Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/304797
Type: TESE DIGITAL
Title: Detecção e localização de vazamentos em tubulações de gás de baixa pressão por meio de sensores acústicos e processamento matemático de sinais
Title Alternative: Detection and location of leaks in low pressure gas pipelines by means of acoustic sensors and mathematical signal processing
Author: Santos, Rejane Barbosa, 1985-
Advisor: Fileti, Ana Maria Frattini, 1965-
Abstract: Resumo: A confiabilidade operacional de sistemas de dutos de transporte e/ou distribuição de gás é fundamental, sendo desejável que o surgimento de um vazamento seja identificado o mais rápido possível para minimização dos riscos associados a possíveis acidentes. Considerando a importância do monitoramento desses sistemas de tubulações, o presente projeto teve como objetivo o desenvolvimento um método de detecção para determinação do tamanho e localização de vazamento, baseados no método acústico. Uma tubulação de cobre de ½" de diâmetro e 53 m de comprimento foi montada em laboratório, operando com alimentação contínua de ar comprimido, sob diversas condições com pressão inicial de 1 kgf/cm². Foram analisadas as características de transientes de pressão, que se mostraram inexpressivas, e de sinais provenientes de cinco microfones, instalados no interior da tubulação, gerados pela ocorrência de vazamento de gás. Os sinais dos microfones no domínio do tempo foram convertidos para o domínio da frequência, através da transformada rápida de Fourier (FFT). Uma análise das componentes principais (PCA) foi realizada a fim de reduzir os sinais (variáveis) dos microfones, no domínio da frequência, para então utilizar como entrada nas redes neurais artificiais para determinação de ocorrências e localização de vazamentos. Quando detectada a existência do vazamento pelo primeiro modelo neural e determinada sua magnitude, um segundo modelo foi acionado para a localização do mesmo, na respectiva tubulação. A fim de comparar com o segundo modelo neural, foi estimado o local dos vazamentos baseado no momento em que os microfones mais próximos ao vazamento "detectam" uma pequena alteração em suas magnitudes, através da propagação da onda. Através dos resultados obtidos observou-se que a técnica de detecção de vazamentos através dos sensores acústicos se mostrou eficiente, que no momento que o vazamento é provocado, um ruído sonoro foi gerado e, as amplitudes que compõe esse ruído, variaram com o diâmetro do orifício, como também, em relação a distância existente entre os microfones e o vazamento. Por outro lado, sabe-se que os microfones captam som gerados por todos os tipos de perturbações no sistema, indicando um "falso" vazamento. Por isso, através da análise dos sinais dos microfones no domínio da frequência foi possível diferenciar as diversas situações testadas com e sem ocorrência de vazamentos. Observou-se também, que através da análise dos componentes principais foi possível reduzir o número de variáveis, ou seja, reduzindo o número de entradas para o modelo neural. De acordo com os resultados do primeiro e segundo modelos neurais, percebeu-se que o método proposta apresentou um bom desempenho. O primeiro modelo neural atingiu uma porcentagem de acerto de aproximadamente 98,9%, e o segundo modelo apresentou um erro máximo do local do vazamento de 2 m, como também, através da propagação da onda sonora (ocasionada por vazamentos) pode-se estimar a posição próxima do vazamento. Em testes com dois vazamentos provocados simultaneamente, a metodologia apontava apenas o maior vazamento, sendo necessário eliminá-lo para que o segundo fosse detectado e localizado

Abstract: For safety reasons, the operational reliability of gas piping systems is essential. It is desirable that the appearance of a leak is identified as quickly as possible to minimize the risks associated with possible accidents. Considering the importance of piping systems monitoring, this project aimed to develop a system and a method of detection for determining the size and location of leakages, based on the acoustic methods. A ½"- diameter-copper-pipeline, with 53 m in length, was set up at the laboratory, with continuous supply of compressed air, and operating under several conditions with initial pressure of 1 kgf/cm2. The pressure transient characteristics were analyzed, showing no significant amplitude. The signals from five microphones, installed inside the pipeline, generated by the occurrence of gas leakage were analyzed as well. The signals from the microphones in the time domain have been converted to the frequency domain by fast Fourier transform. The principal component analysis was performed in order to reduce the signs (variables) from microphones, in the frequency domain, which was employed as input to artificial neural networks for the determination of occurrence and location of leaks. Once detected the occurrence of a leakage by the first model and its amplitude was predicted, a second neural model was activated to determine its position in the pipeline. The location of the leak was also computed based on the instant when the microphones, closest to the leak, "detect" a small change in their magnitudes, by means of wave propagation calculation. The results obtained revealed that the leak detection technique through the acoustic sensors proved to be efficient, that at the time the leak is triggered, an audible noise is generated and the amplitudes that make up this noise, vary with the diameter of orifice, but also in relation to distance between the microphones and leakage. On the other hand, it is known that the microphones pick up sound generated by all kinds of perturbations in the system, indicating a "false" leakage. Therefore, by analyzing the signals from the microphones in the frequency domain it was possible to differentiate the various situations tested with and without occurrence of leaks. It was also observed that by analyzing the principal components it was possible to reduce the number of variables, meaning, reducing the number of inputs to the neural model. The developed system presented a successful performance, because the first neural model reached an agreement percentage of 98.9%, and the second model showed a maximum error of the location of the leak of 2 m. By using the propagation of the sound wave (caused by leaks), the approximate position of the leak could be estimated as well. When triggering two simultaneous leakages, the methodology indicated just the larger one. Once eliminated, the smallest leak could be detected and its location found
Subject: Fourier, Transformadas de
Redes neurais (Computação)
Editor: [s.n.]
Date Issue: 2015
Appears in Collections:FEQ - Dissertação e Tese

Files in This Item:
File SizeFormat 
Santos_RejaneBarbosa_D.pdf6.37 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.