Elaboración del gemelo digital de un eyector de vapor mediante técnicas de aprendizaje automático

Abstract

En la actualidad, la Dinámica de Fluidos Computacional (CFD) es utilizada ampliamente en muchos campos a nivel industrial. Sin embargo, en muchas aplicaciones, la simulación de estos procesos conlleva un gran esfuerzo computacional. Esto hace que esta técnica pierda interés en ocasiones en las que se necesita una rápida disponibilidad de resultados del modelo, como en las aplicaciones de control. En este trabajo se realiza la implementación y validación del modelo CFD de un eyector de vapor de la literatura mediante el software comercial ANSYS Fluent para posteriormente crear su gemelo digital. Para ello se hará uso de dos herramientas, un Modelo de Orden Reducido (ROM) y una Red Neuronal; comparando las ventajas y desventajas que presentan cada una de estas técnicas.

Currently, Computational Fluid Dynamics (CFD) is widely used in many industrial fields. However, in many applications, the simulation of these processes needs excessive amounts of computational effort. As a consequence, this technique become less interesting on occasions when a quick availability of model results is needed, such as in control applications. In this project, the model of a vapour ejector from the literature is implemented and validated using the commercial software ANSYS Fluent, and later, creating its digital twin. For that purpose, two tools will be used, a Reduced Order Model (ROM) and a Neural Network comparing advantages and disadvantages that each technique presents.