| dc.rights.license | http://creativecommons.org/licenses/by-nc/4.0 - Atribución-NoComercial | es_MX |
| dc.contributor | JOSE ALFREDO HERNANDEZ PEREZ | es_MX |
| dc.contributor.author | ULISES CRUZ JACOBO | es_MX |
| dc.contributor.other | director - Director | es_MX |
| dc.coverage.spatial | MEX - México | es_MX |
| dc.date | 2021-03-01 | |
| dc.date.accessioned | 2021-03-02T03:44:23Z | |
| dc.date.available | 2021-03-02T03:44:23Z | |
| dc.identifier.uri | http://riaa.uaem.mx/handle/20.500.12055/1411 | |
| dc.description | RESUMEN
En la presente investigación, se optimizaron los valores de múltiples variables (3) de
un transformador térmico por absorción (HTA), con reciclado de calor, utilizando
como herramienta para optimizar Algoritmos Genéticos (GA) en una Red Neuronal
inversa (ANNi), con el objetivo de incrementar su coeficiente de eficiencia (COP).
Para tal efecto se desarrollaron los modelos correspondientes a la fase
experimental mediante el entrenamiento de una Red Neuronal Artificial del tipo
feed-forward, del modelo resultante se utilizan los valores de pesos y bias de las
capas de entrada y salida, con estos valores se desarrolla el segundo modelo, la
inversa, la ANNi, el tercer modelo es el generador de soluciones creado haciendo
uso de GA.
Al entrenar, probar y validar la ANN, esta es capaz de predecir el valor del COP
experimental del HTA, con reciclado de calor, considerando como entradas del
sistema a la ANN, las temperaturas de entrada y salida de los componentes
principales, de la misma forma las presiones y concentraciones registradas de la
solución de trabajo; la arquitectura de red que presento resultados más precisos fue
al aplicar la función de activación TANSIG en las tres neuronas de la capa oculta,
logrando obtener un coeficiente de determinación R2 de 0.9935 y además un MAPE
de 1.04%, relacionando los datos experimentales y los datos simulados, mostrando
una fuerte correspondencia entre ambos grupos de datos.
En las pruebas de optimización usando ANNi-GA se logró obtener incrementos en
el valor del COP. Optimizando dos variables se obtiene un incremento del 0.34 a
0.38 en el valor del COP. Al optimizar tres variables el incremento del valor del COP
se alcanza un incremento hasta el 0.43 del valor del COP.. | es_MX |
| dc.description | ABSTRACT
This work presents an application of an inverse artificial neural network (ANNi) and
genetic algorithm (GA) to perform a multi-objective optimization of an absorption
heat transformer (AHT) with energy recycling as well as increase its coefficient of
performance (COP). AHT use waste heat sources to obtain useful energy, by
recycling part of the useful energy within the same system provides an increase in
performance. An artificial neural network (ANN) was developed to predict the value
of COP, based on experimental data from the equipment. A satisfactory agreement
was obtained by comparing the simulated and experimental data. With the ANN
model consolidated an ANNi and multi-objective optimization was applied, where the
variables to be optimized were: temperature in the generator, temperature in the
evaporator and temperature in the condenser. GA was chosen to solve the multi- objective functions. The results showed that when applying the ANNi-GA
methodology, it is possible to carry out the multi-objective optimization since this
methodology had only been used to optimize one variable at a time. The
temperature in the generator turned out to be the key variable to increase the
performance of AHT, followed by the evaporator and condenser, reaching a
maximum value of COP of 0.43. The optimal conditions found represent a better
control of the variables and a saving of energy. Finally the GA solved satisfactorily
the multi-objective function proposed, making feasible the use of this tool to optimize
different variables at the same time. | es_MX |
| dc.format | pdf - Adobe PDF | es_MX |
| dc.language | spa - Español | es_MX |
| dc.publisher | autor | es_MX |
| dc.rights | openAccess - Acceso Abierto | es_MX |
| dc.subject | 7 - INGENIERÍA Y TECNOLOGÍA | es_MX |
| dc.subject.other | 33 - CIENCIAS TECNOLÓGICAS | es_MX |
| dc.title | Optimización multi variable de un transformador térmico con reciclado de calor usando algoritmos genéticos en la red neuronal artificial inversa | es_MX |
| dc.type | masterThesis - Tesis de maestría | es_MX |
| uaem.unidad | Centro de Investigación en Ingeniería y Ciencias Aplicadas (CIICAP) - Centro de Investigación en Ingeniería y Ciencias Aplicadas (CIICAP) | es_MX |
| uaem.programa | Maestría en Ingeniería y Ciencias Aplicadas - Maestría en Ingeniería y Ciencias Aplicadas | es_MX |
| dc.type.publication | acceptedVersion | es_MX |
| dc.audience | researchers - Investigadores | es_MX |
