Determination of thermal properties, radiative properties and convection coefficients with the topographical global optimization

Submitted by Boris Flegr (boris@uerj.br) on 2021-01-07T14:40:15Z No. of bitstreams: 1 Dissertacao_LucasCorreiaDaSilvaJardim.pdf: 3825457 bytes, checksum: b9c23fc2c2d1d5fa5192e8df92e934c1 (MD5) Made available in DSpace on 2021-01-07T14:40:15Z (GMT). No. of bitstreams: 1 Dissertacao_LucasCorreiaDaSilvaJardim.pdf: 3825457 bytes, checksum: b9c23fc2c2d1d5fa5192e8df92e934c1 (MD5) Previous issue date: 2019-02-07 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior To estimate unknown parameters from available experimental data is a problem commonly encountered in several areas of engineering. A very used technique to obtain this estimate is the formulation and solution of an inverse problem. When implicitly formulated, through the maximum likelihood hypothesis, this problem is treated as a global optimization problem where it is necessary to obtain the minimum of a function composed by the sum of the quadratic residuals between experimental values and those obtained from a model. In this work, three heat transfer inverse problems are formulated and solved to obtain estimates of parameters such as thermal conductivity, specific heat at constant pressure, scattering albedo, among others. To do so, the technique known as Topographic Global Optimization (TGO) is employed. This technique distributes points in a search space and, through the topographical information of the objective function, selects points considered topographical minimum. These minima are then used as the initial solution for a local search method. The main objective of this work is to compare the quality of the solution obtained with the TGO when it is implemented with random point generators and different local search methods. For the generation of initial points, the pseudo-random routine known as Mersenne Twister is compared to the Sobol Sequence, which generates quasi-random points. For the local search, the well-known Nelder-Mead and Levenberg-Marquadt methods are used. Therefore, four different combinations of TGO are used - the Wilcoxon Test is used at the end for a more reliable comparison between them. The obtained results, besides pointing out the qualities and defects of the different approaches, shows a better final performance when TGO is used with the Sobol Sequence and the Nelder-Mead. Estimar parâmetros desconhecidos a partir de medidas experimentais disponíveis é um problema comumente encontrado em diversas áreas da engenharia. Uma técnica muito empregada para se obter essa estimativa é a formulação e solução de um problema inverso. Quando formulado implicitamente, através da hipótese de máxima verossimilhança, este problema é tratado como um problema de otimização global onde é necessário se obter o mínimo de uma função composta pela soma dos resíduos quadráticos entre valores experimentais e os obtidos com um modelo. Neste trabalho, três problemas inversos em transferência de calor são formulados e solucionados para se obter estimativas de parâmetros como condutividade térmica, calor específico à pressão constante, albedo de espalhamento, entre outros. Para isso, a técnica conhecida como Otimização Global Topográfica (TGO) é empregada. Tal técnica distribui pontos em um espaço de busca e, através da informação topográfica da função objetivo, seleciona pontos considerados mínimos topográficos. Esses mínimos são então utilizados como solução inicial para um método de busca local. O principal objetivo deste trabalho é comparar a qualidade da solução obtida com o TGO quando este é implementado com geradores de pontos iniciais e métodos de busca local diferentes. Para a geração de pontos iniciais, a rotina pseudo-aleatória conhecida como Mersenne Twister é comparada com a Sequência de Sobol, que gera pontos quasi-aleatórios. Já para a busca local são utilizados os bastante conhecidos métodos Nelder-Mead e Levenberg-Marquadt. Portanto, quatro combinações diferentes do TGO são utilizadas o Teste de Wilcoxon é empregado ao final para uma comparação mais confiável entre eles. Os resultados obtidos, além de apontarem as qualidades e defeitos das diferentes implementações apresentadas, mostram uma melhor performance final quando o TGO é utilizado com a Sequência de Sobol e o Nelder-Mead.