Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/66523
Title in Portuguese: Predição de retrolavagem de filtros em função da qualidade da água de irrigação
Title: Filter backwashing prediction as a function of irrigation water quality
Author: Passos, Mádilo Lages Vieira
Advisor(s): Sousa, Alan Bernard Oliveira de
Keywords: Agricultura irrigada
Inteligência Computacional
Filtragem
Irrigated agriculture
Computational Intelligence
Filtering
Issue Date: 2022
Citation: PASSOS, Mádilo Lages Vieira. Predição de retrolavagem de filtros em função da qualidade da água de irrigação. 2022. 88 f. Dissertação (Mestrado em Engenharia Agrícola) – Universidade Federal do Ceará, Fortaleza, 2022.
Abstract in Portuguese: Dividida em dois capítulos, esta pesquisa aborda aspectos técnicos do emprego de águas de qualidade inferior em sistemas de irrigação. No primeiro capítulo, objetivou-se a construção de uma sonda mutiparamétrica com hardware e software acessíveis, protocolos e pressuposições básicas da IoT (do inglês, Internet of Things) e desempenho segundo conceitos de lógica fuzzy. A sonda foi baseada na plataforma Arduino modelo Nano. Os sensores utilizados foram: sensor de pH (potencial hidrogeniônico), turbidez e o sensor de sólidos totais dissolvidos. Para transmissão de dados implementou-se o Bluetooth clássico (módulo HC-06) e o padrão 802.11 g/b/n, módulo ESP8266 (ESP-01). O padrão Wi-Fi (IEEE 802.11 g/b/n), via ESP8266 versão 01, apresentou os melhores resultados de consistência e eficiência de transmissão de informações, segundo a modelagem fuzzy. No segundo capítulo, averiguou-se tecnicamente a influência da qualidade da água na necessidade de limpeza em sistemas de filtragem com retrolavagem. Para tanto, a modelagem da pressão de retrolavagem foi realizada em função da qualidade da água e da carga de pressão na entrada de filtros de tela, via redes neurais artificias. As variáveis de qualidade de água foram mensuradas pela sonda multiparamétrica. As redes neurais artificiais do tipo multilayer perceptron feedfoward com arquitetura 2-4-1, exprimiram boa precisão na modelagem da evolução temporal da carga de pressão no sistema de filtragem de tela (120 mesh). O modelo para carga de pressão, a partir das características de qualidade da água pH, turbidez, sólidos totais dissolvidos e temperatura, expressou baixo desempenho.
Abstract: Divided into two chapters, this research addresses technical aspects of using inferior quality water in irrigation systems. In the first chapter, the objective was the construction of a multiparametric probe with accessible hardware and software, protocols and basic assumptions of IoT (Internet of Things) and performance according to fuzzy logic concepts. The probe was based on the Arduino Nano model platform. The sensors used were: pH sensor (hydrogen potential), turbidity and total dissolved solids sensor. For data transmission, classic Bluetooth (HC-06 module) and 802.11 g/b/n standard, ESP8266 module (ESP-01) were implemented. The Wi-Fi standard (IEEE 802.11 g/b/n), via ESP8266 version 01, presented the best results for consistency and efficiency of information transmission, according to the fuzzy modeling. In the second chapter, it was technically investigated the influence of water quality on the need for cleaning in filtering systems with backwash. For this purpose, backwash pressure modeling was expressed as a function of water quality and pressure load at the entrance of screen filters, via artificial neural networks. Water quality variables were measured using a multiparameter probe. Feedforward multilayer perceptron artificial neural networks with 2-4-1 architecture, expressed good precision in modeling the temporal evolution of pressure load in the screen filtering system (120 mesh). The pressure load model based on the water quality characteristics pH, turbidity, total dissolved solids and temperature, expressed poor performance.
URI: http://www.repositorio.ufc.br/handle/riufc/66523
metadata.dc.type: Dissertação
Appears in Collections:PPGENA - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2022_dis_mlvpassos.pdf2,15 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.