Método de classificação de fluxo utilizando sensoriamento acústico distribuído e redes neurais

• Autor(a) principal: Soares, Fernando Kelvin da Silva
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/30334
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Redes neurais (Computação); Detectores; Rayleigh, Ondas de; Espalhamento (Física); Transferência de aprendizagem; Escoamento; Neural networks (Computer science); Detectors; Rayleigh waves; Scattering (Physics); Transfer of training; Runoff; Engenharia Elétrica

O trabalho apresentado nesta dissertação de mestrado tem por objetivo propor uma técnica de classificação para diferenciar o tipo fluxo em uma tubulação de testes, nas seguintes classes: mono líquido, mono gás e multifásico (composto por líquido e gás). Os dados de fluxo foram coletados de experimentos com diferentes valores de velocidade fase de líquido e gás, utilizando um sensor acústico distribuído (DAS – Distributed Acoustic Sensing), do tipo Φ-OTDR de detecção heteródina. A metodologia utilizada para a realização da tarefa de classificação baseia-se em uma técnica de transferência de aprendizado aplicada a redes neurais, onde um modelo de rede pré-treinado é utilizado para extração de vetores de associações (embeddings), os quais são utilizados como valores de entrada para o treinamento de uma rede de classificação customizada. Desta forma, para gerar as bases de treinamento e teste da rede customizada, os dados dos experimentos foram pré-processados, convertidos em arquivos de áudio e inferidos pelo modelo pré-treinado, gerando vetores de embeddings relacionados ao tipo de fluxo respectivo. Após o treinamento o classificador foi capaz de atingir uma acurácia acima de 95,0 % para os dados de treinamento e acima de 87,0 % para os dados de teste, mostrando que a metodologia utilizada se adapta bem a tarefa proposta e que possui potencial de ser aplicada em tarefas de classificação mais complexas, ampliando o número de classes de fluxo.