30 K/min, em condições inertes. Os parâmetros cinéticos do processo de decomposição foram estimados por métodos isoconversionais e pelo modelo de reações paralelas independentes (RPI). Os valores médios de energia de ativação (Ea) calculados estão entre 133,3 e 146,3 kJ mol -1 . INTRODUÇÃOSão produzidos anualmente 62 Mt de coco (Cocos nucifera L.), sendo o Brasil o quarto maior produtor (Siengchum et al., 2013). As aplicações para essa matéria-prima são diversas, incluindo indústrias alimentícias e de cosméticos, agricultura e artesanato. No entanto, grande parte torna-se resíduo. As cascas do coco correspondem a 70% do lixo produzido no litoral brasileiro devido à venda da água de coco. Já as indústrias rejeitam 80-85% do peso de fruto. Portanto, a destinação adequada deste resíduo constitui um problema ambiental devido ao tempo necessário para sua degradação e também ao favorecimento do desenvolvimento do mosquito Aedes aegypti (Corradini et al., 2009).A pirólise é uma alternativa interessante para agregar valor a estes resíduos através da produção de gases, líquidos e sólidos combustíveis. As características físicas e químicas da biomassa afetam a qualidade e o rendimento dos produtos pirolíticos. Além disso, conhecer os parâmetros cinéticos da sua degradação térmica é essencial a fim de se obter melhores resultados. Diante deste contexto, o objetivo deste trabalho foi estudar a decomposição térmica do resíduo de coco empregando modelos cinéticos como o isoconversionais e o Modelo de Reações Paralelas Independentes (RPI) a fim de avaliar o uso deste material como fonte de biomassa para a produção de bio-óleo por pirólise.

show abstract

Section: Modelo Equaçãounclassified

Parâmetros Cinéticos Da Pirólise De Resíduo De Coco

Cunha¹,

Borel²,

Lira³

et al. 2017

Blucher Chemical Engineering Proceedings

View full text Add to dashboard Cite

show abstract

“…The DE algorithm has been applied with success both to mono and multi-objective problems (STORN; PRICE, 1995) in various research fields. As examples, we can mention the solution of multiobjective optimal control problems with index fluctuation applied to fermentation process , digital filter design (STORN; PRICE, 1995), synthesis and optimization of heat integrated distillation system (BABU; SINGH, 2000), multi-objective optimization of mechanical structures (LOBATO; , solution of inverse radiative transfer problems in two-layer participating media (LOBATO et al, 2008a), estimation of drying parameters in rotary dryers (LOBATO et al, 2008b), apparent thermal diffusivity estimation of the drying of fruits (MARIANI et al, 2008), Gibbs free energy minimization in a real system (LOBATO et al, 2009), estimation of spacedependent single scattering albedo in radiative transfer problems (LOBATO et al, 2010a;2010b;2010c), design of fractional order PID controllers (BISWAS et al, 2009), other interesting applications (STORN et al, 2005;DAS;SUGANTHAN, 2011), and in the identification problem associated to rotating machines (CAVALINI Jr et al, 2012).…”

Section: Differential Evolutionmentioning

confidence: 99%

Design of a robotic device actuated by cables for human lower limb rehabilitation using self-adaptive differential evolution and robust optimization

Gonçalves¹,

Carvalho

Lobato

2016

Biosci. J.

View full text Add to dashboard Cite

ABSTRACT:In engineering designed systems it is commonly considered that mathematical models, variables, and parameters are sufficiently reliable, i.e., there are no errors in modeling and estimation. However, the systems to be optimized can be sensitive to small changes in the designed variables causing significant changes in the objective function. Robust optimization is an approach for modeling optimization problems under uncertainty in which the modeler aims to find decisions that are optimal for the worst-case realization of the uncertainties within a given set of values. In this contribution, a self-adaptive heuristic optimization method, namely the Self-Adaptive Differential Evolution (SADE), is evaluated. Differently from the canonical Differential Evolution algorithm (DE), the SADE strategy is able to update the required parameters such as population size, crossover parameter, and perturbation rate, dynamically. This is done by considering a defined convergence rate on the evolution process of the algorithm in order to reduce the number of evaluations of the objective function. For illustration purposes, the SADE strategy is associated with the Mean Effective Concept (MEC) for insertion robustness, is applied to minimize forces applied in cables used for the rehabilitation of the human lower limbs by determining the positioning of motors. The results show that the methodology that was proposed (SADE+MEC) appears as an interesting strategy for the treatment of robust optimization problems.

show abstract

“…Instead of working with distance in an absolute sense, it is recommended to use relative distances, so the equation (19) can be rewritten as:…”

Section: Multi-objective Optimizationmentioning

confidence: 99%

“…DE has been successfully tested in various fields, such as: solution of multi-objective optimal control problems with index fluctuation applied to fermentation process [17], digital filter design [33], multi-objective optimization of mechanical structures [18], solution of inverse radiative transfer problems in two-layer participating media [19], estimation of drying parameters in rotary dryers [20], apparent thermal diffusivity estimation of the drying of fruits [25], Gibbs free energy minimization in a real system [21], estimation of space-dependent single scattering albedo in radiative transfer problems [22,23,24], design of fractional order PID controllers [5], and other applications [9,31,32].…”

Section: Differential Evolution Algorithmmentioning

confidence: 99%