Relatrio de Aterramentos Aluna: Ludmila Ferreira dos Anjos

Aterramentos, Engenharia de Controle e Automao - Prof. Pacheco Departamento de reas Acadmicas IV, Instituto Federal de Gois, Goinia, GO E-mail: ludmilafa@hotmail.com Submetido em 03/12/2013

Resumo Verificar a diferena comprovada atravs de clculos entre a RTD dois e a trs fios.
Palavras-chave: aterramentos, mtodo de Pirson, mtodo de Sunde, mtodo Otimizado.

1. Objetivos
Coletar dados do solo do Corpo de Bombeiros para uma analise minuciosa. Otimizar a preciso dos desvios entre as curvas de Resistividades Terica e Experimental atravs do desenvolvimento de uma modelagem matemtica apropriada, que permita a sua implementao numrica por mtodos computacionais de otimizao.

2. Procedimentos
Aps a turma ser dividida em quatro grupos, fomos ao corpo de bombeiros coletar os dados dos solos. Com a ajuda do terrmetro medimos sua resistncia

3. Resultados e discusses
3.1-Algoritmo de Sunde Considere um potencial eltrico Vp, em um ponto p devido a uma fonte pontual de corrente injetada em um ponto q, onde ambos os pontos, p e q, separados por uma distncia l, esto na superfcie de um solo formado por N camadas horizontais, como ilustrado na Fig. 1.1 (ORELLANA, 1974).

Figura 1.1- Solo estratificado em vrias camada horizontais

Alguns dados como o nmero de camadas, espessuras e resistividades que definem o meio que determinam univocamente a funo caracterstica. O valor da funo caracterstica exatamente o resultado obtido por Nt1, no algoritmo de Sunde, seguindo o sentido direto indicado na Fig. 1.2.

Figura 1.2 Algoritmo de Sunde

3.2 Comentrios sobre o cdigo

A partir do algoritmo de Pirson e do algoritmo de Sunde feitos pelo professor, tivemos apenas que modificar alguns dados que colhemos no campo. No cdigo SundeAlg.m mudamos os valores dentro do vetor x para x[res_camada hi], res_camada nos da a resistividade da camada e hi a profundidade da camada, esses valores encontramos no cdigo PirsonPacheco. Eram duas camadas. Aps o ajuste no cdigo plotamos o grfico para ver a diferena entre a curva terica e a pratica, figura2.1, para os primeiros valores medidos (Megger UFG). Com os valores do Megger IFG, o grfico pode ser visto na figura 2.2. Logo em seguida usamos o toolotimization do tool box do matlab para otimizar a funo, fazendo varias iteraes para observar a variao das curvas.

SundeAlg (Dados do Megger UFG)

x = [308.7687499999999 084.6920494248134 016.1151326530576 0.178552890963200 1.570632447528486 ] a = [0.5 1 2 4 ]; %distncia ROa = [166.9 104.7 60 27.8 ]; %dados experimentais CV = 0.1; NCam = (size(x,2) + 1)/2;

Figura 2.1- Curva experimental e terica(Dados Megger UFG)

SundeAlg (Dados do Megger IFG)

x = [308.7687499999999 084.6920494248134 016.1151326530576 0.178552890963200 1.570632447528486 ] a = [0.5 1 2 4 ]; ROa = [157.7 87.3 46.8 18.3 ]; %metodo de duas camadas pag 43 a3 e a4 CV = 0.1; NCam = (size(x,2) + 1)/2;

Figura 2.2- Curva experimental & terica (dados Megger IFG) Abaixo est os valores medidos e calculados na tabela referente ao meu grupo (grupo 2, subgrupo 1). a 0,5 1 2 4 4 R(MEGGER UFG) 166,9 104,7 60 27,8 23,3 R(MEGGER IFG) 157,7 87,3 46,8 18,3

Clculos Intermedirios 4**a*R 1048,663628 990,8583229 1315,699003 1097,044155 1507,964474 1176,21229 1397,380412 919,858329

1171,185741

sqr(a+4p) 0,538516481 1,019803903 2,009975124 4,004996879 4,004996879

sqr(4a+4p) 1,019803903 2,009975124 4,004996879 8,002499609 8,002499609

(2a)/sqr(a+4p) 1,856953382 1,961161351 1,99007438 1,997504678 1,997504678

(2a)/sqr(4a+4p) 0,980580676 0,99503719 0,998752339 0,999687646 0,999687646

(com dados do megger UFG)*m 558,8781079 669,1840878 757,268007 699,4536489 586,2327345

(com dados do megger IFG)*m 528,0711661 557,9729787 590,6690455 460,4317185