Application of Computational Intelligence Techniques in Optimization and Inverse Heat Transfer Problems

Abstract

Computational Intelligence can be defined as a collection of methods that solve problems by means of intelligence, reasoning, and tolerance to imprecision. In this thesis, Computational Intelligence techniques such as optimization metaheuristics, neural networks, fuzzy logic, and bayesian inference are applied to solve inverse heat transfer problems. To achieve this, five case studies with that aim are presented. The first study deals with the problem of identification of contact failures in the bonding of different materials. This is formulated as an Inverse Heat Conduction Problem and solved with an Artificial Neural Network. The second one employs the Fuzzy Levenberg-Marquardt method with Tikhonov Regularization in order to solve a combined conduction-radiation inverse problem. In the third, the performance of the Topographical Global Optimization algorithm is compared when initialized with two different point generators and finalized with two different local search methods for the solutions of inverse heat transfer problems. The fourth study presents a method to predict the optimal value of the Tikhonov’s regularization parameter by solving simplified versions of the inverse problems considered, where tests are performed on three function estimation inverse heat transfer problems. In the fifth study, the formulation and solution of a bioheat transfer model of the brain containing a Deep Brain Stimulation (DBS) lead is presented and, furthermore, this solution is used for solving an inverse problem of determining the thermal and electrical conductivities of the brain tissue using measurements supposedly obtained with a sensor inside the DBS lead. In conclusion, this thesis shows the capabilities of various Computational Intelligence techniques in solving inverse heat transfer problems. The results presented contribute to two main categories: the field of inverse heat transfer, its applications in science and engineering; and the development of efficient computational procedures based on Computational Intelligence techniques.

La Inteligencia Computacional se puede definir como una colección de métodos que resuelven problemas mediante la inteligencia, el razonamiento y la tolerancia a la imprecisión. En esta tesis, se aplican técnicas de Inteligencia Computacional, como metaheurísticas de optimización, redes neuronales, lógica difusa e inferencia bayesiana, para resolver problemas inversos de transferencia de calor. Para esto, se presentan cinco estudios de caso con ese objetivo. El primer estudio se ocupa del problema de identificación de fallas de contacto en la unión de diferentes materiales. Esto se formula como un problema inverso de conducción de calor y se resuelve con una Red Neuronal Artificial. El segundo emplea el método difuso de Levenberg-Marquardt con regularización de Tikhonov para resolver un problema inverso combinado de conducción-radiación. En el tercero, se compara el rendimiento del algoritmo de optimización global topográfico cuando se inicializa con dos generadores de puntos diferentes y se finaliza con dos métodos de búsqueda local diferentes para las soluciones de problemas inversos de transferencia de calor. El cuarto estudio presenta un método para predecir el valor ´optimo del parámetro de regularización de Tikhonov resolviendo versiones simplificadas de los problemas inversos considerados, donde se realizan pruebas en tres problemas inversos de estimación de funciones. En el quinto estudio, se presenta la formulación y solución de un modelo de transferencia de calor biológico del cerebro que contiene un electrodo de Estimulación Cerebral Profunda (DBS) y, además, esta solución se utiliza para resolver un problema inverso de determinación de las conductividades térmicas y eléctricas del tejido cerebral utilizando mediciones supuestamente obtenidas con un sensor dentro del electrodo DBS. En conclusión, esta tesis muestra las capacidades de varias técnicas de Inteligencia Computacional en la resolución de problemas inversos de transferencia de calor. Los resultados presentados contribuyen a dos categorías principales: el campo de la transferencia de calor inversa, sus aplicaciones en ciencia e ingeniería; y el desarrollo de procedimientos computacionales eficientes basados en técnicas de Inteligencia Computacional.