Escolar Documentos
Profissional Documentos
Cultura Documentos
Exemplo2.1
Sistema Tyler Massa Fração em massa retida Abertura da peneira d# X
(mesh) retida (∆x) (mm)
+8 12,6 0,052 2,38 0,948
(1-0,052)
-8+10 38,7 0,159 1,68 0,789
-10+14 50,0 0,206 1,19 0,583
-14+20 63,7 0,262 0,841 0,321
-20+28 32,5 0,134 0,595 0,187
-28+35 17,4 0,072 0,420 0,115
-35+48 11,2 0,046 0,297 0,069
-48+65 7,8 0,032 0,210 0,037
-65+100 3,7 0,015 0,149 0,022
-100+150 2,6 0,011 0,105 0,011
-150+200 1,8 0,007 0,074 0,004
-200 1,1 0,005 - -
243,1 1
X – Fração em massa de partículas com diâmetro menor que D (dimensão característica, no caso d#).
OPERAÇÕES UNITÁRIAS-1
.
a) Distribuição acumulativa
0.8
0.6
0.4
0.2
0 2
0 0.5 1 1.5 2 2.5
Diâmetro da partícula (mm)
OPERAÇÕES UNITÁRIAS-1
b) Distribuição de Freqüência: c) Histograma:
0.3 0.3
Ponto de Inflexão
0.25 0.25
0.2 0.2
dX
0.15 0.15
0.1 0.1
0.05 0.05
0 0
0.25 0.75 1.25 1.75 2.25 0.25 0.75 1.25 1.75 2.25
0 0.5 1 1.5 2 2.5 0 0.5 1 1.5 2 2.5
D(mm)
3
OPERAÇÕES UNITÁRIAS-1
Funções de distribuição densidade
4
OPERAÇÕES UNITÁRIAS-1
2.2 – Modelos de Distribuição Granulométrica
1 1 dD k k
D100 para X=1
<m<
0 se m=1 =>distribuição uniforme
D50 para X=0,5 - 50% das partículas
casos usuais m>1
tem diâmetro menor que D50 1
m>
5
k
OPERAÇÕES UNITÁRIAS-1
b) RRB – Rosin, Rammler e Bennet –
n
D
−
D'
X = 1− e n
n −1 D
Parâmetros D' e n dX n D −
D'
= .e
-1
se D=D' então: x=1-e = 0, 632 D'=D 63,2 dD D ' D '
Linearização:
n
D
−
D'
e = 1− X
n
D 1
= ln
D' 1− X
1
→ n ln ( D ) − ln ( D ') = ln ln
1− X
Regressão linear, avaliação do R 2 6
OPERAÇÕES UNITÁRIAS-1
c) Log-Normal
X=
[1 + erf ( Z )]
2
D
Z = ln D50
2 ln δ
Parâmetros δ e D
[ D50 ] = L, [X]=admensional, [δ ]=admensional
Z
D84,1 D 2
∫ exp ( − y ) dy
2
δ= = 50 , erf ( Z ) =
D50 D15,9 π 0
D50
8
t=
( d-d )
σ
9
OPERAÇÕES UNITÁRIAS-1
d) Sigmoide
X
[1] 1
X= p p>
D
1 + 50
D 1
P<
Parâmetros p e D50
[ D50 ] = L, [X]=admensional, [p]=admensional
Regressão não linear ou linearização
D
p
D 1
1 + 50 =
D X
p
D50 1 1− X
= −1 =
D X X
1− X
p log ( D50 ) − log D = log
X
1− X
plotar : log D versus log
X 10
OPERAÇÕES UNITÁRIAS-1
quanto à continuidade de dados e ajuste de modelos apresenta uma metodologia para obtenção dos
matemáticos que descrevem a distribuição de parâmetros de ajuste de distribuição log-normal a
tamanhos de partículas. dois parâmetros. Esta metodologia permite obter
O uso de modelos é desejável para a obtenção de coeficiente de ajuste linear para o modelo log-
parâmetros estatísticos que sejam representativos do normal, o qual pode ser comparado com o de outros
material particulado. Tais parâmetros podem ser modelos linearizáveis (RRB, GGS) a dois
utilizados não só na predição do comportamento parâmetros.
hidrodinâmico, como também no cálculo da
eficiência global de remoção de partículas em Metodologia
equipamentos de coleta. A eficiência global de coleta
Modelos de distribuição a dois parâmetros. A
de partículas em ciclones e em equipamentos que
Tabela 1 apresenta as equações dos modelos a dois
tenham mecanismos de coleta de partículas similares
parâmetros de maior aplicação na distribuição de
é descrita pela Equação (1).
1
tamanhos de partículas.
Bennet (RRB)
da função (dφ) que descreve a distribuição de
tamanho de partículas permite que a eficiência X = (1 + erf (z )) / 2
a b c d e f
2,51557 0,802853 0,010328 1,432788 0,189269 0,001308
ln[D] = α Z+ β (9)
A Figura 2 ilustra a linearização do modelo log- A linearização do modelo log-normal foi obtida
normal para os dados da Tabela 3, obtida através das através do uso de uma função polinomial log-
equações (7) a (10). A Tabela 4 apresenta valores de normalizada que se aproxima, com erros menores
desvio padrão σ e diâmetro médio geométrico D50 que 4,5.10-5, da função inversa de probabilidade
para os dados da Tabela 3, obtidos através do gráfico integral. Os resultados mostraram que esta
da Figura 1 e utilizando-se a linearização do modelo linearização pode ser usada para obter os parâmetros
log-normal. Os resultados da Tabela 4 demonstram do modelo log-normal com precisão, quando os
não existir diferença entre parâmetros obtidos dados experimentais se ajustam ao modelo.
graficamente e aqueles obtidos através da regressão Os resultados apresentados mostram que é
linear do modelo log-normal. possível analisar o ajuste de modelos a dois
parâmetros (GGS, RRB e log-normal), para a
LnD = 0,7772.Z - 0,5825 R2=0,9985
distribuição de tamanhos de partículas, através do
LnD = 0,8219.Z + 3,2285 R2=0,9998
2
coeficiente de correlação obtido da linearização
1 destes modelos.
0
-3 -2 -1 -1 0 1 2 3
Nomenclatura
Ln D
-2
D = Diâmetro de partícula [L]
-3
X = Fração cumulativa com diâmetro
-4
menor que D [-]
-5
K = Parâmetro do modelo GGS [L]
Z
m = Parâmetro do modelo GGS [-]
n, = Parâmetro do modelo RRB [-]
Figura 2. Ajuste dos dados da Tabela 3 ao modelo log-normal
D’ = Parâmetro do modelo RRB [L]
(Nevers, 1995; Massarani, 1986) D50 = Diâmetro médio geométrico [L]
a,b,c,d,e,f = Constantes da função polinomial [-]
t = Função de transformação logarítmica [-]
Tabela 4. Comparação entre os valores de σ e D50 Z = Função polinomial aproximada à função
Dados de Massarani (1986) Dados de Nevers (1995)
inversa de probabilidade integral [-]
Método de Método de η = Eficiência de coleta de partículas [-]
Parâmetros Método Método
gráfico
regressão linear
gráfico
regressão linear φ = Função distribuição de tamanho de
R2=0,9985 R2=0,9998 partículas [-]
σ 2,19 2,175 3,49 3,57
α = Coeficiente angular [-]
D50 (µm) 55,00 55,85 20,00 19,67
β = Coeficiente linear [-]
σ = Desvio Padrão [-]
Os mesmos dados da Tabela 3 foram testados
para os modelos de distribuição GGS e RRB, cujos
Referências bibliográficas
ajustes são ilustrados na Figura 3. Verifica-se, através
das Figuras 2 e 3, que para os dados da Tabela 3 o Abramnovitz, M; Stegen, J. Handbook of Mathematical
melhor ajuste, baseado no coeficiente de correlação Funtions. New York: U.S. Department Commerce,
R2, é o do modelo log-normal. 1969.
Ln X= 1,4534LnD - 0,4395 R2=0,8949
Allen, T. Particle Size Measurement. Powder Technology. 4.ed.
Ln(Ln(1/(1-X))) = 1,8212.LnD + 0,2768 R2=0,9635
London: Chapman and Hall, 1990.
Ln X= 0,3958LnD + 0,8921 R2=0,9068] Gimenes, M. L. Particulate Gaseous Emission Control Using
Ln(Ln(1/(1-X)))=0,7581LnD + 2,5918 R2=0,9886 Turbulent Beds of Mobile Packings. England, 1992.
(Doctoral Thesis in Chemical Engineering) -
Ln(Ln(1/(1-X)))
-6 -4 -2 0 2
-2
Kerr, C. P. Predicting the Performance of Particulate
-4
Control Equipment. JAPCA, 38(12):1585-1587, 1989.
-6 Lawless, P.A. Analysis of Cascade Impactor Data for Calculating
Ln D
Particle Penetration. Environmental Protection Agency.
NTIS, EPA 600/7-78-189, 1978.
Figura 3. Ajuste dos dados da Tabela 3 aos modelos RRB e GGS
( e Nevers, 1995; e Massarani, 1986)
Linearização do modelo log-normal 1239
Massarani, G. Tópicos especiais de sistemas particulados. Svarosvky, L. Particle Size Measurement and Sampling -
São Carlos: Universidade Federal de São Carlos, 1986. Course Manual. England: University of Bradford, 1990.
v.2.
Received on November 13, 2000.
Nevers, N. Air pollution control engineering. New York: Accepted on November 20, 2000.
McGraw-Hill, 1995.