Resumen:
En el presente trabajo se expone la importancia en la determinación del gradiente de presión en flujos bifásicos, dentro de tuberías horizontales con fase líquida en alta viscosidad, para el transporte de petróleo pesado. El estudio se enfoca en la modificación al modelo de Lockhart-Martinelli (1949), específicamente la ecuación analítica propuesta por Chisholm (1967) para este modelo. La modificación fue realizada considerando un enfoque de aplicación al diseño ingenieril, de aplicación “sencilla” y que otorgara la capacidad de atender cualquier régimen de flujo para cada fase.
Esto se llevó a cabo mediante la programación y aplicación de una Red Neuronal Artificial, aprovechando las capacidades que esta herramienta matemática (perteneciente al campo de la inteligencia artificial) ofrece. Dentro de estas capacidades se puede destacar, su “adaptabilidad” y habilidad en la detección de patrones y generación de correlaciones que modelan fenómenos complejos y de múltiples variables. Por ello se aplicó, con el objetivo de aproximar el multiplicador multifásico utilizando una sola ecuación que describiera las combinaciones en régimen de flujo para cada fase, y de esta forma mejorar la predicción del gradiente de presión en flujos bifásicos con fase líquida de alta viscosidad (𝜇𝐿~10−3[𝑃𝑎 𝑠]), para posteriormente ser validado y comparado con el modelo Lockhart-Martinelli (1949) - Chisholm (1967), y el modelo (mecanicista) unificado de la universidad de Tulsa.
Descripción:
En el presente trabajo de obtención de grado , se realiza la evaluación experimental de correlaciones utilizadas en flujos multifásicos, para determinar la caída de presión en el transporte de hidrocarburos y se propone un modelo basado en Redes Neuronales Artificiales (inteligencia artificial); Para ello se instrumento un sistema experimental y se llevaron acabo experimentos que validaran el modelo y lo compararan con la corrleación de Lockhart-Martinelli y el modelo mecanicista de la universidad de Tulsa TUFFP