Previsão do Desgaste Erosivo em Tubulações Industriais utilizando Inteligência Artificial e Modelos de Ordem Reduzida

Descrição

A previsão precisa da erosão em tubulações metálicas submetidas a escoamentos multifásicos contendo partículas sólidas é essencial para a integridade estrutural de equipamentos em indústrias como petróleo e gás, nuclear e processos químicos. A abordagem tradicional baseada em Dinâmica dos Fluidos Computacional (CFD) fornece alta fidelidade na estimativa dos mecanismos erosivos, mas é computacionalmente custosa, dificultando simulações em tempo real ou em cenários de otimização e controle. Este projeto propõe o desenvolvimento de Modelos de Ordem Reduzida (ROMs) para acelerar a previsão da erosão em tubulações, combinando técnicas avançadas de aprendizado de máquina e decomposição modal aplicada a campos de escoamento obtidos via CFD de alta fidelidade. A metodologia empregará simulações CFD detalhadas para capturar a interação entre escoamento, transporte de partículas e impacto erosivo, fornecendo um conjunto de dados rico para o treinamento dos ROMs. Modelos baseados em decomposição de modos próprios e redes neurais profundas serão investigados para representar a evolução dos campos de velocidade, pressão e concentração de partículas em função de parâmetros operacionais. A validação será realizada por meio da comparação com simulações CFD de referência e dados experimentais disponíveis na literatura. O resultado esperado é um modelo eficiente e generalizável, capaz de prever padrões erosivos em tubulações com alta precisão e em tempo reduzido. Essa abordagem permitirá otimizações estruturais, desenvolvimento de estratégias de mitigação da erosão e integração com sistemas de monitoramento em tempo real. A pesquisa contribuirá significativamente para a segurança e eficiência operacional em setores industriais críticos.