Karinne 

Ganden 
Thainá Araujo Bispo 
 

MONITORAMENTO DAS TRANSIÇÕES DE REGIME EM 
PROCESSOS DE RECOBRIMENTO DE PARTÍCULAS EM 
LEITO FLUIDIZADO 
 

Trabalho  de  Conclusão  de  Curso 

apresentado  como  exigência  parcial 
para  obtenção  do  título  de  Bacharel 
em Engenharia Química, ao Instituto 
de  Ciências  Ambientais,  Químicas  e 
Farmacêuticas  da  Universidade 
Federal  de  São  Paulo  –  Campus 
Diadema.  

Aprovado em: 19/02/2021 
BANCA EXAMINADORA 
 
 
Prof. Dr. Carlos Alexandre Moreira da Silva 
Orientador 

 
Profa. Dra. Alessandra Pereira da Silva 

 
Prof. Dr. Matheus Boeira Braga 
 

DIADEMA 
2021 
   
 RESUMO 
No  leito  fluidizado  o  alto  grau  de  mistura  entre  as  fases  fluida  e  sólida, 
proporciona altas taxas de transferência de calor e massa e com isso a aplicação 
dessa operação em processos de recobrimento de partícula é muito comum nas 
indústrias farmacêuticas e de alimentos. É necessário monitorar o regime do leito 
como  forma  de  garantir  a  qualidade  do  produto  e  tomar  ações  corretivas  ao 
primeiro  sinal  de  defluidização.  O  objetivo  do  presente  trabalho  foi  aplicar  a 
transformada de wavelet para analisar as transições de regime de estável para 
instável  em  processos  de  recobrimento  de  partículas  realizados  em  um  leito 
fluidizado.  Os  ensaios  estudados  foram  coletados  do  experimento  de  Silva 
(2009) que utilizou partículas de celulose microcristalina da marca MicroCell 500 
da empresa Blanver farmoquimica e para o ensaio de recobrimento se utilizou­
se  suspensão  polimérica  com  composição  básica  de  Eudragit®  L30­D55.  As 
transições  de  regimes  foram  avaliadas  por  meio  da  análise  das  estruturas 
hidrodinâmicas  de  escala  do  leito  (micro,  meso  e  macroescalas),  que  foram 
obtidas  processando­se  sinais  de  flutuação  de  pressão  e  calculando­se  a 
energia  contida  em  cada  sub­sinal  obtido  pela  transformada  de  wavelet. Além 
das estruturas de escala, também se analisou a evolução dos regimes por meio 
da entropia wavelet de Shannon e pela razão de energia dos sub­sinais. Das três 
avaliações o uso da estrutura de escala hidrodinâmica e a razão de energia dos 
sub­sinais  demonstram  potencial  no  monitoramento  do  regime  do  leito  ao 
identificar  o  início  do  processo  de  defluidização,  inclusive  nos  ensaios  de 
defluidização parcial, em comparação com a técnica tradicional de medição da 
pressão  (análise  espectral  Gaussiana).  Na  análise  de  sub­sinais  o  D6 
apresentou  o  perfil  que  corresponde  as  variações  do  comportamento  do  leito, 
pois D6 está associado ao sinal de alta frequência, o mesmo que caracteriza o 
regime de borbulhamento. Enquanto a análise de escalas, a mesoescala foi a 
componente  capaz  de  traduzir  a  transição  do  regime  do  leito,  sendo  a  escala 
associado as  interações  entre  a  fase densa  e  fluida. Além disso, a  análise  do 
perfil da entropia wavelet de Shannon não indicou claramente o momento exato 
da transição de regime, mas este parâmetro pode indicar modificações de regime 
quando o tempo exato não for o fator mais importante. 

Palavras­chaves: Leito fluidizado; Recobrimento; Monitoramento; Wavelet.  
  
ABSTRACT 
In the fluidized bed the high degree of mixing between the phases, fluid ­ solid, 
provides high rates of heat and mass transfer, so the application of this operation 
in the particle coating process is very common in the pharmaceutical and food 
industries. It is necessary to monitor the bed regime as a way to ensure product 
quality and take corrective actions at the first sign of defluidization. The objective 
of the present paper was to apply the wavelet transform to analyze the transitions 
from  stable  to unstable  regime  in processes  of  particle  coating  performed  in a 
fluidized  bed.  The  assays  studied  were  collected  from  the  experiment  of  Silva 
(2009) who used microcrystalline cellulose particles MicroCell 500 from Blanver 
Farmoquimica  and  for  the  coating  assay  was  used  polymeric  suspension  with 
basic composition of Eudragit® L30­D55.The regime transitions were evaluated 
through the analysis of the bed scale hydrodynamic structures (micro, meso and 
macro scales), which were obtained by processing pressure fluctuation signals 
and calculating the energy contained in each sub­signal obtained by the wavelet 
transform.  Besides  the  scale  structures,  the evolution  of  the  regimes  was  also 
analyzed by means of Shannon's wavelet entropy and by the energy ratio of the 
sub­signals. Of the three evaluations the use of the hydrodynamic structure and 
the energy ratio of the sub­signals demonstrate potential in monitoring the bed 
regime by identifying the beginning of the defluidization process including partial 
defluidization  tests  in  comparison  with  the  traditional  pressure  measurement 
technique (spectral analysis). In the sub­signal analysis D6 presented the profile 
that corresponds to the variations of the bed behavior, because D6 is associated 
to  the  high  frequency  signal  the  same  that  characterizes  the  bubbling  regime. 
While  the  mesoscale  analysis  was  the  component  capable  of  translating  the 
transition  of  the  bed  regime,  being  the  scale  associated  with  the  interactions 
between  the  dense  and  fluid  phase.  In  addition,  Shannon's  wavelet  entropy 
profile analysis did not clearly indicate the exact timing of the regime transition, 
but this parameter may indicate regime changes when the exact time is not the 
most important factor. 

Keywords: Fluidized bed; Covering; Monitoring; Wavelet.    
 LISTA DE ILUSTRAÇÕES 
Figura 1 – Fluidização em diferentes velocidades. ........................................... 14 
Figura 2  – Diagrama de classificação de partículas para fluidização através do 
ar em condições normais. ................................................................................ 16 
Figura  3  –  Regime  fluidodinâmico  conforme  a  classificação  de  Geldart  para 
partículas. ......................................................................................................... 16 
Figura 4 – Variação da pressão em função do aumento da velocidade. .......... 18 
Figura 5 – Perfil de liberação do princípio ativo. ............................................... 20 
Figura 6  – Leito fluidizado convencional. ........................................................ 21 
Figura 7 – Esquema ilustrado dos fenômenos de recobrimento em leito fluidizado 
gás­sólido. ........................................................................................................ 22 
Figura 8 – Mecanismo de aglomeração. .......................................................... 23 
Figura 9 – Correlação do sinal no domínio do tempo e frequência. ................. 26 
Figura 10 – Funções wavelet. .......................................................................... 28 
Figura 11 – Sequência de cálculo da transformada de wavelet. ...................... 29 
Figura 12 – Bloco básico de decomposição e decomposição em árvore. ........ 31 
Figura 13 – Três escalas na estrutura heterogênea do leito fluidizado. ........... 34 
Figura  14  –  Decomposição  em  árvore  da  primeira  amostra  do  ensaio  de 
recobrimento 1. ................................................................................................ 42 
Figura 15 – Representado do sinal e sub­sinais para o ensaio 1 e ensaio 3. .. 43 
Figura 16 – Representado do sinal e sub­sinais para o ensaio 5 e ensaio 7. .. 44 
Figura 17 – Histograma da distribuição porcentual da energia nos sub sinais para 
o ensaio 1 de recobrimento pela db13. ............................................................ 47 
Figura 18 – Relação entre a razão de energia dos sub­sinais com a Frequência 
Média Gaussiana (FMG). ................................................................................. 49 
Figura 19 – Entropia wavelet de Shannon pelo tempo. .................................... 51 
Figura 20 – Relação das estruturas hidrodinâmicas de escalas pelo tempo. ... 54 
Figura A 1 – Representado do sinal e sub­sinais pelo tempo para o ensaio 2 e 
ensaio 2 repetição..............................................................................................61 

Figura A 2 – Representado do sinal e sub­sinais pelo tempo para o ensaio 4 e 
ensaio 6. ........................................................................................................... 62 
Figura A 3 – Representado do sinal e sub­sinais pelo tempo para o ensaio 8 e 
ensaio 9. ........................................................................................................... 63 
Figura A 4 – Representado do sinal e sub­sinais pelo tempo para o ensaio 10.
 ......................................................................................................................... 64 
Figura  A  5  –  Histograma  da  distribuição  porcentual  da  energia  nos  sub  sinais 
para os ensaios 2, 2 repetição, 4 e 6 de recobrimento pela db13. ................... 65 
Figura  A  6  –  Histograma  da  distribuição  porcentual  da  energia  nos  sub  sinais 
para os ensaios 8, 9 e 11 de recobrimento pela db13. ..................................... 66 
Figura A 7 – Relação entre a razão de energia dos sub­sinais com a frequência 
média gaussiana (FMG) pelo tempo para os ensaios 2, 2 repetição, 4 e 6 pela 
db13. ................................................................................................................ 67 
Figura A 8 – Relação entre a razão de energia dos sub­sinais com a frequência 
média gaussiana (FMG) pelo tempo para os ensaios 8, 9 e 10 pela db13. ..... 68 
Figura A 9 – Relação entre a escalas com a frequência média gaussiana (FMG) 
pelo tempo para os ensaios 2, 2 repetição, 4 e 6 pela db13. ........................... 69 
Figura A 10 – Relação entre a escalas com a frequência média gaussiana (FMG) 
pelo tempo para os ensaios 8, 9 e 10 pela db13. ............................................. 70 
Figura  A  11  –  Entropia  wavelet  de  Shannon  pelo  tempo  para  os  ensaios  2,  2 
repetição, 4 e 6 pela db13. ............................................................................... 71 
Figura A 12 – Entropia wavelet de Shannon pelo tempo para os ensaios 8, 9 e 
10 pela db13. .................................................................................................... 72 
 

   
 LISTA DE TABELAS 
Tabela 1  – Parâmetros utilizados para o processo de recobrimento. .............. 37 
Tabela 2 – Faixa de frequência dos sub­sinais (J) em Hertz. .......................... 38 
Tabela 3 – Erro médio da reconstrução de sinal função Daubechies 13, Symlets 
10 e Coiflet 3. ................................................................................................... 40 
 
 

 
 
 SUMÁRIO 

1  INTRODUÇÃO .............................................................................................. 10 

2  OBJETIVO GERAL ....................................................................................... 12 

3  REVISÃO BIBLIOGRÁFICA .......................................................................... 13 

3.1  Leito Fluidizado ............................................................................................. 13 
3.1.1  Aspectos Conceituais .................................................................................... 13 
3.1.2  Classificação Geldart .................................................................................... 15 
3.1.3  A Relação entre a Queda de Pressão e o Leito Fluidizado ........................... 17 

3.2  Recobrimento de Partícula em Leito Fluidizado ............................................ 18 
3.2.1  Mecanismo do Processo de Recobrimento de Partículas .............................. 20 
3.2.2  Aglomeração ................................................................................................. 22 

3.3  Monitoramento em Tempo Real do Regime Fluidodinâmico ......................... 24 
3.3.1  Análise no Domínio do Tempo ...................................................................... 25 
3.3.2  Análise no Domínio da Frequência (Transformada de Fourier) ..................... 25 
3.3.3  Transformada de wavelet .............................................................................. 27 
3.3.3.1  Transformada wavelet discreta ..................................................................... 30 
3.3.3.2  Entropia Wavelet de Shannon ....................................................................... 32 
3.3.3.3  Escala dos Fenômenos no Leito Fluidizado e a Transformada de Wavelet ... 33 

4  METODOLOGIA E ESTRATÉGIA DE AÇÃO ................................................ 35 

4.1  Materiais Particulados Usados por Silva (2009) ............................................ 35 

4.2  Sistema Experimental Usado por Silva (2009) .............................................. 35 

4.3  Ensaios de Recobrimento Usado por Silva (2009) ........................................ 36 

4.4  Monitoramento do Regime de um Leito Fluidizado por Transformada Wavelet
  .........................................................................................................................37 

5  RESULTADOS E DISCUSSÃO ..................................................................... 39 

5.1  Escolha da Função Wavelet .......................................................................... 39 

5.2  Análise do Sinal e Sub­sinais ........................................................................ 40 

5.3  Análise Wavelet e Comparação com Análise Espectral ................................ 45 

5.4  Análise Entropia Wavelet de Shannon .......................................................... 50 

5.5  Análise das Estruturas Hidrodinâmicas de Escala: Microescala, Mesoescala e 
Macroescala ............................................................................................................... 52 
6  CONCLUSÃO ............................................................................................... 55 

6.1  Sugestão para Trabalhos Futuros ................................................................. 56 

REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................ 57 

APÊNDICE A .............................................................................................................. 61

 
 10

1  INTRODUÇÃO 

O  processo  de  recobrimento  de  partículas  em  leito  fluidizado  tem  sido 
muito  utilizado  para  a  produção  de  materiais  particulados  com  características 
especiais, principalmente para uso nas indústrias farmacêuticas e de alimentos, 
devido às altas taxas de transferência de calor e de massa, proporcionadas pelo 
elevado grau de mistura entre as fases envolvidas. O processo de recobrimento 
engloba o processo de mistura, pulverização e secagem das partículas em um 
só  equipamento,  portanto,  é  um  processo  que  economiza  tempo,  dinheiro  e 
espaço (RÄMET et al., 2016). Embora o leito fluidizado tenha muitas vantagens, 
há  desvantagens  que  podem  prejudicar  o  processo  como  erosão  interna  da 
câmara;  o  gás  pode  desenvolver  caminhos  preferenciais  entre  as  partículas 
prejudicando a homogeneização; aglomeração de partículas durante o processo 
pode ocorrer, entre outros.  

A ocorrência de uma boa mistura em processos de fluidização pode ser 
influenciada  por  vários  fatores  como  as  propriedades  das  partículas,  do  fluido 
fluidizante, das condições de operação, dimensões e aspectos construtivos do 
equipamento, entre outros. No caso das condições operacionais, a velocidade 
da  fluidização  é  muito  importante  para  o  processo,  pois  em  casos  em  que  a 
velocidade é baixa a qualidade da mistura torna­se ineficiente para maximizar os 
efeitos  de  transferência  de  calor  e  massa  (SCHOUTEN;  VAN  DEN  BLEEK, 
1998). A defluidização, que é a perda da intensidade de mistura, pode ocorrer 
durante  o  funcionamento  do  equipamento  e  prejudicar  o  processo,  portanto, 
quanto antes se notar a defluidização e ajustar os parâmetros necessários para 
manter  a  fluidização,  mais  homogêneo  se  torna  o  sistema  e  a  qualidade  do 
produto será pouco afetada (SCHOUTEN; VAN DEN BLEEK, 1998).  

Devido  ao  comportamento  complexo  do  sistema  gás­sólido  no  leito 

fluidizado, diversas técnicas foram desenvolvidas para mensurar o desempenho 
hidrodinâmico no processo de recobrimento de partícula. São aplicadas técnicas 
baseadas  em  sensores  de  imagem  das  partículas  até  medições  mais 
convencionais como sensores de pressão (SHOU; LEU, 2005).  

A escolha do método de monitoramento do regime fluidodinâmico é uma 
importante  decisão  para  garantir  o  sucesso  da  operação,  alcançando­se  os 
 11

produtos  com  a  qualidade  desejada.  O  uso  da  medição  de  pressão  para  o 
monitoramento  em  tempo  real  da  qualidade  da  fluidização  é  de  simples 
implementação e com grande capacidade de informar transições de regimes e 
alterações no tamanho e no conteúdo de umidade das partículas. No entanto, o 
processamento e a interpretação dos sinais de pressão podem ser complexos 
por ser uma medição indireta do andamento do processo de recobrimento, desta 
forma,  exigindo  treinamento  especial  dos  operadores  do  processo 
(AGHBASHLO  et  al.,  2014).  Em  meio  à  alta  demanda  por  tecnologia  de 
processamento  analítica  (PAT)  que  monitora  o  recobrimento  de  partículas, 
Foroughi­Dahr et al. (2019) demonstraram ser possível a utilização de medidores 
de  pressão  para  o  dimensionamento  da  espessura  de  recobrimento  das 
partículas  em  um  leito  fluidizado,  assim  resolvendo  alguns  problemas  de 
tecnologias  anteriores  como  o  alto  custo  de  implementação  de  equipamentos 
especiais  para  o  monitoramento  do  leito  e  diminuição  da  degradação  de 
partículas durante a medição já que alguns equipamentos, como os de medição 
a laser, podem danificar as partículas.  

Com o avanço dos estudos em processamento de sinais, a transformada 
de  wavelet  tornou­se  um  método  eficaz  para  analisar  as  características 
fluidodinâmicas  do  leito,  compreendendo,  na  atualidade,  uma  extensa  lista  de 
trabalhos de pesquisa focados no seu uso (JIANG et al., 2012). Pesquisas como 
as de Gómez­Hernández et al. (2016) que utilizaram a transformada de wavelet 
para analisar as flutuações da pressão, de forma a ser possível uma separação 
dos  regimes  fluidodinâmicos,  demonstrou  em  seu  estudo  que  em  casos  de 
secagem  de  areia  muito  úmida,  medidores  de  pressão,  podem  substituir 
medidores  de  umidade  em  leitos  fluidizados,  assim  diminuindo  os  custos  do 
projeto.  Zhang  et  al.  (2016)  também  fizeram  sua  pesquisa  sobre  o 
comportamento hidrodinâmico de um leito fluidizado baseando­se na tomografia 
da capacitância eletrônica e sinais de pressão do leito, analisando as medições 
com  auxílio  da  transformada  de  wavelet  para  conseguir  estudar  o 
comportamento de umedecimento e secamento da fluidização sólido­gasosa. O 
experimento demonstrou que o domínio da frequência tem um comportamento 
complexo durante as fases de secagem e umedecimento, assim a capacitância 
eletrônica  em  conjunto  com  a  medição  dos  sinais  de  pressão  é  eficaz  para 
 12

analisar  o  regime  do  leito,  sendo  capaz  de  prever  as  características  do  fluxo 
líquido­gás de um determinado local ou, até mesmo, de uma determinada seção 
do leito fluidizado.  

Assim, visando melhores desempenhos de recobrimento de partículas em 
um leito fluidizado com baixo custo de monitoramento, essa pesquisa pretende 
demonstrar uma potencial aplicação da transformada de wavelet sobre os sinais 
de pressão em um leito como uma ferramenta eficiente para o monitoramento do 
processo. 

2  OBJETIVO GERAL 

O objetivo do presente trabalho foi aplicar a transformada de wavelet para 
analisar  as  transições  de  regime  de  estável  para  instável  em  processos  de 
recobrimento de partículas realizados em um leito fluidizado. As transições de 
regimes foram avaliadas por meio da análise das estruturas hidrodinâmicas de 
escala do leito (micro, meso e macro escalas), que foram obtidas processando­
se  sinais de  flutuação  de  pressão  e  calculando­se  a energia  contida  em  cada 
sub­sinal obtido pela transformada de wavelet. Pretendeu­se além das estruturas 
de escala, investigar a evolução dos regimes por meio da entropia  wavelet de 
Shannon. 

Este estudo fez parte de uma extensão dos estudos desenvolvidos pelo 
orientador,  Prof.  Dr.  Carlos  Alexandre  Moreira  da  Silva  em  sua  tese  de 
doutorado. Existiu a necessidade  de  investigação  da melhor função  wavelet a 
ser  usada  nos  processamentos  dos  sinais,  que  produz  o  menor  erro  de 
reconstrução  dos  sinais.  Além  da  necessidade  de  parâmetros  mais  robustos 
para  a  detecção  dos  instantes  iniciais  da  transição  do  regime  estável  para 
instável. Estudos prévios (Silva, 2015), mostraram que a análise das estruturas 
de  escala  pode  oferecer  parâmetros  mais  assertivos  das  transições 
fluidodinâmicas.  Portanto,  neste  presente  trabalho  os  sinais  de  flutuação  de 
pressão  experimentais  obtidos  por  Silva  (2015)  foram  reprocessados  e  novos 
melhoramentos  na  definição  dos  parâmetros  da  transformada  wavelet  foram 
avaliados, uma vez que não há um procedimento padrão para isso, necessitando 
de maiores investigações.   
 13

3  REVISÃO BIBLIOGRÁFICA 

3.1  Leito Fluidizado 

A  fluidização  é  uma  operação unitária  com vasta  aplicação  na  indústria 

química,  farmacêutica,  alimentícia,  entre outras. Sendo  usada  na  secagem  de 
diversos produtos, geração de energia, combustão e gaseificação de biomassas, 
aglomeração de pós finos e recobrimento de partículas, o qual este último, é o 
foco de estudo neste trabalho.  

3.1.1  Aspectos Conceituais 

O  fenômeno  de  fluidização  é  caracterizado  pela  movimentação  das 

partículas  promovida  pela  passagem  ascendente  de  um  fluido  sobre  um  leito 
particulado.  A  definição  de  leito  fluidizado  proposta  por  Pell  (1990)  é  a 
ascendência  de  partículas  pela  passagem  de  um  fluido.  Como  resposta  aos 
gradientes  de  pressão,  o  sistema  particulado  passa  apresentar  um 
comportamento semelhante a um fluido em ebulição. Kunii e Levenspiel (1991) 
definem a fluidização como a operação no qual partículas sólidas apresentam 
comportamento de um fluido, por meio da injeção de um gás ou líquido no leito.  

O comportamento fluidodinâmico do leito pode variar se o fluido for líquido 
ou gás, contudo quando a vazão é baixa ambos têm comportamentos similares. 
Em vazões muito baixas o fluido percola somente os espaços vazios entre as 
partículas  sólidas  estacionárias,  o  que  caracteriza  um  leito  fixo.  O  aumento 
gradual da vazão de fluido promove o afastamento e a vibração das partículas 
até atingir o equilíbrio entre a força de arraste (partículas sólidas) com a força 
peso, esse comportamento é caracterizado por uma expansão gradual do leito é 
considerada o estágio de mínima fluidização. Nota­se geralmente neste estágio 
um primeiro sopro de partículas acima da superfície do leito.  

O  aumento  de  velocidade  demonstra  um  comportamento  diferenciado 

entre  os  fluidos  líquidos  e  gasosos.  O  líquido  aumenta  a  distância  entre 
partículas de forma homogênea, no entanto, o gás forma bolhas, com tamanhos 
e quantidades diferenciadas, que empurram as partículas em todas as direções, 
caracterizando uma fluidização borbulhante. As características das partículas e 
da  coluna  de  fluidização  (altura  do  leito  e  diâmetro  da  partícula)  podem 
 14

influenciar na ocorrência da fase conhecida como slugging, no qual o tamanho 
das bolhas aumenta a ponto de ter o mesmo diâmetro que o leito e dificulta a 
passagem das partículas para o fundo do leito. Em velocidades muito altas do 
fluido, líquido ou gasoso, ocorre o transporte pneumático, no qual as partículas 
são  arrastadas.  A  Figura  1  demonstra  os  diferentes  comportamentos 
fluidodinâmico do leito (KUNII; LEVENSPIEL, 1991; PELL, 1990). 

Figura 1 – Fluidização em diferentes velocidades. 

 
Fonte: Kunii e Levenspiel (1991). 

A fluidização pode ser do modo particulada/homogênea, quando a massa 
específica  do  sólido  tem  valor  aproximado  da  massa  específica  do  fluido  em 
geral  quando  o  fluido  é  líquido.  Ou  a  fluidização  pode  ser  do  modo 
agregativa/heterogênea,  quando  a  massa  específica  do  sólido  é  superior  à 
massa  específica  do  líquido,  e  neste  caso,  a  coalescência  de  bolhas  causa 
fluidez irregular, isso pode ocorrer com o sistema que tem grandes partículas e 
alta velocidade do gás ou pequenas partículas e o fluido ascendente for gás.  

Como essa operação promove um intenso contato entre a fase sólida e 
fluida,  sua  aplicação  é  recomendada  quando  existe  a  necessidade  de 
transferência de massa e calor como nas operações de secagem, recobrimento 
de partículas, mistura, entre outras. Porém algumas das desvantagens que essa 
operação apresenta são a erosão do equipamento devido a força de atrito, o alto 
consumo  de  energia  causado  pela  grande  perda  de  carga  e  dificuldade  de 
controle fluidodinâmico (KUNII; LEVENSPIEL, 1991; PELL, 1990).  

 
 15

3.1.2  Classificação Geldart 

No leito fluidizado há vários fatores que podem influenciar na fluidização 
e um deles são as características físicas das partículas. Geldart (1973) publicou 
uma  classificação  generalizada  das  partículas  de  forma  simples  e  eficaz  para 
prever o comportamento fluidodinâmico do leito (KUNII; LEVENSPIEL, 1991). A 
Figura  2  demonstra  a  classificação  de  Geldart  das  partículas  com  base  na 
densidade e diâmetro da partícula. 

Grupo  A:  Partículas  aeráveis  são  pequenas  e/ou  de  baixa  densidade  (<
1,4𝑔/𝑐𝑚3 ). Ocorre uma expansão considerável entre as partículas no estágio de 
fluidização  particulada  (GELDART,  1973).  Catalisadores  do  processo  de 
craqueamento são exemplos de partículas do grupo A. 

Grupo B: Partículas semelhantes a areia, tamanho entre 40𝜇𝑚 < 𝑑𝑝 < 500 𝜇𝑚 e 

densidade  1,4𝑔/𝑐𝑚3 < 𝜌𝑠 < 4𝑔/𝑐𝑚3.  A  fluidização  borbulhante  ocorre  com  a 
velocidade  mínima  de  fluidização  ou  logo  após  um  pequeno  aumento  da 
velocidade  mínima,  devido  a  isso  a  expansão  entre  partículas  é  moderada 
durante  a  fluidização  (GELDART,  1973).  Areia  destinada  à  construção  é  um 
exemplo de partícula. 

Grupo C: Partículas menores que o grupo A. O tamanho induz a intensas forças 
interparticulares  que  dificultam  a  expansão  promovida  pela  ação  do  fluido. 
Devido  a  essas  forças,  a  velocidade  do  gás  deve  aumentar  suavemente  para 
que  ocorra  a  fluidização,  caso  isso  não  aconteça  o  gás  irá  formar  caminhos 
preferenciais prejudicando a fluidização. (GELDART, 1973). Cimento e farinha 
de trigo são exemplos de partículas do grupo C. 

Grupo  D:  Partículas  grandes  e  de  alta  densidade.  A  velocidade  mínima  de 
fluidização é alta e o regime normalmente é turbulento. A expansão do leito é 
baixa  e  o  diâmetro  de  bolhas  pode  atingir  o  tamanho  do  diâmetro  do  leito 
(GELDART,  1973).  As  partículas  do  grupo  D  são  comumente  utilizadas  em 
sistemas de leito de jorro, xisto e carvão são exemplos de partículas.
 16

Figura 2  – Diagrama de classificação de partículas para fluidização através do ar em condições 
normais. 

 
Fonte: adaptado Millán (2012) 

É  possível  associar  o  regime  fluidodinâmico  com  a  classificação  de 

Geldart, a Figura 3  apresenta um diagrama referente às sequências do estágio 
de  fluidização  que  cada  grupo  de  partícula  de  Geldart  passa  ao  aumentar  a 
velocidade  do  gás  no  leito.  Com  isso  podem  ser  previstos  inicialmente  os 
estágios do leito fluidizado para cada grupo do sistema particulado.  

Figura 3 – Regime fluidodinâmico conforme a classificação de Geldart para partículas. 

Fonte: Kunii e Levenspiel (1991). 
 17

3.1.3  A Relação entre a Queda de Pressão e o Leito Fluidizado 

A  qualidade  da  fluidização  pode  ser  avaliada  por  meio  da  observação 
visual, estudo do perfil de concentração axial do sólido e medidas de sinais de 
flutuação do leito. Devido ao caráter subjetivo, o método visual não é seguro para 
o  controle  do  regime  fluidodinâmico,  porém  os  sinais  de  pressão  são  de  fácil 
medição,  sendo  necessário  somente  a  instalação  de  transdutores.  Assim  a 
relação  entre  a  queda  de  pressão  do  leito  fluidizado  associada  à  velocidade 
superficial pode ser adotada como um critério de qualidade da fluidização, sendo 
a  velocidade  superficial  a  razão  entre  a  vazão  do  fluido  e  área  da  secção 
transversal perpendicular ao escoamento do fluido (SILVA, 2015).  

A variação da pressão em função da velocidade superficial ou vazão do 
gás fluidizante pode ser usada para inferir o comportamento característico de um 
leito fluidizado, isto é, a partir de um diagrama da variação da pressão em função 
da velocidade do fluido é possível determinar o regime de fluidização do leito. 
Partículas do grupo C e D da classificação de Geldart são de difícil fluidização, 
formando  canais  preferenciais,  bolhas  de  gás  muito  grandes,  portanto,  as 
oscilações  de  pressão  são  mais  pronunciadas,  e  necessitam  de  sensores  de 
velocidade  e  pressão  adequados  para  o  registro  correto  do  comportamento 
fluidodinâmico. Deste modo, é difícil prever os regimes usando o diagrama da 
curva  fluidodinâmica  para  partículas  C  e  D,  sendo  mais  aplicado  para  as 
partículas do grupo A e B.  

Inicialmente  em  baixas  vazões,  a  variação  de  pressão  aumenta 

linearmente com o aumento da velocidade demonstrando o comportamento do 
leito  fixo. Durante este estágio, a porosidade (ε) do leito fica praticamente
inalterada e o fluido apenas percola as partículas. Caso a porosidade inicial seja 
igual a porosidade no ponto de velocidade mínima de fluidização (umf) a relação 
entra a variação de pressão e a velocidade permanece linear, porém com valores 
inferiores (GUPTA; SATHIYAMOORTHY, 1998; KUNII; LEVENSPIEL, 1991). 

No momento em que a força equivalente a fluidização se iguala a força 
gravitacional das partículas, ocorre a variação de pressão máxima e a região de 
mínima de fluidização é atingida. Porém quando o valor da porosidade inicial é 
igual ao valor da porosidade no estágio da velocidade de mínima fluidização, não 
 18

é  observado  um  pico  máximo  da  variação  da  pressão.  Com  o  aumento  da 
velocidade  do  fluido,  há  uma  variação  na  porosidade  do  leito  que  diminui 
levemente  a  variação de  pressão.  No  estágio  de  leito fluidizado,  as  partículas 
têm  o  comportamento  similar  a  um  líquido.  Devido  a  esse  comportamento,  a 
pressão do fluido inserido é a mesma pressão que as partículas exercem sobre 
o  leito,  de  forma  que  a  variação  de  pressão  é  constante  independente  do 
aumento na velocidade. Velocidades muito altas do fluido, acabam arrastando 
as partículas e podem ocasionar o transporte pneumático, em que se observa 
uma queda no patamar de pressão devido ao aumento da porosidade. A relação 
da variação de pressão com o aumento da velocidade do fluido nos estágios de 
leito  fixo  e  leito  fluidizado  pode  ser  observada  na  Figura  4  (GUPTA; 
SATHIYAMOORTHY, 1998; KUNII; LEVENSPIEL, 1991; PELL, 1990). 

Figura 4 – Variação da pressão em função do aumento da velocidade. 

 
Fonte: Kunii e Levenspiel (1991). 

 
3.2  Recobrimento de Partícula em Leito Fluidizado 

O recobrimento de partículas é muito importante para a indústria química, 
de alimentos, farmacêutica, de fertilizantes, entre outras. A concepção da técnica 
de  recobrimento  de  partículas  tinha  como  proposta  inicial  alcançar  a 
palatabilidade, ou seja, mascarar sabores desagradáveis recobrindo a partícula 
com açúcar, durante o século XVII na França. Porém com o passar dos anos, 
 19

essa  técnica  foi  ganhando  importância  e  diversos  novos  objetivos  foram 

surgindo,  tais  como:  aplicações  como  proteção  ao  formar  uma  barreira  em 
produtos  instáveis,  fornece  resistência  mecânica,  modificar  aparência  para 
facilitar  identificação,  facilitar  dissolução  de  princípio  ativo,  melhorar  a 
germinação de sementes, proteger contra o calor, umidade, luz, microrganismos, 
entre outros (MUJUNDAR; BARROZO; PASSOS, 2014; SILVA, 2015). 

Diversos fatores podem afetar a qualidade do recobrimento da partícula, 
tais como, as propriedades físicas da partícula, o equipamento utilizado para a 
operação,  condições  operacionais  e  propriedades  do  fluido  que  recobre  a 
partícula. A partir da classificação de Geldart, as partículas do grupo A e B têm 
melhor resposta em recobrimento em leitos fluidizados, mas têm maior tendência 
à formação de aglomeração instável, devido ao baixo tamanho e densidade. 

Segundo  Kleinback  e  Riede  (1995)  podem  ser  realizados  três  tipos  de 
recobrimento de partículas. A Figura 5 demonstra o comportamento da liberação 
da  suspensão  que  reveste  a  partícula  em  função  do  tempo  de  exposição  ao 
ambiente (KLEINBACH; RIEDE, 1995). 

Tipo A: Recobrimento total e igualitário em toda a esfera sólida. Recobrimento 
de  todas  as  partículas  têm  a  mesma  espessura.  A  liberação  da  película  de 
recobrimento em função do tempo é linear. (KLEINBACH; RIEDE, 1995) 

Tipo B: Recobrimento total, no entanto desigual em volta da partícula. Partículas 
podem  apresentar  diferentes  espessuras  de  recobrimento.  Portanto  partículas 
mais  finas  perdem  mais  rápido  o  revestimento,  enquanto  recobrimentos  mais 
espessos demoram mais para liberar o material aderido à superfície. O tipo B 
tem comportamento não­linear de perda de recobrimento, sendo inicialmente um 
processo  de  perda  mais  rápido  que  é  estabilizado  ao  longo  do  tempo. 
(KLEINBACH; RIEDE, 1995) 

Tipo C: Recobrimento desigual e o revestimento de partícula não acontece de 
forma completa. O comportamento da curva é semelhante ao tipo B, contudo, 
devido  ao  não  recobrimento  total,  a  superfície  exposta  da  partícula  causa  a 
liberação imediata da película de recobrimento (KLEINBACH; RIEDE, 1995). 

 
 20

Figura 5 – Perfil de liberação do princípio ativo. 

 
Fonte: Kleinbach e Riede (1995). 

3.2.1   Mecanismo do Processo de Recobrimento de Partículas 

O  leito  fluidizado  tem  a  vantagem  de  produzir  num  único  equipamento 

altas  taxas  de  transferência  de  calor  e  massa,  portanto  alta  capacidade  de 
secagem  (MUJUNDAR;  BARROZO;  PASSOS,  2014).  A  Figura  6  mostra  um 
esquema  simplificado  de  um  leito  fluidizado  convencional  que  tem  como 
finalidade o recobrimento de partículas, operando no modo contínuo.   

A  condição  de  partida  do  processo  de  recobrimento  acontece  em  um 
regime  de  fluidização  estável,  normalmente  entre  a  velocidade  mínima  de 
fluidização e a fluidização turbulenta. O gás quente entra pela parte inferior do 
leito, fluidizando as partículas de forma a promover uma movimentação contínua. 
A solução ou suspensão que contém o material de recobrimento é pulverizada 
na parte superior do leito, podendo também ser usada a pulverização por meio 
de bicos atomizadores instalados também na parte inferior da coluna. A zona do 
leito  que  recebe  diretamente  a  alimentação  é  denominada  zona  de 
umedecimento e tem uma temperatura mais baixa e teor de umidade mais alto 
quando comparado a zona de fluidização do leito. Devido ao movimento caótico 
da fluidização do leito, as partículas são continuamente deslocadas para a zona 
de secagem, quando então as partículas revestidas são secas e misturadas com 
novas  partículas  oriundas  da  zona  de  umedecimento.  O  mecanismo  de 
recobrimento  é  uma  alternância  entre  a  etapa  de  umedecimento  e  secagem, 
sendo  o  tempo  de  cada  etapa  definido  pela  circulação  do  sistema  particulado 
 21

(KLEINBACH;  RIEDE,  1995;  LINK;  SCHLÜNDER,  1997).  O  importante  a  se 

destacar  é  que  as  duas  operações  de  umedecimento  e  secagem  ocorrem 
simultaneamente  no  mesmo  equipamento,  tornando  o  leito  fluidizado  um 
equipamento muito versátil para este tipo de aplicação. 

Figura 6  – Leito fluidizado convencional. 

 
Fonte: Link e Schlünder (1997). 

As gotas dos bicos atomizadores que recobrirão o sólido não podem ser 
muito pequenas, pois poderão ser secas antes de chegarem na superfície dos 
sólidos,  mas  também  não  podem  ser  muito  grandes,  pois  podem  provocar 
aglomerações indesejáveis. Outro fator importante é a viscosidade das soluções 
ou suspensões atomizadas e sua energia de adesão aos sólidos, avaliadas por 
meio  do  ângulo  de  contato  e  tensão  superficial  (MUJUNDAR;  BARROZO; 
PASSOS, 2014). O mecanismo de adesão entre a gota e o sólido é estabelecido 
por meio do estudo da tensão superficial da solução e/ou suspensão. Associado 
ao estudo das características da superfície da partícula por meio do ângulo de 
contato, um meio de mensurar a receptividade do sólido pelo líquido, é realizado 
o ensaio de molhabilidade, capacidade do fluido banhar a particular e difundir­se 
sobre a sua superfície (DONIDA, 2004). 

Além  dos  descritos,  diversos  outros  fatores  podem  influenciar  no 

recobrimento  da  partícula  e  levar  a  aglomerações,  a  Figura  7  demonstra  as 
principais etapas que ocorrem  para  o  recobrimento e os desdobramentos  que 
levam  o  processo  de  recobrimento  ao  processo  de  aglomeração  estável  ou 
instável. 
 22

Figura 7 – Esquema ilustrado dos fenômenos de recobrimento em leito fluidizado gás­sólido. 

 
Fonte: Silva (2015). 
 

3.2.2   Aglomeração 

A  operação  de  aglomeração  tem  várias  aplicações  em  indústrias  de 

alimentos,  agricultura,  farmacêuticas,  químicas,  entre  outras.  A  aglomeração 
ocorre  quando  um  agente  ligante  é  introduzido  nas  formulações  que  serão 
atomizadas sobre as partículas que estão em movimento. Equipamentos como 
leito  fluidizado,  misturador  granulado  ou  equipamentos  similares  são  usados 
para a constante movimentação das partículas (IVESON et al., 2001). 

O  processo  tem  várias  etapas  e  é  quantitativamente  difícil  prever  as 

características do aglomerado, devido a isso, há uma necessidade de sensores 
especiais que monitoram o tamanho ou forma das partículas aglomeradas, bem 
como sua densidade e porosidade adquiridas após o processo. No entanto, para 
a  previsão  qualitativa  do  processo  é  fundamental  compreender  as  etapas  de 
nucleação, consolidação e desgaste (quebra), que representam etapas comuns 
em qualquer processo de aglomeração (IVESON et al., 2001). 

A nucleação ocorre quando líquido entra em contato com as partículas que 
estão em contato com o fluido. Dois processos importantes para essa etapa são 
 23

a  capacidade  cinética  e  termodinâmica  do  umedecimento  e  as  variáveis  de 

processo,  como  as  características  do  líquido  ou  a  mistura  eficiente  das 
partículas. Essa etapa pode ser visualizada na Figura 8 (i) (IVESON et al., 2001). 

A  consolidação  é  a  colisão  entre  dois  grânulos  ou  um  grânulo  e  uma 

partícula que se aglutinam e aumentam o tamanho dos grânulos. O crescimento 
dos  grânulos  pode  continuar  mesmo  depois  de  finalizada  a  alimentação  do 
líquido  no  leito.  A  determinação  do  tamanho  do  aglomerado  é  dada  pelas 
condições  de  nucleação,  a  Figura  8  (ii),  mostra  a  formação  dessa  etapa.  O 
desgaste e quebra decorre da colisão forte entre os aglomerados, conforme na 
Figura 8 (iii) (IVESON et al., 2001). 

Figura 8 – Mecanismo de aglomeração. 

 
Fonte: Ivenson et al. (2001). 

Equipamentos que promovem intensos movimentos, assim como o leito 
fluidizado, geralmente reduzem o tamanho dos aglomerados devido às intensas 
colisões, além das propriedades de adesão do agente ligante com a superfície 
da  partícula  também  serem  fatores  que  combinam  para  uma  fase  de 
consolidação  mais  intensa,  reduzindo  o  número  de  quebras,  o  que  pode  ser 
alcançado aumentando a concentração do agente ligante nos atomizadores.  

 
 24

3.3  Monitoramento em Tempo Real do Regime Fluidodinâmico 

O uso de técnicas de processamento de séries temporais de pressão é 
uma das formas quantitativas de monitoramento de regimes fluidodinâmicos. O 
monitoramento  requer  medições  adequadas  de  sinais  de  pressão  do  leito 
(escolha do transdutor, local de medição, taxa de amostragem dos dados), que 
podem  ser  facilmente  medidas  e  apresentam  baixo  custo  de  implementação 
industrial. A escolha do modo de análise da série, pode ser processamento no 
domínio do tempo (média, variância ou desvio padrão), no domínio da frequência 
(análise espectral), no espaço de estado não­linear (teoria de caos) e no domínio 
tempo­frequência (análise wavelet) (JOHNSSON et al., 2000; VAN OMMEN et 
al., 2011). Cada método tem sua especificidade e recomendações de aplicação, 
variando seu sucesso inclusive, com as condições operacionais do processo e 
propriedades  físicas  do  sistema  particulado.  O  processamento  de  sinais  no 
domínio  do  tempo  pode  ser  adotado  no  estudo  de  identificação  do  regime  do 
leito  fluidizado e  nas suas  transições e  ampliação de escala do  leito, mas em 
geral,  não  é  recomendável  para  extração  de  informações  sobre  fenômenos 
locais no processo, tais como defluidização e aglomeração nos estágios iniciais. 
A análise no domínio da frequência, empregando­se a transformada de Fourier, 
é um método tradicional com resolução fixa nos componentes da frequência e 
tem a capacidade de identificar distúrbios globais no leito, além de transições de 
regimes fluidodinâmicos. No entanto, em função da resolução fixa do domínio da 
frequência  e  da  baixa  capacidade  de  retirar  informações  de  sinais  não­
estacionários, torna a análise espectral empregando a transformada de Fourier, 
não  muito  adequada  para  a  obtenção  de  fenômenos  locais  do  sistema 
particulado  em  fluidização.  Quando  o  sistema  particulado  apresenta  múltiplas 
escalas  (múltiplos  fenômenos  ocorrendo  simultaneamente  –  aglomeração, 
bolhas grandes e pequenas, canais preferenciais, zonas estagnadas), situações 
estas que podem ocorrer em operações  de recobrimento de partículas, a análise 
de  wavelet  é  a  ferramenta  mais  adequada  e  que  atende  as  necessidades  de 
detecção  de  fenômenos  diversos  em  um  processo,  pois  uma  série  temporal 
unidimensional consegue ser bem localizada em ambos domínios do tempo e da 
frequência (JOHNSSON et al., 2000; XI; LU; ZHANG, 2018). 
 25

3.3.1  Análise no Domínio do Tempo 

O método de análise do sinal no domínio do tempo se baseia na amplitude 
das  flutuações  de  pressão  do  sinal  em  função  do  tempo.  Frequentemente, 
analisam­se  parâmetros  como  o  desvio  padrão,  referente  a  uniformidade  dos 
dados; a variância, parâmetro referente a dispersão dos dados em relação ao 
valor médio e a curtose estatística que indica o achatamento da curva de uma 
função  de  distribuição  de  probabilidade  que  representa  o  comportamento 
aleatório  de  um  fenômeno  (AZIZPOUR  et  al.,  2011;  JOHNSSON  et  al.,  2000; 
VAN OMMEN et al., 2011). Azizpour et al. (2011) aplicaram o método estatístico 
do domínio do tempo para processar sinais da vibração do leito para caracterizar 
o  regime  fluidodinâmico.  Por  meio  do  desvio  padrão  e  da  curtose  foi  possível 
identificar a mudança do regime borbulhante para turbulento.  

O fenômeno de aglomeração em um leito fluidizado durante processos de 
recobrimento de partículas deve ser evitado, pois implica na obstrução da placa 
distribuidora de ar acoplada ao leito. A análise no domínio do tempo pode ser 
aplicada  como  forma de  prever o  estágio  inicial de  aglomeração, por meio  da 
identificação  do  regime  de  defluidização  (SHABANIAN;  SAURIOL;  CHAOUKI, 
2017). Shanbanian et al. (2017) apresentaram esse contexto, no qual a partir dos 
dados da queda de pressão e temperatura  local demonstraram um padrão de 
comportamento desses dois parâmetros durante o processo de defluidização, no 
qual a média da queda de pressão diminuía progressivamente e as médias das 
temperaturas locais (logo após a placa do distribuidor e dentro da cama densa) 
aumentava simultaneamente. 

Características do leito como o momento inicial da transição de regime, 
velocidade mínima de fluidização e comportamento de bolhas podem ser obtidos 
por meio  de técnicas de processamento de sinais no domínio do  tempo e por 
isso  o  processamento  de  sinal  pelo  domínio  do  tempo  é  uma  das  opções 
adotadas para o controle de processo do leito fluidizado (AZIZPOUR et al., 2011; 
JOHNSSON et al., 2000).   

3.3.2  Análise no Domínio da Frequência (Transformada de Fourier) 

O  método  de  análise  pelo  domínio  da  frequência  tem  sido  usualmente 
aplicado para processar sinais relacionados a queda de pressão, a concentração 
 26

de sólidos, a vibrações e de sinais acústicos do leito. Por meio da alteração da 
distribuição  das  componentes  de  frequência  em  um  espectro  de  potência,  é 
possível identificar a mudança de regime no leito. Entretanto, frequentemente a 
interpretação do espectro de potência pode ser subjetiva e equivocada, na qual 
ao depender do observador, o pico para determinar a frequência dominante pode 
variar ou em alguns casos este pico de frequência pode não existir. Para evitar 
as  dubiedades  de  interpretação  das  componentes  de  frequência  é  necessário 
um alto número de amostras de sinais e calcular o tempo médio do ciclo, que é 
a medição da quantidade de vezes que um sinal de pressão cruzou o seu valor 
médio,  para  sinais  não­periódicos  como  os  sinais  de  pressão  obtidos  de  um 
equipamento de fluidização (JOHNSSON et al., 2000; VAN OMMEN et al., 2011). 
O  processamento  de  sinais  de  queda  de  pressão  pelo  domínio  da  frequência 
pode revelar informações sobre intensidade da turbulência do leito, o movimento 
das partículas e a formação de bolhas no sistema heterogêneo do leito, ou seja, 
é possível obter uma estimativa global sobre os fenômenos no leito (CHE et al., 
2018).   

A Figura 9 demonstra a relação de um sinal no domínio do tempo e da 
frequência, que é o princípio da transformada de Fourier. Nesta técnica, os sinais 
são  aproximados  por  uma  soma  de  múltiplas  funções  senos  e  cossenos,  que 
guardam  informações  periódicas  (de  frequência).  Deste  modo,  durante  a 
transformada  de  Fourier,  os  dados  em  relação  ao  tempo  são  perdidos,  e 
portanto, não é o mais recomendado aplicar a transformada de Fourier em sinais 
não­estacionários, ou seja, que variam suas características de periodicidade e 
magnitude ao longo do tempo (CASTELANO, 2004). 

Figura 9 – Correlação do sinal no domínio do tempo e frequência. 

 
Fonte: Adaptado do Sesey (2017). 
 27

Parise et al. (2011) estudaram o processamento de sinais pelo domínio 
da frequência com o objetivo de determinar a defluidizaçao do leito no processo 
de  recobrimento  de  partículas,  a  fim  de  evitar  a  aglomeração.  O  estudo 
apresentou resultados satisfatórios tendo potencial para aplicação industrial em 
controle  online  no  processo  de  revestimento.  Che  et  al.  (2018)  aplicaram  a 
análise  espectral  de  potência  (PSD),  método  de  análise  no  domínio  da 
frequência, e o desvio padrão, método de análise no domínio do tempo, durante 
o estudo do monitoramento do fluxo gás­sólido no leito fluidizado tipo Wurster, 
porém processaram sinais referentes a concentração de sólido obtidos por meio 
de  sensores  de  tomografia  por  capacitância  elétrica  (ECT).  O  resultado  do 
estudo foi positivo, sendo possível o controle do processo de recobrimento no 
leito fluidizado e a determinação das características do fluxo gás­sólido. 

3.3.3 Transformada de wavelet 

A  transformada  de  wavelet  é  abrangente  e  pode  processar  sinais 

estacionários  e  não­estacionários.  Esta  transformada  se  destaca  em  analisar 
sinais  não­estacionários,  que  são  sinais  cujas  propriedades  estatísticas  e  de 
frequência mudam dentro da sua resolução temporal. A base desta técnica está 
em decompor um sinal variando em faixas de frequência em um certo intervalo 
de tempo. Pequenas faixas de frequência mostram melhor a visão geral do sinal, 
mas pouco detalhamento se consegue no tempo. Grandes bandas de frequência 
mostram melhor detalhamento do sinal e uma resolução melhor no domínio do 
tempo (LIMA, 2003; RIOUL; VETTERLI, 1991). 

A  transformada  wavelet  faz  a  análise  de  um  sinal  usando  funções 

matemáticas semelhantes a pequenas “ondas” chamadas wavelets  ou 
“ondaletas”, essas funções podem ter diferentes formatos, como demonstrado
na Figura 10. A função wavelet a ser escolhida depende das características de 
semelhança com o sinal a ser estudado, podendo ser dilatada ou comprimida e 
deslocada ao longo de porções do sinal ao longo do tempo (ADDISON, 2017). 
 28

Figura 10 – Funções wavelet. 

 
Fonte: Addison (2017). 

O cálculo da transformada inicia com cálculo da sobreposição da wavelet 
escolhida sobre uma porção inicial do sinal (faixa de tempo) e a marcação dos 
pontos no qual partes do sinal se assemelham e diferem da forma da wavelet, 
que  ocorre  por  meio  de  coeficientes  wavelet.  A  definição  da  transformada  de 
wavelet está descrita pela equação 1 e apresenta dois coeficientes (a e b), esses 
coeficientes medem a similaridade entre a porção do sinal analisada e a função 
wavelet.  O  cálculo  desses  coeficientes  é  demonstrado  pela  equação  2 
(GABOARDI, 2009).  
∞
𝑊(𝑎, 𝑏) = ∫ 𝑓(𝑡) 𝜓𝑎,𝑏 (𝑡)𝑑𝑡  (1) 
−∞
∞
1 𝑡−𝑏
𝐶(𝑎, 𝑏) = ∫ 𝑓(𝑡) 𝜓 ( ) 𝑑𝑡  (2) 
√𝑎 −∞ 𝑎
 
As funções  𝜓(𝑡)  representam as wavelets; a é o fator de escala (guarda 
as informações de frequência), b o fator de translação (guarda as informações 
1
do tempo) e o termo  𝑎 garante a energia da função mesmo que haja alteração 
√

na escala. São aplicados dois critérios para uma função ser considerada wavelet, 
um é representado pela equação 3 e o outro pela equação 4 no qual indica a sua 
reversibilidade da função, sendo Ѱ(𝜔) a transformada de Fourier da função Ѱ(𝑡) 
(GABOARDI, 2009; CASTELANO, 2004; ARAÚJO, 2009). 
 29

∞
∫ 𝜓(𝑡) 𝑑𝑡 = 0  (3) 
−∞
∞
|Ѱ(𝜔)|
∫ 𝑑𝜔 < ∞ (4) 
−∞ |𝜔|
 
A análise de um sinal por wavelet inicia pela sobreposição de uma função 
wavelet no início do sinal, seguido pelos cálculos do coeficiente para que seja 
possível  transladar  a  função  wavelet  para  a  próxima  parte  do  sinal  a  ser 
analisada.  Ou  seja,  existe  a  função  denominada  wavelet­mãe  e  por  meio  das 
translações são obtidas as wavelet­filhas, a Figura 11 demonstra a sequência de 
cálculo  da  transformada  de  wavelet  (GABOARDI,  2009;  CASTELANO,  2004; 
ARAÚJO, 2009). 

Figura 11 – Sequência de cálculo da transformada de wavelet. 

 
 Fonte: Adaptado de Gaboardi (2009). 
 30

3.3.3.1  Transformada wavelet discreta  

A transformada wavelet discreta é uma forma mais compacta de estudar 
um sinal. Isso se deve ao uso adequado dos coeficientes a e b, que diminuem 
as  redundâncias  e  obtêm  apenas  as  informações  necessárias  para  a 
representação do sinal (PENHA, 1999).  
Mallat  (1989)  desenvolveu  um  algoritmo  eficiente  para  calcular  os 
coeficientes,  chamado  de  algoritmo  piramidal  ou  de  árvore.  Este  algoritmo 
funciona  como  uma  série  de  filtros  passa­baixa  e  passa­alta,  decompondo  os 
sinais em diversos níveis de resolução nos domínios tempo­frequência. Assim, 
foi  introduzida  uma  função  de  escala  no  tempo,  equação  5,  que  faz  parte  da 
expansão do sinal x(t) juntamente com a equação 6 que representa o sinal x(t) 
na escala da frequência (PENHA, 1999). 
−𝑗 𝑡 − 2𝑗 𝑘  (5) 
𝜙𝑗,𝑘 (𝑡) = 2 2 𝜙 ( ) 𝑗, 𝑘 𝜖 𝐼
2𝑗
−𝑗 𝑡 − 2𝑗 𝑘  (6) 
𝜓𝑗,𝑘 (𝑡) = 2 2 𝜓 ( ) 𝑗, 𝑘 𝜖 𝐼
2𝑗
Onde: 
k=1, 2, ..., N/2j representa a escala do tempo; 
j=1, 2, ..., J representa a escala na frequência. 
A Figura 12 (a) mostra o sinal passando por dois filtros, um filtro H que 
retêm a parte da alta frequência do sinal, denominada detalhe do sinal, e o filtro 
L  que  suaviza o  sinal,  sendo  uma  aproximação do  sinal.  Os  filtros  passam  as 
mesmas quantidades de amostras e para reduzir as amostras é feita a operação 
downsampling em S e D, que descarta cada segunda amostra da sequência S e 
D (PENHA, 1999). A transformada do sinal que foi representada pela soma de 
duas  funções,  na  escala  do  tempo  e  frequência,  são  representadas  pelas 
equações 7 e 8 que decompõem o sinal original. 

𝑠𝑗,𝑘 = ∫ 𝑥(𝑡) 𝜙𝑠,𝑗 (𝑡)𝑑𝑡  (7) 

𝑑𝑗,𝑘 = ∫ 𝑥(𝑡) 𝜓𝑠,𝑗 (𝑡)𝑑𝑡  (8) 

O sinal cS pode ser decomposto novamente como mostra a Figura 12 (b), 
podendo decompor o sinal inúmeras vezes, dependendo do grau de resolução 
que  se  quer  do  sinal.  Os  coeficientes  cSj  e  cDj,  mostram  o  número  de 
decomposições em um nível j e essa análise é conhecida como decomposição 
 31

em  árvore  (PENHA,  1999).  A  equação  9  é  a  equação  de  decomposição 

recursiva,  a  decomposição  é  o  meio  adotado  para  aumentar  a  resolução 
(ARAÚJO, 2009). 
∞ ∞ 𝐽−1

𝑥(𝑡) = ∑ 𝑠𝑗0 [𝑘]𝜙𝑗0 (𝑡 − 𝑘) + ∑ ∑ 𝑑𝑗 [𝑘]𝜓𝑗 (𝑡 − 𝑘)  (9) 

𝑘=−∞ 𝑘=−∞ 𝑗=𝑗0
Figura 12 – Bloco básico de decomposição e decomposição em árvore. 

 
Fonte: Penha (1999). 

O sinal é reconstruído de forma inversa através da transformada wavelet 
inversa  (IDWT)  e  poderá  ser  recuperado  pela  soma  dos  sub­sinais  com  as 
diferentes escalas, conforme equação 10 e a energia do sinal pode ser definida 
como a soma quadrática da sua amplitude demonstrada na equação 11 (PENHA, 
1999).  
𝑥(𝑡) ≅ 𝑆𝑗 (𝑡) + 𝐷𝑗 (𝑡) + 𝐷𝑗−1 (𝑡) + ⋯ + 𝐷1 (𝑡) (10) 
𝑁 𝑁 𝐽
2 2 2 (11) 
𝐸 = ∑|𝑥(𝑡)| = ∑|𝑆𝐽 (𝑡)| + ∑|𝐷𝑗 (𝑡)|
𝑡=1 𝑡=1 𝑗=1
 
Um  dos  métodos  de  análise  do  regime  fluidodinâmico,  é  por  meio  da 
energia  da  densidade  espectral  de  potências  de  funções.  O  método  pode  ser 
utilizado  para  identificar  em  qual  velocidade  acontece  a  transição  do  regime 
hidrodinâmico por meio da análise dos sinais de pressão do leito e sua energia. 
A  razão  de  energia  em  diferentes  níveis  é  relevante,  pois  indica  a  relativa 
distribuição de wavelet em diferentes escalas e pode ser usada como parâmetro 
de monitoramento. A equação 12 é referente ao perfil de energia de escala alta 
frequência (aproximação) e a equação 13 da escala baixa frequência (detalhe) 
(SHOU; LEU, 2005).  
 32

𝐸𝑗𝑠  (12) 
𝑒𝑗𝑠 =
𝐸
𝐷
𝐷
𝐸𝑗  (13) 
𝑒𝑗 =
𝐸
 
3.3.3.2  Entropia Wavelet de Shannon 

A escolha de uma wavelet mãe é uma tarefa difícil, pois existem muitas 
funções  com  propriedades  similares.  Para  a  escolha  de  uma  wavelet  é 
necessário que ela seja bem similar ao sinal. O erro absoluto da reconstrução do 
sinal  e  a  entropia  de  Shannon  são  comumente  usados  para  definir  a  melhor 
escolha da função wavelet a ser usada no processamento. Em se tratando da 
entropia  de  Shannon,  esta  é  uma  ferramenta  que  filtra  as  melhores  wavelet 
medindo a desordem do sistema (KUMAR et al., 2014). 

A  entropia  de  Shannon  reporta  as  irregularidades  de  um  sistema  não 
estacionário,  logo  a  energia  do  sistema  pode  servir  como  um  critério  para 
selecionar a wavelet mais adequada para o sinal (GAO; YAN, 2011; JAYASREE; 
DEVARAJ; SUKANESH, 2009).  

A escolha de uma função wavelet é realizada por meio da combinação de 
dois  critérios:  máximo  critério  de  energia  e  mínimo  critério  de  energia  de 
Shannon.  O  máximo  critério  de  energia  seleciona  a  wavelet  que  retêm  mais 
quantidade  de  energia  do  sinal  e  o  mínimo  critério  de  energia  de  Shannon 
seleciona a wavelet que minimiza a entropia dos coeficientes da wavelet (GAO; 
YAN,  2011).  Segundo  GAO  e  YAN  (2011)  a  energia  de  distribuição  dos 
coeficientes  da  wavelet  é  representada  pela  equação  14,  sendo  pi  a 
probabilidade de distribuição da energia. 

𝐻(𝑠) = − ∑ 𝑝𝑖 𝑙𝑜𝑔2 (𝑝𝑖 )  (14) 

𝑖=1
A  aplicação  da  entropia  de  Shannon  associada  com  a  transformada 
wavelet, pode ser realizada por meio da razão de energia do sinal, conforme as 
equações 12 e 13, em que o valor da probabilidade é substituído pelas razões 
energia  do  sinal,  obtendo­se  a  entropia  de  wavelet  (WE)  de  Shannon,  como 
representada na equação 15. Um sinal em que é composto pela contribuição de 
todas as bandas de frequência apresenta o valor de entropia  wavelet máximo, 
 33

enquanto um sinal período com uma única banda de frequência, resulta em um 
valor próximo a zero (RÓDENAS et al., 2015). A combinação dos dois critérios 
leva  a  razão  entre  a  energia  de  Shannon  e  a  entropia,  a  qual  é  definida  pela 
equação  16.  A  medida  da  razão  entre  a  energia  de  Shannon  e  a  entropia 
seleciona  a  wavelet  com  o  maior  valor  de  R(s).  Essa  wavelet,  portanto,  seria 
considerada a mais apropriada para a reconstrução do sinal analisado. (GAO; 
YAN, 2011). 

𝑊𝐸 = − ∑ 𝑒𝑗𝐷 𝑙𝑜𝑔(𝑒𝑗𝐷 ) (15) 

𝑗=1
𝐸(𝑠) (16) 
𝑅(𝑠) =
𝑊𝐸(𝑠)  
3.3.3.3  Escala dos Fenômenos no Leito Fluidizado e a Transformada de 
Wavelet 

No estudo dos fenômenos durante os processos elementares é usual a 
adoção de escala atômica ou molecular, porém ao considerar esses fenômenos 
nas  operações  industriais  para  análise  de  ciclo  de  vida  do  processo  e  do 
desenvolvimento sustentável, é considerado o uso de macroescalas. A variação 
dessa  escala  é  um  meio  para  entender  os  mecanismos  que  ocorrem  em  um 
processo  complexo.  Na  fluidização  gás­sólido  uma  parcela  da  energia  da 
entrada é dissipada para manter a estrutura heterogênea, e somente uma parte 
é  aplicada  no  transporte  de  massa.  É  difícil  aplicar  uma  escala  unificada  que 
atenda  as  descrições  das  duas  fases  na  fluidização,  com  isso  empregar  um 
método capaz de analisar as tendências dessa estrutura heterogênea é uma das 
razões de utilizar a transformada de wavelet no estudo de monitoramento de leito 
fluidizado (GE et al., 2019; LI, 2000).  

A  heterogeneidade  do  processo  fluidodinâmico  caracteriza  uma 

complexidade  para  o  estudo  da  múltipla  escala  do  processo  devido  ao  seu 
comportamento  não­linear.  Com  isso,  é  proposto  que  a  dinâmica  do  leito 
fluidizado  seja  apresentada  em  três  escalas:  microescala,  mesoescala  e 
macroescala,  após  a  aplicação  dessa  resolução  o  estudo  do  regime 
fluidodinâmico torna­se mais fácil (ZHAO; YANG, 2003). 
 34

Li  (2000)  apresentou  uma  análise  de  multi­escala  de  partícula  para 
estrutura heterogênea presente no leito fluidizado sendo possível distinguir três 
escalas  básicas:  micro,  meso  e  macro,  conforme  ilustrado  na  Figura  13.  Na 
microescala  ocorrem  diferentes  mecanismos  entre  a  interação  sólido­fluido, 
pode haver interações partícula­partícula e partícula fluido. Na fase densa existe 
o  predomínio  das  partículas  e  na  fase  diluída  o  predomínio  do  fluido.  A 
mesoescala é caracterizada pelo comportamento ordenado das interações entre 
as duas fases, predominam as interações de blocos de partículas (clusters) com 
fase  fluida,  porém  mudanças  irregulares  são  refletidas  na  mesoescala  onde 
ocorre complexas variações da pressão no leito fluidizado. E na macroescala é 
realizada a leitura global entre as interações como o efeito do equipamento no 
fenômeno de fluidização das partículas (LI, 2000; SILVA, 2015). 

Como forma de fazer uma leitura entre as interações partículas­partículas; 
partícula­fluído  e  partícula  e  fluído  com  o  equipamento  a  análise  da  estrutura 
hidrodinâmica torna­se importante no estudo da transação do regime do leito. 

Figura 13 – Três escalas na estrutura heterogênea do leito fluidizado.  

 
Fonte: Silva (2015) apud Li (2000).  
 35

4  METODOLOGIA E ESTRATÉGIA DE AÇÃO 

Este  trabalho  teve  como  propósito  principal  a  aplicação  de  métodos 

computacionais (de forma off­line) para o processamento e análise de sinais de 
flutuação de queda de pressão, obtidos por Silva (2009) em um leito fluidizado. 
O autor do trabalho coletou sinais de pressão em ensaios com leito seco e úmido. 
Este  trabalho  focou  sua  linha  de  ação  no  processamento  dos  ensaios  de 
recobrimento  (leito  úmido).  Nos  ensaios  foram  avaliados  os  regimes 
fluidodinâmicos desenvolvidos, usando a transformada wavelet. 

4.1  Materiais Particulados Usados por Silva (2009) 

As partículas de celulose microcristalina utilizadas nos experimentos de 
Silva (2009) foram da marca MicroCell 500 da empresa Blanver farmoquimica. 
As partículas foram peneiradas e separadas na faixa 300 a 350 μm de diâmetro. 
A escolha do material de alta porosidade e média esfericidade, como a celulose 
microcristalina  são  características  que  favorecem  o  processo  o  regime 
borbulhante no leito, além da baixa densidade aparente, tornando­se um material 
do  Grupo  B,  segundo  a  classificação  de  Geldart  (1986),  sendo  ótimo  material 
para fluidização do tipo borbulhante 

4.2   Sistema Experimental Usado por Silva (2009) 

O  sistema  experimental  utilizado  nos  ensaios  de  Silva  (2009), 

essencialmente  foi  composto  por  um  leito  fluidizado  cilíndrico  construído  em 
acrílico Plexiglas, ligado a um ciclone Lapple. Um compressor radial Ibram® de 
4  cv  de  potência  forneceu  a  vazão  de  ar  necessária  para  o  leito  fluidizado.  A 
vazão de ar era medida por uma placa de orifício e ajustada precisamente por 
um inversor de frequência Danfos VLT® e Série 2800. Um banco de resistores 
elétricos aquecia o ar e por meio de um controlador PID NOVUS 1100, mantinha 
constante  a  temperatura  do  ar  na  câmara  plenum  do  leito.  Um  transdutor 
diferencial Cole e Parmer®, modelo 68014­18 com faixa de leitura de 0 a 6229 
Pa (sinal de saída de 4 a 20 mA) e tempo de resposta de 250 ms, foi usado para 
 36

as  medições  das  flutuações  de  pressão.  O  transdutor  foi  calibrado  com 
manômetro de tubo em U. 

4.3  Ensaios de Recobrimento Usado por Silva (2009) 

Os ensaios de recobrimento em leito úmido realizados por Silva (2009), 
tiveram o objetivo de determinar os instantes iniciais das transições de regime. 
Os ensaios sempre partiram das condições de regime borbulhante simples ou 
múltiplo  e  finalizaram  com  o  regime  de  leito  fixo,  por  causa  da  aglomeração 
excessiva introduzida pelo sistema de atomização aquoso. 

Durante o ensaio de recobrimento os parâmetros de massa de celulose 
microcristalina (ms), vazão de suspensão (Qsusp) atomizada dentro do leito e o 
excesso  de  velocidade  de  ar  em  relação  à  mínima  fluidização  (uo­umf)  foram 
variados;  a  pressão  de  atomização  de  ar  (Patmiz)  e  temperatura  na  câmara 
plenum mantiveram­se constantes em 15 psig e 70ºC, respectivamente.  

Nos  ensaios  de  recobrimento  foram  utilizadas  soluções  de  uma 

suspensão  polimérica  com  composição  básica  de  Eudragit®  L30­D55,  muito 
utilizada na indústria farmacêutica para o recobrimento de partículas. A cinética 
de aglomeração, isto é, a tendência de formação de partículas aglomeradas e 
consequentemente a transição do leito para o regime defluidização é mais rápida 
no  recobrimento  de  partículas,  por  isso  o  estudo  dispõe  de  uma  análise  mais 
detalhada desse processo. 

 Na Tabela 1 estão apresentados os parâmetros adotados no ensaio de 
recobrimento. Em todos os ensaios, os sinais de flutuação brutos do transdutor 
foram registrados e armazenados em volts em arquivos com extensão .txt. 

Para o ensaio de recobrimento o leito fluidizado foi alimentado com uma 
determinada massa de celulose e em seguida foi ajustada a vazão de ar de modo 
a  garantir  o  regime  de  fluidização  do  tipo  borbulhante  simples  ou  múltipla.  A 
temperatura da câmara plenum foi mantida por meio de um controlador PID. A 
descrição total dos ensaios pode ser consultada na tese de mestrado de Silva 
(2009). 

 
 37

Tabela 1  – Parâmetros utilizados para o processo de recobrimento.  

Ensaios  Ms (kg)  Qsusp (mL/mim)  uo­umf (m/s) 

1  0,90  10,0  0,20 

2*  0,90  10,0  0,16 

3  0,90  6,0  0,20 

4  0,90  6,0  0,16 

5  0,60  10,0  0,20 

6  0,60  10,0  0,16 

7  0,60  6,0  0,20 

8  0,60  6,0  0,16 

9  0,75  8,0  0,18 

10  0,75  8,0  0,18 

Fonte: Silva (2009). 
*Houve repetição do ensaio 2. 
 
4.4  Monitoramento do Regime de um Leito Fluidizado por Transformada 
Wavelet 

O  tratamento  dos  sinais de flutuação  de pressão  foi realizado  de  forma 

off­line,  empregando  o  toolbox  Wavelet  do  software  Matlab  para  o  cálculo  da 
transformada  wavelet,  a  fim  de  se  obter  um  maior  entendimento  dos  estudos 
anteriores  e  comparar  a  confiabilidade  na  detecção  das  transições  de  regime 
com a análise espectral que foram realizadas por Silva (2009). 

Foram coletados 2048 pontos de pressão com frequência de 400 Hz em 
uma câmera plenum de um leito fluidizado, por meio de sistema de aquisição de 
dados  da  National  Instruments  e  um  transdutor  diferencial  de  pressão  Cole 
Parmer.  

A análise de wavelet separa o sinal em sub­sinais contendo suas diversas 
bandas  de  frequência  características.  O  princípio  da  transformada  discreta  de 
wavelet é particionar o espectro do sinal entre sub­sinais de alta escala e baixa 
frequência  (Sj)  e  sub­sinais  de  pequena  escala  e  alta  frequência  (Dj).  A 
quantidade de sub­sinais influencia nas informações extraídas do leito, portanto 
nesse estudo, o sinal de flutuação de pressão foi decomposto em 10 sub­sinais 
(J  =  10),  como  mostra  a  Tabela  2,  objetivando  ter  uma  representação  mais 
precisa do sinal.  
 38

Tabela 2 – Faixa de frequência dos sub­sinais (J) em Hertz. 

J  S(j)  D(j) 
1  0 – 100  100 – 200 
2  0 – 50  50 ­ 100 
3  0 – 25  25 – 50 
4  0 – 12,5  12,5 – 25 
5  0 – 6,25  6,25 – 12,5 
6  0 – 3,125  3,125 – 6,25 
7  0 – 1,56  1,56 – 3,125 
8  0 – 0,78  0,78 – 1,56 
9  0 – 0,39  0,39 – 0,78 
10  0 – 0,19  0,19 – 0,39 
Fonte: Silva (2015) 

O  sucesso  da  aplicação  da  transformada  wavelet  depende  da  escolha 

mais adequada das funções wavelets e não há um procedimento padrão para 
isso.  Diversos  pesquisadores  utilizaram  a  transformada  wavelet  para  o 
processamento  dos  sinais  de  flutuação  de  pressão  em  leito  fluidizado,  e 
empregaram funções wavelet Daubechies para a reconstrução dos sinais. Karimi 
et al. (2011) utilizaram as funções wavelet Daubechie de terceira ordem (db3). 
Sheikhi  et  al.  (2013)  também  empregaram  funções  wavelet  Daubechies  em 
diferentes  ordens  para  o  processamento  de  sinais  de  flutuação  em  leito 
fluidizado.  Neste  trabalho, pretendeu­se  investigar para  qual ou  quais funções 
em suas diferentes ordens polinomiais, obtém­se uma melhor reconstrução dos 
sinais de flutuação de pressão. Sinais de pressão em um leito fluidizado estável 
apresentam uma característica não­periódica, em leito fluidizado instável e leito 
fixo tomam um perfil de sinais bastante aleatório e caótico, deste modo, funções 
wavelet Daubechies, Symlets, Coiflets, com baixa ordem, por exemplo, poderiam 
representar  a  dinâmica  de  processamento  dos  sinais  no  leito  fluidizado.  Os 
critérios utilizados na tomada de decisão da melhor função wavelet  foram pela 
análise da entropia wavelet de Shannon e pelo erro de reconstrução dos sinais. 

Neste trabalho, as razões de energias dos sub­sinais foram confrontadas 
com  a  frequência  média  Gaussiana  (análise  espectral  por  transformada  de 
Fourier). Também foram analisadas as evoluções das transições de regime por 
meio da entropia wavelet de Shannon e das estruturas de escala do leito (macro, 
meso e microestruturas).  
 39

5  RESULTADOS E DISCUSSÃO 

5.1  Escolha da Função Wavelet  

A partir dos resultados do erro da reconstrução do sinal, formato da função 
wavelet e a sensibilidade da entropia wavelet de Shannon foram selecionadas 
as subfamílias mais adequadas para cada família de função wavelet. As funções 
da  família  Biorthogonal  foram  descartadas,  pois  apesar  de  apresentarem  o 
menor valor do erro na construção do sinal, o formato do sinal reconstruído não 
se assemelhava ao sinal original. 

Avaliando  a  variação  dos  sinais quando  aplicada  a  entropia  wavelet  de 

Shannon  para  cada  família  e  subfamília,  foi  possível  ver  uma  tendência  de 
evolução  no  comportamento  dos  sinais  e  as  funções  que  demonstravam 
comportamento  diferente  do  esperado  eram  retiradas  da  análise.  O 
comportamento  esperado  era  uma  tendência  de  aumento  do  patamar  de 
entropia  em  função  do  tempo  de  recobrimento.  No  início  do  recobrimento  os 
sinais de pressão são mais periódicos e determinísticos. Quanto mais periódico 
é o sinal menor é seu valor de entropia  wavelet de Shannon. Deste modo, ao 
final do recobrimento, ocorre um ligeiro aumento. Usou­se esse parâmetro com 
uma medida inicial para avaliar a sensibilidade em prever a transição de regime. 
Dependendo  da  ordem  da  função  wavelet,  não  ocorria  nenhuma  modificação 
neste parâmetro, e portanto, esta ordem da família wavelet era descartada. 

Após esse filtro foram escolhidas a Coiflet ordem 3, Symlets ordem 10 e 
Daubechies  ordem  13.  Todas  estas  funções  se  mostraram  muito  promissoras 
para serem usadas como funções para a aplicação no estudo de monitoramento. 
Foram  sensíveis  para  mostrara  a  variação  de  uma  região  baixa  para  alta 
entropia, modificando­se o regime de leito fluidizado borbulhante para a região 
de defluidização; os erros de reconstrução foram bem baixos e os formatos muito 
coincidentes  com  os  sinais  originais.  Dessas  funções,  a  escolhida  para  a 
continuação  do  estudo  foi  a  Daubechies  ordem  13,  pelo  fato  das  funções 
Daubechies serem recomendadas para o processamento de sinais digitais em 
diversos estudos usando a operação de fluidização (Xi et al., 2018), além de ser 
a que apresentou o segundo menor erro da reconstrução do sinal dentre as três. 
A Tabela 3 apresenta o erro médio das funções wavelet Daubechies 13, Symlets 
 40

10  e  Coiflet  3  para  a  reconstrução  de  sinal  dos  ensaios  de  recobrimento.  A 
Biorthogonal proporcionou o menor erro, porém a reconstrução do sinal era no 
formato  pontiagudo  o  que  destoava  do  sinal  original,  e  apesar  do  sinal 
reconstruído  pelas  funções  Coiflet  serem  semelhantes  ao  sinal  original  é  a 
função que apresentou os maiores valores de erro na reconstrução do sinal.   

Tabela 3 – Erro médio da reconstrução de sinal função Daubechies 13, Symlets 10 e Coiflet 3. 

Ensaio  Daubechies 13  Symlets 10  Coiflet 3 

1  1,318E­11  2,099E­12  8,999E­11 
2  1,382E­11  2,260E­12  9,360E­11 
3  1,218E­11  2,060E­12  8,451E­11 
4  1,305E­11  2,098E­12  8,335E­11 
5  8,820E­12  1,528E­12  6,043E­11 
6  9,001E­12  1,470E­12  5,198E­11 
7  8,502E­12  1,560E­12  5,871E­11 
8  7,554E­12  1,214E­12  4,827E­11 
9  9,521E­12  1,634E­12  6,783E­11 
10  1,128E­11  1,806E­12  8,305E­11 
 

5.2  Análise do Sinal e Sub­sinais  

A  Figura  14  demonstra  como  foi  feita  a  decomposição  do  sinal  para  a 
primeira amostra do recobrimento 1. As Figura 15 e Figura 16 mostram o sinal 
de  pressão  original  e  as  dez  decomposições,  realizadas  pela  transformada 
wavelet,  para  os  ensaios  1,  3,  5  e  7,  sendo  as  Figura  15  (a),  Figura  15  (b)  e 
Figura  15  (c)  referentes  aos  momentos  do  início  do  processo,  início  da 
defluidização  e  região  de  defluidização  crítica  (ponto  mínimo  de  frequência 
média Gaussiana) para o ensaio 1 e respectivamente aos outros ensaios, assim 
como apresentado no apêndice nas Figura A 1, Figura A 2, Figura A 3 e Figura 
A 4 A observação direta do sinal de pressão no domínio do tempo permite uma 
avaliação preliminar da qualidade do regime fluidodinâmico e de quais escalas 
de frequência são de fato mais relevantes para esta avaliação de qualidade.  É 
conhecido  que  em  regime  de  fluidização  borbulhante,  os  sinais  de  pressão 
guardam  certas  características  periódicas,  com  grandes  amplitudes  de 
oscilação, como se pode ver nas Figura 15 e Figura 16. Conforme o processo a 
avança pela adição de suspensão de recobrimento, modificações no regime são 
percebidas  visualmente,  como  aparecimento  de  regiões  estagnadas,  canais 
 41

preferenciais e aglomeração de partículas.  Nas Figura 15 e Figura 16 nota­se 
que os sinais são mais aleatórios, as amplitudes são mais dispersas. É possível 
identificar nas Figura 15 (a) e Figura 16 (a) que o sub­sinal 6 (D6) segue o mesmo 
formato  de  evolução  do  sinal  original  essencialmente  durante  o  início  da 
fluidização em todos os ensaios. Essa semelhança no formato é justificada pelo 
fato da escala de frequência D6 (3,125 a 6,25 Hz) estar próxima a frequência 
central do leito borbulhante, que é a condição inicial de partida do processo de 
recobrimento  (Silva,  2015).  Com  o  processamento  da  reconstrução  do  sinal, 
percebe­se que a magnitude do sub­sinal D6 diminui e os sub­sinais de alta e 
baixa  frequência  ganham  importância  em  termos  de  amplitude,  o  que  indica 
alterações no regime do leito, como o aparecimento da defluidização.  

Parâmetros  como  a  estrutura  heterogênea  da  fluidização,  turbulência  e 

aglomeração  estão  intimamente  relacionadas  com  as  variações  no  sinal  de 
pressão.  Contudo,  com  a  análise  apenas  do  sinal,  às  vezes  não  é  possível 
identificar  a  ocorrência  desses  fenômenos,  bem  como  o  início  do  regime  de 
defluidização. Aplicando­se a transformada wavelet consegue­se converter um 
sinal  no  domínio  do  tempo  para  o  domínio  tempo­frequência  e  devido  ao 
algoritmo  de  filtragem,  é  possível  enxergar  fenômenos  que  não  são  vistos  de 
forma global no sinal original. (Chen et al., 2016; Xi et al., 2018) 

   
 43

Figura 15 – Representado do sinal e sub­sinais para o ensaio 1 e ensaio 3. 

 
 44

Figura 16 – Representado do sinal e sub­sinais para o ensaio 5 e ensaio 7. 

 
 45

5.3  Análise Wavelet e Comparação com Análise Espectral 

A partir da Tabela 2, a qual demonstra as escalas de frequência para cada 
um dos 10 sub­sinais utilizados e a determinação das razões de energia de cada 
sub­sinal,  foi  possível  construir  os  histogramas  da  distribuição  percentual  da 
energia  contida  nos  sub­sinais  para  os  ensaios  de  recobrimento.  A  Figura  17 
representa os histogramas para os ensaios 1, 3, 5 e 7, no apêndice as Figura A 
5  e  Figura  A  6  estão  representado  os  histogramas  aos  demais  ensaios.  Os 
pontos escolhidos para montar o histograma foram: o início do processo, no qual 
o leito está em regime fluidizado borbulhante; o momento em que o leito começa 
a  defluidizar,  baseado  em  observações  experimentais  coletadas  por  Silva 
(2009);  e  o  ponto  onde  há  a  defluidização  mais  crítica,  o  ponto  em  que  a 
frequência média Gaussiana (FMG) teve seu menor valor durante os ensaios de 
recobrimento. 

Analisando a Figura 17, ao início de cada ensaio é possível visualizar que 
o  sub­sinal  6  se  destaca,  pois  tem  maior  porcentagem  de  razão  de  energia 
quando  comparado  aos  outros  sinais,  e  isso  se  deve  ao  fato  desse  sub­sinal 
estar  em  uma  faixa  de  frequência  mais  próxima  a  frequência  de  vibração 
esperada  de  um  leito  fluidizado  borbulhante  (HERNÁNDEZ,  2014).  Nesse 
período inicial, o que se nota é uma fluidização com bolhas de ar de diferentes 
tamanhos  em  todo  diâmetro  do  leito,  que  se  estendem  até  a  superfície. 
Comparando os ensaios 1 e 3 com os ensaios 5 e 7 é possível observar maior 
influência dos outros sub­sinais logo no início do processo, como o ensaio 1 e 3 
tem massa de 900g e os ensaios 5 e 7 tem massa de 600g, essa variação de 
massa pode ser uma das possíveis causas de maior porcentagem da razão de 
energia dos outros sub­sinais.  

Nos pontos iniciais da defluização é possível observar maior distribuição 
da razão de energia entre os sub­sinais e fica mais evidente para os ensaios com 
menor massa. Essa distribuição de energia, especialmente nos sub­sinais que 
têm  menores  frequências,  pode  revelar indícios  de  aglomerações em  cima  do 
distribuidor  formando  canais  preferenciais,  e  esses  canais  também  podem 
causar significante aumento na contribuição do sub­sinais de baixa frequência 
(HERNÁNDEZ, 2014).  
 46

No ponto crítico de defluidização,  foi possível visualizar que o sub­sinal 
D6 já não se destaca mais sendo sua contribuição menor que 25% nos 4 ensaios 
analisados. No entanto, os sub­sinais 8, 9, 10 e 11, no início do processo têm 
suas contribuições abaixo de 5% e na defluidização crítica os ensaios mostram 
grande  aumento  da  porcentagem  de  energia  devido  à  instabilidade  do  leito. 
Esses  resultados  demonstram que ocorre uma  transferência de  energias  para 
outros  sub­sinais  (outras  escalas  de  frequência),  que  passam  a  descrever  o 
comportamento  de  baixa  frequência  do  leito,  como  o  aparecimento  de  canais 
preferencias  e  aglomeração,  situações  estas  instáveis  que  prejudicam  o 
desempenho do processo (HERNÁNDEZ, 2014). 

A Figura 18 mostra a razão de energia dos sub­sinais, comparando com 
a frequência média Gaussiana (FMG) (Silva, 2009), que usa analise espectral, 
em função  do  tempo de  recobrimento.  Desta  forma,  é possível  acompanhar o 
processo e analisar o comportamento das diversas escalas de frequência, com 
vistas a determinar o momento exato do aparecimento da defluidização. A seta 
vertical marca o momento em que começa ocorrer a defluidização, validado por 
observações experimentais coletadas por Silva (2009). O período anterior à seta 
é  o  intervalo  de  tempo  em  que  ocorreu  o  regime  borbulhante  e  é  possível 
observar  que  durante  esse  regime  a  frequência  média  Gaussiana  está 
aproximadamente entre 6,0 a 7,0 Hertz em todos os ensaios. Após este marco 
a FMG começa a decair e sistema entra em defluidização. 

Os  ensaios  5  e  7  tiveram  uma  menor  queda  de  frequência  média 

Gaussiana durante a defluidização. Isso ocorreu devido a escolha da condição 
operacional  dos  ensaios,  em  que  se  utilizou  uma  massa  de  celulose 
microcristalina de 600g. Nestes ensaios com carga menor, a secagem ocorreu 
mais  facilmente,  conduzindo  ao  que  foi  chamado  pelo  autor  de  defluidização 
parcial, levando a uma menor possibilidade de formação de canais preferenciais 
e  aglomeração.  Observando­se  as  filmagens  dos  ensaios  5  e  7  foi  possível 
visualizar que mesmo durante a defluidização, ainda houve vibrações do leito e 
 47

na superfície, juntamente com desaparecimento das bolhas, e por esta razão, a 
FMG não apresentou uma redução expressiva. 

Figura 17 – Histograma da distribuição porcentual da energia nos sub sinais para o ensaio 1 de 
recobrimento pela db13. 

Parise (2007) mostrou que a metodologia de  análise espectral Gaussiana é 
eficiente  para  quantificar  o  momento  da  transição  de  regime  para  quando 
relações altura do leito fixo e diâmetro do leito são maiores do que 1.  
 48

Apesar da análise espectral ser um método muito utilizado para a análise 
de leitos fluidizados, a Figura 18 mostra uma falha dessa técnica, pois é possível 
observar que quando o leito está defluidizado ao final do processo, a FMG volta 
a subir e chega a atingir valores de frequência esperada para o leito fluidizado É 
possível observar esse comportamento em quase todos os ensaios. Isso ocorre 
por causa do aumento de frequências mais altas e consequentemente o ajuste 
da metodologia Gaussiana desloca­se para a região de frequências próximas à 
6,0  e  7,0  Hz.  Dessa  forma,  a  análise  wavelet  destaca­se,  pois,  é  possível 
observar  sub­sinais  que  a  partir  do  momento  que  modificam  seu  patamar  de 
razão de energia, decrescem, mantendo esta tendencia de evolução até o final 
do ensaio.   

Como  previsto  anteriormente,  o  sub­sinal  D6  se  destacou  pela  sua 

robustez na detecção da defluidização, pois essa escala de frequência parece 
ser  de  fato  a  que  mede  a  interação  das  bolhas  com  a  fase  particulada. 
Observando a Figura 18, e no apêndice com a Figura A 7 e Figura A 8, percebeu­
se que durante o regime borbulhante, o sub­sinal D6 tem, de maneira geral, um 
patamar de energia acima dos 30% e abaixo dos 70%. Quando o sistema entra 
em  defluidização  a  porcentagem  desse  sub­sinal  decresce  e  cai  para  valores 
bem  abaixo  de  30%,  demonstrando  assim  ser  um  bom  indicativo  para 
demonstrar quando o sistema entra em defluidização.  

Do mesmo modo acontece para o sub­sinal D5, durante a fluidização é 
possível ver que ele tem uma alta representatividade na razão de energia e uma 
queda  de  energia  na  defluidização,  contudo  essa  queda  em  alguns  casos  só 
ocorre no início da defluidização, pois como é possível observar no ensaio 5 e 7 
ao final do processamento o sub­sinal volta a subir e isso demonstra as mesmas 
dificuldades apresentadas pelo método da Gaussiana. 
 49

Figura  18  –  Relação  entre  a  razão  de  energia  dos  sub­sinais  com  a  Frequência  Média 
Gaussiana (FMG). 

 
 50

Na Figura 18, referente ao ensaio 1, tanto o comportamento citado do sub­
sinal D6 como do sub­sinal D5 é observado a partir do início da defluidização em 
28 minutos, ou seja, as razões de energia desses sub­sinais caem. Enquanto na 
mesma figura, referente ao ensaio 3, apesar do D5 decair logo após transição 
do  regime  em  74  minutos,  seu  decaimento  não  é  tão  expressivo  aponto  de 
indicar a transição do regime como o D6. Diferentemente dos ensaios 5 e 7, onde 
a  razão  de  energia  D5  tem  o  mesmo  comportamento  da  frequência  média 
Gaussiana,  ao  atingir  o  início  da  defluidização  em  26  e  86  minutos, 
respectivamente,  seu  valor  caiu,  porém,  voltou  a  atingir  o  mesmo  patamar do 
regime borbulhante. Isso reforça o bom desempenho do D6 como uma variável 
que indica a transição do regime, mesmo quando o leito atinge uma defluidização 
parcial como ocorreu nos ensaios 5 e 7. 

O A11, aproximação do sub­sinal D10, no início do processo não é muito 
aparente,  no  entanto  ao  ocorrer  a  defluidização  é  possível  ver  aumento  e 
diminuições de energia, podendo ser um indicativo de defluidização do sistema. 

5.4  Análise Entropia Wavelet de Shannon 

A análise da entropia de Shannon possibilita registrar as irregularidades 
de um sistema transiente. O perfil da entropia wavelet de Shannon nos ensaios 
estudados  tiveram  um  leve  aumento  tendendo  a uma  estabilidade,  mostrando 
que  a  dinâmica  dos  sinais  se  tornou  mais  aleatória  e  complexa  com  o 
aparecimento  dos  fenômenos  de  defluidização.  A  queda  e  a  estabilidade 
visualizadas  nos  perfis  pode  estar  relacionada  com  a  formação  de  caminhos 
preferenciais e o fenômeno de aglomeração, pois as quedas mais acentuadas 
estão na região de defluidização do leito. No início do processo de recobrimento, 
os valores de entropia wavelet de Shannon apresentam um patamar mais baixo, 
como observando na Figura 19 e no apêndice nas Figura A 11 e Figura A 12. 
Analisando  de  forma  geral  todos  os  ensaios,  parece  que  valores 
aproximadamente abaixo de 2,0 bits caracterizam situações estáveis do regime 
fluidodinâmico, como a ocorrência periódica de coalescência e quebra de bolhas, 
com nenhuma perturbação sobre o sistema particulado, uma vez que o sistema 
está cerca de 7,5 vezes a velocidade de mínima fluidização do processo (KANG 
 51

et al., 2020). Somente os ensaios 5 e 7, com massa da celulose microcristalina 
de 600g, que não seguem tão claramente esse comportamento.  

O  perfil  de  Shannon  não  foi  considerado  suficiente  para  identificar  os 
momentos  iniciais  da  transição  do  regime  do  leito,  pois  houve  uma  detecção 
tardia em alguns dos ensaios, portanto, caracterizando­se não ser um parâmetro 
de rápida advertência do fenômeno de defluidização.  

Figura 19 – Entropia wavelet de Shannon pelo tempo. 

 
 52

5.5  Análise das Estruturas Hidrodinâmicas de Escala: Microescala, 
Mesoescala e Macroescala 

O  monitoramento  da  transição  do  regime  do  leito  fluidizado  avaliando 

somente as razões de energia dos sub­sinais solicita uma análise aprofundada 
para poder correlacionar o comportamento de cada sub­sinal com a dinâmica de 
fluidização  do  leito,  uma  vez  que,  nem  todos  os  sub­sinais  demonstram  um 
desempenho  considerado  robusto,  isto  é,  que  tenha  o  mesmo  perfil  dinâmico 
independente  das  condições  operacionais  do  recobrimento.  Algumas  escalas, 
tais como os sub­sinais D7, no geral aumentam seu conteúdo nas proximidades 
da defluidização e depois reduzem seu patamar de energia no final do processo. 
Este comportamento pode até estar relacionado ao aumento e redução da altura 
do  leito  com  o  tempo,  enquanto  outras  escalas  permanecem  praticamente 
inalteradas, com a mudança da condição operacional. Assim, a análise da razão 
de energia por grupos de escalas de frequência apresenta­se como uma técnica 
com  potencial  mais  promissor  na  identificação  dos  momentos  iniciais  da 
transação do regime do leito.   

A  definição  de  escala  é  um  modo  de  categorizar  os  fenômenos  de 
interação  entre  as  fases  particulada  e  fluida  em  níveis  de  dominância.  A 
microescala  abrange  as  altas  frequências,  a  mesoescala  frequências 
intermediarias e a macroescala compreende a região de baixas frequências (Xi 
et al., 2018). Sendo cada escala responsável pela tradução do comportamento 
de algum nível da dinâmica do leito, a microescala representa a interação entre 
partícula­partícula; a mesoescala, a interação entre a fase fluida e a fase densa, 
ou  seja,  a blocos  de  partícula e  fluído;  e  a macroescala  representa  o  sistema 
particulado global, a interação entre as partículas e aparato externo (Ren et al., 
2001). 

Para definir cada uma das 3 estruturas de escala para o sistema estudado 
neste  parâmetro,  considerou­se  como  microescala  a  soma  das  razões  de 
energia  dos  4  primeiros  sub­sinais  (12,5  a  200  Hz);  mesoescala  a  soma  das 
razoes de energia dos sub­sinais de 5 ao 7 (1,56 a 12,5 Hz) e macroescala, a 
soma das razoes de 8 a 10A (0,19 a 1,56 Hz). Observou­se em todos os ensaios, 
que a escala que demonstrou ter um grande potencial para predizer a transição 
do  regime  é  a  mesoescala.  As  componentes  de  energia  associadas  à 
 53

microescala são muito fracas durante todo o processo e não indicam qualquer 
alteração  do  regime.  Isso  é  justificado  pela  escala  indicar  os  efeitos  de 
fenômenos de ruídos do soprador de ar, que são característicos de frequências 
mais  altas.  A  macroescala  apresentou  um  comportamento  oposto  a 
mescoescala o que pode ser justificado pela conservação de energia do sistema 
(Ren et al., 2001) como indicado na  Figura 20 e no apêndice na Figura A 9 e 
Figura A 10. 

Comparando o método da frequência média Gaussiana com a razão de 
energia das diferentes escalas, a variável da razão de energia da mesoescala 
também  indica  de  forma  confiável  o  momento  da  transição  e  apresenta  um 
desempenho  melhor  que  o  método  da  Gaussiana.  Após  iniciar o  processo  de 
defluidização  a  razão  de  energia  da  mesoescala  cai  em  todos  os  ensaios,  e 
mesmo apresentando uma tendência de aumento após o início da defluidização, 
seu valor não atinge o mesmo patamar registrado no regime borbulhante. Nos 
ensaios em que foram observadas defluidização parcial, ensaios 5 e 7, a análise 
pelas escalas também demonstrou ser aplicável na identificação da transição do 
regime como observado na Figura 20. 
 54

Figura 20 – Relação das estruturas hidrodinâmicas de escalas pelo tempo. 
 55

6   CONCLUSÃO 

O  principal  objetivo  do  trabalho  foi  analisar  se  a  transformada  wavelet 

serviria  como  técnica  para  predizer  os  momentos  iniciais  das  transições  de 
regime  fluidodinâmico  em  processos  de  recobrimento.  Uma  vez  escolhida  a 
função  wavelet  Daubichies  ordem  13,  diversas  maneiras  de  entender  as 
transições de regime foram realizadas.  

Analisando  primeiramente  o  comportamento  dos  sub­sinais  e  como 

seguiam a tendência do sinal original, foi possível observar que há fortes indícios 
de quando o processo entra em defluidização, devido a perda de similaridade do 
sinal  original  com  o  sub­sinal  D6,  contudo  este  tipo  de  análise  é  bastante 
subjetiva e não é suficiente para de fato descobrir o momento da transição. 

Em  seguida,  a  análise  do  histograma  da  razão  de  energia  também  deu 
indícios de quando o leito está defluidizado, pois quando o leito está fluidizado é 
possível  observar  que  o  sub­sinal  D6  tem  maior  porcentagem  da  razão  de 
energia,  demonstrando  um  perfil  de  distribuição  semelhante  a  uma  curva 
Gaussiana, portanto, esta análise serve para mostrar de uma forma muito mais 
clara,  como  os  diferentes  conteúdos  de  frequencia  tornam­se  cada  vez  mais 
dispersos com início da defluidização.  

Posteriormente,  comparando  a  razão  de  energia  dos  sub­sinais  com  a 

frequência média Gaussiana verificou­se que o sub­sinal D6 acompanha a FMG 
sendo um bom indicativo de quando o sistema entra em defluidização, pois ao 
contrário da FMG, a energia do sub­sinal D6 decai logo após o surgimento da 
defluidização  e  ainda  permanece  em  valores  com  baixo  patamar  mesmo  com 
aglomeração  acentuada.  Apesar  dos  outros  sub­sinais  também  possuirem 
potencial para indicar a defluidização; devido a quantidade de sub­sinais foi difícil 
observar o comportamento de todos e correlacionar com fenômenos específicos 
do leito. A análise sobre a entropia wavelet de Shannon também demonstrou ser 
um  parâmetro  útil  para  avaliar  a  condição  de  regime  fluidodinâmico  e  a 
defluidização,  contudo  não  apresentou  uma  robustez  na  detecção  inicial  de 
quando o leito entra em defluidização. 
 56

Analisando  o  comportamento  das  escalas,  foi  possível  identificar que  o 

comportamento  da  mesoescala,  pode  servir  ao  propósito  de  identificar  os 
momentos iniciais a defluidização. Os resultados da macroescala também tem 
indicativos quando o sistema está defluidizado, no entanto não foi tão assertivo 
quanto ao da mesoescala e os resultados da microescala não indicam qualquer 
alteração do regime. Portanto, a transformada de wavelet demonstrou ser uma 
ferramenta  adequada  para  analisar  os  sinais  de  pressão  do  leito  fluidizado  e 
predizer possíveis transições de regime de fluidização.  

6.1  Sugestão para Trabalhos Futuros 

A seguir sugestões para trabalhos futuros: 

•  Analisar as Funções Coiflet 3 e Symlet 10, para possíveis comparações 
com esse trabalho. 
•  Fazer análise wavelet sobre os dados de umedecimento e secagem; 
•  Aplicar a transformada TQWT (Tunable Q­Factor Wavelet Transform) nos 
sinais  de  recobrimento,  como  uma  forma  de  melhorar  a  predição  das 
transições.  

 
 57

REFERÊNCIAS BIBLIOGRÁFICAS 

ARAÚJO ROLIM, L. et al. Aplicações de revestimento em formas farmacêuticas 
sólidas na indústria farmacêutica, Rev. Bras. Farm., v. 90, n. 903, p. 224–230, 
2009. 

ADDISON,  P.  S.  The  Illustrated  Wavelet  Transform  Handbook.  2ª  ed. 
Edinburgh, CRC Press, 2017. 

AGHBASHLO,  M.  et  al.  Measurement  Techniques  to  Monitor  and  Control 
Fluidization Quality in Fluidized Bed Dryers: A Review. Drying Technology, v. 
32, n. 9, p. 1005–1051, 2014. 

AZIZPOUR, H. et al. Characterization of gas­solid fluidized bed hydrodynamics 
by  vibration  signature  analysis.  International  Journal  of  Multiphase  Flow,  v. 
37, n. 7, p. 788–793, 2011.  

CASTELANO,  C.  R.  Estudo  comparativo  da  transformada  wavelet  no 

reconhecimento  de  padrões  da  íris  humana.  Dissertação  de  Mestrado 
(Engenharia Elétrica) São Paulo, UNIVERSIDADE DE SÃO PAULO, 2006. 

CHE, H. Q. et al.  Monitoring a lab­scale wurster type fluidized bed process by 
electrical capacitance tomography.  Flow  Measurement  and Instrumentation, 
v. 62, n. September, p. 223–234, 2018. 

CHEN,  Y.,  CHEN,  W.,  GRACE,  J.  R.,  ZHAO,  Y.,  ZHANG,  J.,  &  LI,  Y.  (2016). 
Direct  resolution of differential pressure fluctuations  to  characterize  multi­scale 
dynamics in a gas fluidized bed. International Journal of Multiphase Flow, 85, 
380–394.  

DONIDA, M. W. Análise das Influências das Carcaterísticas do Sólido e da 
Suspensão  no  Processo  de  Recobrimento  em  Leito  de  Jorro.  Tese 
Doutorado  (Engenharia  Química),  Universidade  Estadual  de  Campinas, 
Campinas, 14, dez., 2004. 

FERNANDO,  A.  L.  Análise  Wavelet  Aplicada  a  Sinais  De  Flutuação  De 
Pressão Em Leito Fluidizado. Dissertação de Mestrado (Engenharia Química) 
Campinas, Universidade Estadual de Campinas, 21, jun.,2018. 

 
 58

FOROUGHI­DAHR,  M.;  SOTUDEH­GHAREBAGH,  R.;  MOSTOUFI,  N. 

Development  of  a  PAT  tool  for  monitoring  the  Wurster  coater  performance. 
International Journal of Pharmaceutics, v. 561, n. February, p. 171–186, 2019. 

GAO, R. X.; YAN, R. Wavelets Theory and Applications for Manufacturing. 
Springer, p. 231, 2011 

GABOARDI, C. Generalização e análise multirresolução de modelos digitais do 
terreno com base na transformada wavelet. Boletim de Ciencias Geodesicas, 
v. 17, n. 4, p. 643–644, 2009. 

GE,  W.  et  al.  Multiscale  structures  in  particle–fluid  systems:  Characterization, 
modeling, and simulation. Chemical Engineering Science, v. 198, p. 198–223, 
2019.  

GELDART, D. Types of Gas Fluidization. Powder Tecnology, v. 7, p. 285–292, 
1973. 

GÓMEZ­HERNÁNDEZ, J. et al. Multiresolution Analysis of a Drying Process in a 
Rotating­Distributor Fluidized Bed. Drying Technology, v. 34, n. 1, p. 119–131, 
2016.  

GUPTA,  C.;  SATHIYAMOORTHY,  D.  Fluid  Bed  Technology  in  Materials 

Processing. CRC Press LLC, p. 512, 1998.  

HERNÁNDEZ, J. G. Paste drying control rotating­distributor fluidizer bed.
ISE RESEARCH GROUP. Tese Doutorado, p.147, 2014.  
 
IVESON, S. M. et al. Nucleation, growth and breakage phenomena in agitated 
wet granulation processes: a review. Powder Technology, v. 117, n. 1–2, p. 3–
39, 2001. 

JAYASREE, T.; DEVARAJ, D.; SUKANESH, R. Classification of Transients using 
Wavelet  Based  Entropy  and  Radial  Basis  Neural  Networks.  International 
Journal of Computer and Electrical Engineering, v. 1, n. 5, p. 590–595, 2009.  

JIANG, H. et al. Wavelet based analysis of pressure fluctuation signals measured 
from a wind cap in bubbling fluidized bed.  IEEE International Conference on 
Mechatronics and Automation, ICMA, p. 1434–1438, 2012. 

 
 59

JOHNSSON,  F.  et  al.  Characterization  of  fluidization  regimes  by  time­series 
analysis of pressure fluctuations. International Journal of Multiphase Flow, v. 
26, n. 4, p. 663–715, 2000.  

KARIMI,  F.  et  al.  Monitoring  the  Moisture  Content  of  Solids  in  Fluidized  Bed 
Dryers by Analysis of Pressure Fluctuations. Drying Technology, v. 29, p. 1697­
1704, 2011. 
 
KLEINBACH,  E.;  RIEDE,  T.  Coating  of  solids.  Chemical  Engineering  and 
Processing: Process Intensification, v. 34, n. 3, p. 329–337, 1995.  

KUMAR, H. S. et al. Selection of mother wavelet for effective wavelet transform 
of  bearing  vibration  signals.  Advanced  Materials  Research,  v.  1039,  p.  169–
176, 2014.  

KUNII,  D.;  LEVENSPIEL,  O. Fluidization  Engineering.  2a,  Butterworth­

Heinimann series in chamical engineering, p. 121, 1991.  

LI, J. Compromise and resolution ­ Exploring the multi­scale nature of gas­solid 
fluidization. Powder Technology, v. 111, n. 1–2, p. 50–59, 2000. 

LIMA, P. C. DE. Wavelets: uma introdução. ICEX­UFMG, p. 25, 2012. 

LINK, K. C.; SCHLÜNDER, E. U. Fluidized bed spray granulation Investigation of 
the  coating  process  on  a  single  sphere.  Chemical  Engineering  and 
Processing: Process Intensification, v. 36, n. 6, p. 443–457, 1997.  

MILLÁN, J. M. V. Fluidization of Fine Powders. Springer, v 18, p.143, 2012 

PASSOS,  M.  L.;  BARROZO,  M.  A.  S.;  MUJUNDAR,  A.  S.  Fluidization 
Engineering Practice. Canadá. v. 53 ed.[s.n.], 2013 

PELL, M. Gas Fluidization. Handbook of Powder Technology. v. 8, p. 125,1990. 

PENHA,  R.  M.  L.  Análise  de  Sinais  em  regime  Transiente  Aplicando  a 
técnica de Wavelet, IPEN, p. 95, 1999.  

REN,  J.,  MAO,  Q.,  LI,  J.,  LIN,  W.  Wavelet  analysis  of  dynamic  behavior  in 
fluidized beds. Chemical Engineering Science, 56(3), 981–988, 2001. 
 
 60

SHABANIAN, J.; SAURIOL, P.; CHAOUKI, J. A simple and robust approach for 
early detection of defluidization. Chemical Engineering Journal, v. 313, p. 144–
156, 2017.  

SHEIKHI, A. et al. Frequency­based characterization of liquid­solid fluidized bed 
hydrodynamics  using  the  analysis  of  vibration  signature  and  pressure 
fluctuations. Powder Technology, v. 235, p.787­796, 2013. 

SHOU, M.C.; LEU, L.P. Energy of power spectral density function and wavelet 
analysis  of  absolute  pressure  fluctuation  measurements  in  fluidized  beds. 
Chemical Engineering Research and Design, v. 83, n. 5, p. 478­491, 2005. 

SILVA,  C.  A.  M.  Aplicação  de  Tecnologias  Analíticas  de  Processo  e 
Inteligência  Artificial  para  Monitoramento  e  Controle  de  Processo  de 
Recobrimento  de  Partículas  em  Leito  Fluidizado.  2015  Tese  de  Doutorado 
(Engenharia Química), Universidade Estadual de Campinas, Campinas, 25, fev. 
2015.  

VAN OMMEN, J. R. et al. Time­series analysis of pressure fluctuations in gas­
solid fluidized beds ­ A review. International Journal of Multiphase Flow, v. 37, 
n. 5, p. 403–428, 2011.  

XI, K.; LU, Y.; ZHANG, H. An investigation of the relationship between statistical 
analysis  and  multiscale  analysis  in  a  circulating  fluidised  bed.  Chemical 
Engineering Research and Design, v. 140, p. 175–193, dez. 2018. 

ZHANG,  J.  L.  et  al.  Investigation  of  wetting  and  drying  process  in  a  gas­solid 
fluidized bed by electrical capacitance tomography and pressure measurement. 
Powder Technology, v. 301, p. 1148–1158, 2016. 

ZHAO,  G­B.;  YANG,  Y.R.  Multiscale  Resolution  of  Fluidized­Bed  Pressure 

Fluctuations. AIChE Journal, v. 49, n. 4, p. 869­882, 2003. 
 
 65

Figura A 5 – Histograma da distribuição porcentual da energia nos sub sinais para os ensaios 2, 
2 repetição, 4 e 6 de recobrimento pela db13. 

 
 
 66

 
Figura A 6 – Histograma da distribuição porcentual da energia nos sub sinais para os ensaios 8, 
9 e 11 de recobrimento pela db13. 

 
 
 67

Figura A 7 – Relação entre a razão de energia dos sub­sinais com a frequência média gaussiana 
(FMG) pelo tempo para os ensaios 2, 2 repetição, 4 e 6 pela db13. 

 
 68

Figura A 8 – Relação entre a razão de energia dos sub­sinais com a frequência média gaussiana 
(FMG) pelo tempo para os ensaios 8, 9 e 10 pela db13. 
 69

Figura A 9 – Relação entre a escalas com a frequência média gaussiana (FMG) pelo tempo para 
os ensaios 2, 2 repetição, 4 e 6 pela db13. 

 
 70

Figura A 10 – Relação entre a escalas com a frequência média gaussiana (FMG) pelo tempo 
para os ensaios 8, 9 e 10 pela db13. 

 
 
 71

Figura A 11 – Entropia wavelet de Shannon pelo tempo para os ensaios 2, 2 repetição, 4 e 6 
pela db13. 

 
 72

Figura A 12 – Entropia wavelet de Shannon pelo tempo para os ensaios 8, 9 e 10 pela db13.