Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão

Detalhes bibliográficos
Autor(a) principal: Cruz, Rodolfo Pinheiro da, 1987-
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1637740
Resumo: Orientador: Ana Maria Frattini Fileti
id UNICAMP-30_9a79a505658336e3e895cbf39073a99c
oai_identifier_str oai::1096027
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressãoAcoustic method and machine learning algorithms applied to leak detection and localization in low-pressure gas pipelinesDetectores de vazamentoGas - VazamentoAprendizado de máquinaLeak detectorsGas - LeakageMachine learningOrientador: Ana Maria Frattini FiletiDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia QuímicaResumo: Vazamentos de gás colocam em risco vidas humanas e podem provocar sérios desastres ambientais; além disso, são responsáveis por enormes prejuízos econômicos. Em virtude disso, é imprescindível o desenvolvimento de uma técnica de baixo custo que seja capaz de identificar e localizar vazamentos tão logo eles ocorram. O presente trabalho propõe o emprego do método acústico em conjunto com técnicas de aprendizado de máquina para o monitoramento de tubulações de gás de baixas pressões. Busca-se com a técnica proposta uma alternativa para a solução de dois problemas desafiadores para sistemas automáticos de detecção de vazamentos, especialmente quando a tubulação opera sob baixas pressões: a identificação de pequenos vazamentos e a redução de falsos alarmes na presença de distúrbios externos. Essa técnica pressupõe que padrões presentes no comportamento acústico do sistema monitorado podem ser usados para identificar e localizar vazamentos. O aparato experimental empregado consistiu em uma tubulação de cobre (53 m de comprimente e 0,5 polegadas de diâmetro) conectada a um botijão de gás de cozinha alimentado com ar comprimido (100 kPa). Sete orifícios de diferentes diâmetros, variando entre 0,5 mm e 4 mm, foram perfurados ao longo da tubulação, o mais próximo a 0,2 m da entrada da tubulação e o mais afastado a 5,6 m. Cinco microfones, modelo XCM-9767, foram acoplados a estrutura metálica, com distâncias em relação a entrada variando entre 0,1 m e 46,7 m. Quatorze tipos de experimentos foram executados: (1) experimentos sem vazamentos ; (2) sem vazamentos com batidas no botijão;(3) sem vazamentos com batidas na tubulação; (4-10) vazamentos em um único orifício; (11-14) dois vazamentos simultâneos. O comportamento acústico da tubulação nos experimentos foi capturado pelos microfones. O sinal foi convertido do domínio do tempo para o da frequência, ao qual em seguida foram aplicados procedimentos de redução de dimensionalidade. Os dados foram então empregados no treinamento de algoritmos de aprendizado de máquina. Esses modelos foram aplicados tanto para regressão quanto para classificação. Aos algoritmos de classificação coube identificar a qual dos quatorze experimentos uma amostra qualquer apresentada aos modelos pertencia, enquanto os algoritmos de regressão calcularam a posição do orifício a partir do qual o gás estava escapando. Com os dados coletados pelo microfone mais distante dos orifícios atingiu-se uma taxa de detecção dos vazamentos de 99,6%. Tão importante quanto a capacidade de detectar os vazamentos, foi a baixa taxa de falsos alarmes registrada, de apenas 0,3%. Quanto a localização dos vazamentos, o modelo com a melhor performance atingiu um erro de localização máximo de 4,31%. Os resultados obtidos credenciam a técnica proposta como uma alternativa atrativa para o monitoramento de tubulações de baixa pressãoAbstract: Gas leakages are a threat to human life and can cause environmental disasters; moreover, they generate huge economic losses every year. It is indispensable a low-cost technique capable of identifying and locating leaks as soon as they occur. The present work proposes the use of the acoustic method and machine learning algorithms to monitor low-pressure pipelines. It aims to offer an alternative solution for two challenging problems to every automatic leak detection system, mainly when applied to low-pressure pipelines: the detection of small leaks and de reduction of the false alarm rates in the presence of external disturbances. The technique is based on the idea that patterns present in the sound behavior of the system can be used to identify and locate leakages. The experimental apparatus consisted of a copper pipeline (53 m length and 0.5 '' diameter) connected to a pressure vessel fed with compressed air (100 kPa). Seven orifices of different diameters, varying from 0.5 mm to 4mm, were drilled along the metallic structure, the closest from the pipeline entrance was 0.2 m, and the furthest was 5.6 m. Five microphones, model XCM -9767, were attached to the pipeline, their distances from the pipeline entrance varying from 0.1 m to 46.7 m. Fourteen types of experiments were conducted: (1) no leakages; (2) no leakages with strikes on the pressure vessel; (3) no leakages with hits on the pipeline; (4-10) one leakage; (11-14) two leakages simultaneously. The microphones captured the acoustic behavior of the system. The signal was converted from the time domain into the frequency domain, to which were then applied two techniques of dimensionality reduction. The data set was fed to some machine learning algorithms. The models were used both for regression and classification. The task of the classification algorithms was to predict to which one of the fourteen experiments a given sample belonged, while the regression ones calculated the position of the orifice from which the gas was leaking. Using the data collected by the microphone that was most distant from the holes, the algorithms were able to identify 99.6% of the leakage. As important as the capacity of detecting the leakages was the low rate of false alarms achieved, only 0.3% of the samples from no leakages experiments were incorrectly classified as leakages. Regarding the localization of the leakages, the model with the best performance achieved a maximum localization error of 4.31%. The results obtained qualify the proposed technique as an appealing alternative to monitor low-pressure pipelinesMestradoEngenharia QuímicaMestre em Engenharia QuímicaCNPQ147492/2017-3[s.n.]Fileti, Ana Maria Frattini, 1965-Zemp, Roger JosefSouza, MatheusUniversidade Estadual de Campinas. Faculdade de Engenharia QuímicaPrograma de Pós-Graduação em Engenharia QuímicaUNIVERSIDADE ESTADUAL DE CAMPINASCruz, Rodolfo Pinheiro da, 1987-20192019-07-31T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (103 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1637740CRUZ, Rodolfo Pinheiro da. Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão. 2019. 1 recurso online (103 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637740. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1096027Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-03-08T14:02:09Zoai::1096027Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-03-08T14:02:09Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
Acoustic method and machine learning algorithms applied to leak detection and localization in low-pressure gas pipelines
title Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
spellingShingle Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
Cruz, Rodolfo Pinheiro da, 1987-
Detectores de vazamento
Gas - Vazamento
Aprendizado de máquina
Leak detectors
Gas - Leakage
Machine learning
title_short Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
title_full Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
title_fullStr Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
title_full_unstemmed Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
title_sort Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão
author Cruz, Rodolfo Pinheiro da, 1987-
author_facet Cruz, Rodolfo Pinheiro da, 1987-
author_role author
dc.contributor.none.fl_str_mv Fileti, Ana Maria Frattini, 1965-
Zemp, Roger Josef
Souza, Matheus
Universidade Estadual de Campinas. Faculdade de Engenharia Química
Programa de Pós-Graduação em Engenharia Química
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Cruz, Rodolfo Pinheiro da, 1987-
dc.subject.por.fl_str_mv Detectores de vazamento
Gas - Vazamento
Aprendizado de máquina
Leak detectors
Gas - Leakage
Machine learning
topic Detectores de vazamento
Gas - Vazamento
Aprendizado de máquina
Leak detectors
Gas - Leakage
Machine learning
description Orientador: Ana Maria Frattini Fileti
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-07-31T00:00:00Z
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.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1637740
CRUZ, Rodolfo Pinheiro da. Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão. 2019. 1 recurso online (103 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637740. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1637740
identifier_str_mv CRUZ, Rodolfo Pinheiro da. Método acústico e algoritmos de aprendizado de máquinas aplicados a detecção e localização de vazamentos em tubulações de gás de baixa pressão. 2019. 1 recurso online (103 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637740. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1096027
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (103 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138544621453312

Registros relacionados