Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/12895 |
Resumo: | This master dissertation presents the study and implementation of inteligent algorithms to monitor the measurement of sensors involved in natural gas custody transfer processes. To create these algoritmhs Artificial Neural Networks are investigated because they have some particular properties, such as: learning, adaptation, prediction. A neural predictor is developed to reproduce the sensor output dynamic behavior, in such a way that its output is compared to the real sensor output. A recurrent neural network is used for this purpose, because of its ability to deal with dynamic information. The real sensor output and the estimated predictor output work as the basis for the creation of possible sensor fault detection and diagnosis strategies. Two competitive neural network architectures are investigated and their capabilities are used to classify different kinds of faults. The prediction algorithm and the fault detection classification strategies, as well as the obtained results, are presented |
id |
UFRN_656bd7bdf35561cfa2a523fa846527fe |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/12895 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Medeiros, Juliana Pegado dehttp://lattes.cnpq.br/4783529608769880http://lattes.cnpq.br/7325007451912598Dória Neto, Adrião Duartehttp://lattes.cnpq.br/1987295209521433Martins, Allan de Medeiroshttp://lattes.cnpq.br/4402694969508077Freire, Eduardo Oliveirahttp://lattes.cnpq.br/6140266116057805Melo, Jorge Dantas de2014-12-17T14:08:33Z2009-12-082014-12-17T14:08:33Z2009-06-29MEDEIROS, Juliana Pegado de. Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural. 2009. 77 f. Dissertação (Mestrado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2009.https://repositorio.ufrn.br/jspui/handle/123456789/12895This master dissertation presents the study and implementation of inteligent algorithms to monitor the measurement of sensors involved in natural gas custody transfer processes. To create these algoritmhs Artificial Neural Networks are investigated because they have some particular properties, such as: learning, adaptation, prediction. A neural predictor is developed to reproduce the sensor output dynamic behavior, in such a way that its output is compared to the real sensor output. A recurrent neural network is used for this purpose, because of its ability to deal with dynamic information. The real sensor output and the estimated predictor output work as the basis for the creation of possible sensor fault detection and diagnosis strategies. Two competitive neural network architectures are investigated and their capabilities are used to classify different kinds of faults. The prediction algorithm and the fault detection classification strategies, as well as the obtained results, are presentedEsta dissertação apresenta o estudo e implementação de algoritmos inteligentes para o monitoramento da medição de sensores envolvidos em processos de transferência de custódia de gás natural. Para a criação destes algoritmos são investigadas arquiteturas de Redes Neurais Artificiais devido a características particulares, tais como: aprendizado, adaptação e predição. Um preditor é implementado com a finalidade de reproduzir o comportamento dinâmico da saída de um sensor de interesse, de tal forma que sua saída seja comparada à saída real do sensor. Uma rede recorrente é utilizada para este fim, em virtude de sua capacidade em lidar com informação dinâmica. A saída real do sensor e a saída estimada do preditor formam a base para a criação das estratégias de detecção e identificação de possíveis falhas. Duas arquiteturas de redes neurais competitivas são investigadas e suas potencialidades são utilizadas para classificar tipos diferentes de falhas. O algoritmo de predição e as estratégias de detecção e classificação de falhas, bem como os resultados obtidos, serão apresentadosapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Ciência e Engenharia do PetróleoUFRNBRPesquisa e Desenvolvimento em Ciência e Engenharia de PetróleoRedes NeuraisSensoresDetecção e classificação de falhasPrediçãoNeural NetworksSensorFault detection and classificationPredictionCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICAEstudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás naturalEstudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás naturalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALEstudoImplementacaoAlgoritmos_Medeiros_2009.pdfapplication/pdf4255756https://repositorio.ufrn.br/bitstream/123456789/12895/1/EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf0f65b2b3a4f0afafcf55cda7d138bb36MD51TEXTJulianaPM.pdf.txtJulianaPM.pdf.txtExtracted texttext/plain121160https://repositorio.ufrn.br/bitstream/123456789/12895/10/JulianaPM.pdf.txta75e914ea6ed947557b271daa77dddbdMD510EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.txtEstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.txtExtracted texttext/plain121160https://repositorio.ufrn.br/bitstream/123456789/12895/12/EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.txta75e914ea6ed947557b271daa77dddbdMD512THUMBNAILJulianaPM.pdf.jpgJulianaPM.pdf.jpgIM Thumbnailimage/jpeg3368https://repositorio.ufrn.br/bitstream/123456789/12895/11/JulianaPM.pdf.jpg76ac9065b9693cbe922944dbd69767e0MD511EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.jpgEstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.jpgIM Thumbnailimage/jpeg3368https://repositorio.ufrn.br/bitstream/123456789/12895/13/EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.jpg76ac9065b9693cbe922944dbd69767e0MD513123456789/128952019-01-30 04:03:03.668oai:https://repositorio.ufrn.br:123456789/12895Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2019-01-30T07:03:03Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.por.fl_str_mv |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural |
title |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural |
spellingShingle |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural Medeiros, Juliana Pegado de Redes Neurais Sensores Detecção e classificação de falhas Predição Neural Networks Sensor Fault detection and classification Prediction CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA |
title_short |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural |
title_full |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural |
title_fullStr |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural |
title_full_unstemmed |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural |
title_sort |
Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural |
author |
Medeiros, Juliana Pegado de |
author_facet |
Medeiros, Juliana Pegado de |
author_role |
author |
dc.contributor.authorID.por.fl_str_mv |
|
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/4783529608769880 |
dc.contributor.advisorID.por.fl_str_mv |
|
dc.contributor.advisorLattes.por.fl_str_mv |
http://lattes.cnpq.br/7325007451912598 |
dc.contributor.referees1.pt_BR.fl_str_mv |
Dória Neto, Adrião Duarte |
dc.contributor.referees1ID.por.fl_str_mv |
|
dc.contributor.referees1Lattes.por.fl_str_mv |
http://lattes.cnpq.br/1987295209521433 |
dc.contributor.referees2.pt_BR.fl_str_mv |
Martins, Allan de Medeiros |
dc.contributor.referees2ID.por.fl_str_mv |
|
dc.contributor.referees2Lattes.por.fl_str_mv |
http://lattes.cnpq.br/4402694969508077 |
dc.contributor.referees3.pt_BR.fl_str_mv |
Freire, Eduardo Oliveira |
dc.contributor.referees3ID.por.fl_str_mv |
|
dc.contributor.referees3Lattes.por.fl_str_mv |
http://lattes.cnpq.br/6140266116057805 |
dc.contributor.author.fl_str_mv |
Medeiros, Juliana Pegado de |
dc.contributor.advisor1.fl_str_mv |
Melo, Jorge Dantas de |
contributor_str_mv |
Melo, Jorge Dantas de |
dc.subject.por.fl_str_mv |
Redes Neurais Sensores Detecção e classificação de falhas Predição |
topic |
Redes Neurais Sensores Detecção e classificação de falhas Predição Neural Networks Sensor Fault detection and classification Prediction CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA |
dc.subject.eng.fl_str_mv |
Neural Networks Sensor Fault detection and classification Prediction |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA |
description |
This master dissertation presents the study and implementation of inteligent algorithms to monitor the measurement of sensors involved in natural gas custody transfer processes. To create these algoritmhs Artificial Neural Networks are investigated because they have some particular properties, such as: learning, adaptation, prediction. A neural predictor is developed to reproduce the sensor output dynamic behavior, in such a way that its output is compared to the real sensor output. A recurrent neural network is used for this purpose, because of its ability to deal with dynamic information. The real sensor output and the estimated predictor output work as the basis for the creation of possible sensor fault detection and diagnosis strategies. Two competitive neural network architectures are investigated and their capabilities are used to classify different kinds of faults. The prediction algorithm and the fault detection classification strategies, as well as the obtained results, are presented |
publishDate |
2009 |
dc.date.available.fl_str_mv |
2009-12-08 2014-12-17T14:08:33Z |
dc.date.issued.fl_str_mv |
2009-06-29 |
dc.date.accessioned.fl_str_mv |
2014-12-17T14:08:33Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
MEDEIROS, Juliana Pegado de. Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural. 2009. 77 f. Dissertação (Mestrado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2009. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/12895 |
identifier_str_mv |
MEDEIROS, Juliana Pegado de. Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural. 2009. 77 f. Dissertação (Mestrado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2009. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/12895 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência e Engenharia do Petróleo |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/12895/1/EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf https://repositorio.ufrn.br/bitstream/123456789/12895/10/JulianaPM.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/12895/12/EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/12895/11/JulianaPM.pdf.jpg https://repositorio.ufrn.br/bitstream/123456789/12895/13/EstudoImplementacaoAlgoritmos_Medeiros_2009.pdf.jpg |
bitstream.checksum.fl_str_mv |
0f65b2b3a4f0afafcf55cda7d138bb36 a75e914ea6ed947557b271daa77dddbd a75e914ea6ed947557b271daa77dddbd 76ac9065b9693cbe922944dbd69767e0 76ac9065b9693cbe922944dbd69767e0 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1814832727493443584 |