No description available.

No description available.

Orientadores: Ana Maria Frattini Fileti, Sandra Lúcia da Cruz / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-18T11:17:01Z (GMT). No. of bitstreams: 1 Santos_RejaneBarbosa_M.pdf: 7186526 bytes, checksum: a1d9198f8a8453c6c0cc532057d71723 (MD5) Previous issue date: 2011 / Resumo: A cada ano cresce o número de tubulações transportando gases e líquidos, ocasionando a necessidade de aumentar a confiabilidade operacional dos dutos. Considerando a importância do monitoramento dos sistemas de tubulações, o presente trabalho tem por objetivo o desenvolvimento e teste de técnicas de detecção de vazamentos de gases em um sistema de tubulação, baseada nos métodos acústicos, visando à detecção e à determinação da magnitude dos vazamentos, além da localização dos mesmos através da utilização de redes neurais artificiais. Foram provocados vazamentos, com diferentes magnitudes de orifícios, em tubulação de ferro galvanizado de 60m e em tubulação flexível de 100 m de comprimento, transportando ar comprimido. Os ruídos sonoros dos vazamentos foram captados por microfone e analisados para as duas tubulações,sob diversas condições de pressão inicial do ar (2, 4 e 6 kgf/cm2) e de localização do vazamento.O microfone foi instalado no vaso de pressão,localizado no início da tubulação, e acoplado a uma placa de aquisição de dados num microcomputador. Os dados experimentais obtidos através deste microfone foram decompostos em ruídos de diferentes freqüências por meio de um circuito eletrônico de condicionamento de sinais. Para cada pressão inicial, a dinâmica destes ruídos no tempo foi utilizada como entrada do modelo neural para determinar a magnitude do vazamento provocado (saída do modelo). Quando detectada a existência do vazamento pelo primeiro modelo, um segundo modelo neural é acionado para a localização do mesmo na respectiva tubulação. O método de Levenberg- Marquardt com Regularização Bayesiana foi utilizado no treinamento dos modelos neurais.Através dos resultados obtidos observou-se que os vazamentos foram adequadamente detectados por método acústicos, para todos os orifícios utilizados. Entretanto, quando os vazamentos eram muito próximos (1,5 m), os sinais captados pelo microfone utilizado foram muito parecidos, dificultando a localização do mesmo pelo segundo modelo. Os resultados indicaram a grande potencialidade dos modelos desenvolvidos. Para a tubulação flexível, nas pressões 4 e 6 kgf/cm², e para todos os casos da tubulação rígida, os modelos neurais apresentaram 100 % de acerto na detecção. Quanto à predição da magnitude de vazamento, considerando que os dados de saída apresentados à rede neural se constituíam de números inteiros da medida em milímetros, efetuou-se o arredondamento da saída da rede neural e, verificou-se que desta forma, são anulados todos os erros ocorridos em todos os testes realizados. Em testes utilizando apenas a tubulação rígida, com ar comprimido a 6 kgf/cm², o modelo neural para determinar a localização do vazamento desempenhou um bom comportamento, caracterizando a predição do local com erro máximo de 0,6 m. Com o uso desta metodologia elimina-se a necessidade de monitoramento constante do operador humano na tela do computador, analisando os gráficos gerados pelos sinais acústicos, pois os modelos podem gerar um alarme informando a ocorrência, o tamanho e a localização do vazamento / Abstract: Every year the number of pipelines transporting gases and liquids increases, requiring improvements in the operating reliability of pipelines. Considering the importance of monitoring piping systems, the aim of the present work is to develop and test a technique to detect gas leaks in pipes, based on acoustic method, in order to determine the occurrence and the magnitude of leaks, besides locating the leakage, by using neural artificial networks. Leakages of distinct magnitudes were triggered in a 60m-galvanized iron pipe and in a 100m-flexible pipe, which transports compressed air. The audible noise, generated by leaks in both pipelines operating under different initial air pressures (2, 4 and 6 kgf/cm2) and for distinct locations, was captured by the microphone and then analyzed. The experimental data, obtained through a microphone installed inside the pressure vessel and connected to a data acquisition system, was decomposed by an electronic circuit into sounds of different frequencies. For each initial pressure employed, the dynamic of these noises in time was used as input to the neural model in order to determine the occurrence and magnitude of the leak (model output). Once detected the occurrence of a leakage, a second neural model is activated to determine its position in the pipeline. The method chosen for training the neural networks was the Levenberg-Marquardt with Bayesian Regularization. From the results, it was observed that the leaks were properly detected by the acoustic method in all situations. Nevertheless, there were similarities among captured signals from very close leakages (1.5m), which affected the location prediction from the model. The results indicated that the developed models were powerful tools for online monitoring rigid and flexible pipes. For the flexible pipe, using pressures 4 and 6 kgf/cm², and for all operating conditions of the iron pipe, the neural models showed 100% accuracy in leak detection. For the leakage magnitude prediction, whereas the output data presented to the neural network was integer numbers of the measurement (mm), the output of the neural network was rounded, vanishing the small decimal errors detected in all tests. In tests using only the iron pipeline, with compressed air at 6 kgf/cm2, the leak location prediction model performed well, pointing out the local with maximum error of 0.6 m. By using this methodology, the human operator will not need to monitor the graphics on computer screen because the neural models can strike an alarm for the leak occurrence, simultaneously displaying its magnitude and location / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

The aim of this project is detection of gass leak based on the ultrasound sensing. Work introduces ultrasound, mechanism of its propagation and attenuation. From all of the available microphones, the piezoelectric microphone was chosen. Project continues with description of the device, which can be capable of detection of the ultrasound leakage in dangerous, explosive environment. This type of device must meet requirements of SIL 2 standard and ATEX directive for zone 2. Project discusses LNA (Low Noise Amplifier), filters and detection circuits design. The device is modular what means that each module can be freely replaced. The role of these modules is to convert analog signal to digital form suitable for microcontroller HERCULES TSM57012.

Orientadores: Sandra Lúcia da Cruz, Ana Maria Frattini Fileti / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-20T02:02:28Z (GMT). No. of bitstreams: 1 Sousa_ElisangelaOrlandide_D.pdf: 7481778 bytes, checksum: c6a75eef8a6e332ab1da367733280fd8 (MD5) Previous issue date: 2012 / Resumo: Redes de tubulação são conhecidas como sistemas complexos de dutos deste a antiguidade e são utilizadas no transporte de líquidos e gases a longas distâncias. Um pequeno vazamento em uma tubulação pode provocar grandes perdas de produtos e sérios danos ao meio ambiente até serem detectados. Com o propósito de rastrear estes tipos de vazamentos, este trabalho tem como objetivo propor metodologias para a detecção de vazamentos em uma tubulação, de natureza rígida ou flexível, baseando-se no método acústico e na análise de transientes de pressão gerados a partir do vazamento, visando à localização e a determinação da magnitude dos vazamentos através da utilização de redes neurais artificiais. As metodologias propostas se destacam por não apresentarem impactos prejudiciais ao meio ambiente. Variações de transientes de pressão e o ruído sonoro gerados pela ocorrência de vazamentos foram detectados e analisados a partir de experimentos realizados em uma tubulação de ferro galvanizado de 60 m e uma tubulação flexível de 100 m de comprimento operando com escoamento contínuo de gás (ar), em várias condições de operação. O vazamento foi provocado em mais que uma posição ao longo das duas tubulações e utilizaram-se orifícios de diâmetros diferentes. Os transientes de pressão e os ruídos sonoros foram captados por um transdutor de pressão e um microfone, respectivamente, ambos instalados em um vaso de pressão, localizado no início da tubulação e acoplados a uma placa de aquisição de dados em um microcomputador. O sinal gerado pelo microfone foi amplificado e passou por um banco de filtros passa faixa sendo transformado em três sinais com amplitudes independentes, cada uma com uma faixa de freqüência específica de 1kHz, 5kHz e 9kHz. O programa de aquisição de dados foi escrito em linguagem C para ler e processar os dados. Os dados resultantes dos experimentos mostraram que foi possível detectar vazamentos, para todos os orifícios utilizados, baseado nos transientes de pressão e no método acústico. A dinâmica desses dados foi utilizada como entrada para o modelo neural para localizar e determinar a magnitude dos vazamentos, simultaneamente. O método de Levenberg-Marquardt com Regularização Bayesiana foi utilizado no treinamento dos modelos neurais. Os resultados apresentados pelo modelo neural desenvolvido indicaram com sucesso ao mesmo tempo a localização e a magnitude dos vazamentos / Abstract: Pipeline networks are complex systems of ducts used nowadays for gas and chemical products transporting through long distances. They frequently cross highly populated regions, water supplies or natural reserves. Even small leaks in pipelines can lead to great losses of products and serious damages to the environment before it could be detected. With the purpose to track these leaks, this work developed a technique to detection of leaks in pipelines, of rigid or flexible nature, based on acoustic method and on analysis of pressure transients generated by leak occurrence, in order to localization and determination the magnitude of leaks by using neural artificial networks. The methodologies proposed are notated for not having impacts on the environment. Variations of pressure transients and the noise generated by leakage will be detected and analyzed in a 60m-galvanized iron pipe and in a 100m-flexible pipe operating with continuous flow of gas (air) under various operating conditions. Leakages were provoked in many positions along the two pipes and used hole of distinct magnitudes. The pressure transients and the audible noise was captured by the pressure transducer and the microphone, respective, both installed inside the pressure vessel connected to a data acquisition system at a computer. The signal generated by the microphone was amplified and also passed through a bank of band pass filters being transformed into three signals with independent amplitude, each one with a band of specific frequency of 1 kHz, 5 kHz and 9 kHz. The data acquisition software was written in C language to read and process all data. The experimental results showed that it is possible to detect leaks in pipelines, for all holes, based on a pressure transient and on acoustic methods. The dynamics of these data in time is used as input to the neural model to location and determine of the leaks magnitude, simultaneously. The method chosen for training the neural networks was the Levenberg-Marquardt with Bayesian Regularization. The results of neural models indicated successfully in the same time the location and the magnitude of the leaks / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

This work deals with the automatic testing of an ultrasonic gas leak detector, which has to be tested during normal changes in the development phase. The reader will be acquainted with the basic principles of gas detection, design of the test product, software architecture its implementation. The following is a presentation of the application and instructions for writing tests. In this work, the Beaglebone Black development board with the Debian operating system is used as the core of the entire test product.