Cálculo da fração de vazio em escoamentos bifásicos (gás/líquido) a partir da identificação de bolhas em imagens digitais

Abstract

A Agência Internacional de Energia Atômica (IAEA - "International Atomic Energy Agency") vem incentivando o desenvolvimento de sistemas passivos de refrigeração em plantas nucleares visando a simplificação e o incremento da confiabilidade em funções essenciais de segurança nos projetos de uma próxima geração de reatores nucleares refrigerados a água. O principal fundamento desses sistemas é o emprego da circulação natural como sistema de segurança aplicável em operações de desligamento do reator para manutenção ou na ocorrência de acidentes. A circulação natural é um fenômeno que surge em virtude do gradiente de temperatura em pontos diferentes do circuito de refrigeração. Em condições extremas de estabilidade têm-se o estabelecimento do escoamento bifásico gás/líquido podendo configurar-se segundo diferentes regimes. A fração de vazio é reconhecida como um dos parâmetros chave na predição da ocorrência de instabilidades do escoamento bifásico. Apresenta-se neste trabalho uma inovadora metodologia para estimativa da fração de vazio a partir de imagens digitais capturadas diretamente de circuitos experimentais que geram o escoamento bifásico. O método é baseado na aquisição de imagens, com controle da profundidade de campo, de uma seção do Circuito de Circulação Natural (CCN) presente no IPEN/CNEN-SP. A imagem é segmentada com base na inferência fuzzy de diferentes parâmetros de segmentação e ajustada ao foco utilizado na sua aquisição. Ela é varrida de um modo inédito e iterativo, utilizando máscaras de diferentes tamanhos integrando um conjunto de redes neurais com a Transformada Randomizada de Hough. Cada diferente tamanho de máscara é escolhido de acordo com os tamanhos das bolhas que são os objetos de interesse. O volume da bolha é estimado baseado em sua projeção plana capturada nas imagens digitais. O cálculo da fração de vazio considera o volume da seção geométrica do escoamento no tubo de vidro cilíndrico e a profundidade de campo utilizada e nos parâmetros geométricos inferidos para cada bolha detectada. Os resultados mostraram que a integração entre o conjunto de redes neurais e a Transformada Randomizada de Hough aumentaram a robustez das estimativas do sistema.