Uma nova metodologia para a medida não intrusiva da fração volumétrica e da área interfacial é proposta neste trabalho, com base em redes neurais para processar respostas obtidas de sinais acústicos. A distribuição geométrica das fases dentro do escoamento é mapeada pela velocidade local de propagação acústica, considerada na equação diferencial que governa o problema. Esta equação é resolvida numericamente pelo método de diferenças finitas com as condições de contorno reproduzindo a estratégia de pulso/eco. Um número significativo de distribuições das velocidades de propagação foi considerado na solução da equação diferencial para construir uma base de dados, da qual os parâmetros da rede podem ser ajustados. Especificamente, o modelo neural é construído para mapear características extraídas dos sinais obtidos de quatro sensores acústicos, localizados no contorno externo do domínio de sensoriamento, estimando a fração volumétrica e a área interfacial correspondentes. Estas características correspondem às amplitudes e aos tempos de chegada dos três maiores picos da onda acústica. Os resultados numéricos mostram que o modelo neural pode ser treinado em um tempo computacional razoável e é capaz de estimar os valores da fração volumétrica e da área interfacial dos exemplos do conjunto de teste.

A new methodology for measuring the volumetric fraction and interfacial area in two-phase flows is proposed in this work, based on neural network for processing the responses obtained from an acoustic interrogation signal. The geometrical distribution of the phases within the flow is mapped by the local acoustic propagation velocity which is considered in the governing differential equation. This equation is solved numerically by the finite difference method with boundary conditions reproducing the pulse/echo strategy. A significant number of propagation velocities distributions were considered in the solution of the differential equation in order to construct a database from which the neural model parameters could be adjusted. Specifically, the neural model is constructed to map the features extracted from the signals delivered by four acoustic sensors, placed on the external boundary of the sensing domain, into the corresponding volumetric fraction and interfacial area. These features correspond to the amplitudes and the times of arrival on the three first peaks of the acoustic wave. Numerical results showed that the neural model can be trained in a reasonable computational time and it is capable of estimating the values of the volumetric fraction and the interfacial area of examples of the set of test.