Cesar Augusto García Ubaque, Edgar Orlando Ladino Moreno, María Camila García Vaca
El diámetro en sistemas a presión de agua potable es posible determinarlo mediante una ecuación polinómica de quinto grado. Como variables de entrada se tiene: Q:
caudal (m3 /s), H: pérdida de carga (m); L: longitud de la tubería (m); ε: rugosidad (m), ?: viscosidad cinemática (m2 /s) y Ʃk: sumatoria de coeficientes de pérdidas menores (adimensional). Aplicado la ecuación de la energía para un sistema hidráulico compuesto por dos tanques conectados con una tubería de diámetro constante y aceptando la ecuación de Colebrook-White y la ecuación de DarcyWeisbach se obtiene una expresión subdeterminada debido a que se establecen más incógnitas que ecuaciones. Este problema se soluciona implementando un bucle anidado para el coeficiente de fricción y el diámetro. Este artículo propone una Red Neuronal Artificial (RNA) implementando el método de Retropropagación Levenberg-Marquardt para estimar el diámetro a partir de la función de transferencia log-sigmoidal, esto bajo condiciones estacionarias de flujo
The fifth-degree polynomial equation determines the diameter in pressurized drinking water systems. The input variables are Q: flow (m3 /s), H: pressure drop (m);
L: pipe length (m); ε: roughness (m), ϑ: kinematic viscosity (m2 /s), and Ʃk: sum of minor loss coefficients (dimensionless). After applying the energy equation for a hydraulic system composed of two tanks connected to a pipe of constant diameter and accepting the Colebrook-White and the Darcy-Weisbach equations, an undetermined expression is obtained since more unknowns than equations are established. This problem is solved by implementing a nested loop for the coefficient of friction and the diameter. This article proposes an Artificial Neural Network (ANN) implementing the Levenberg-Marquardt backpropagation method to estimate the diameter from the log-sigmoidal transfer function under stationary flow conditions.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados