Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Química, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T07:27:43Z (GMT). No. of bitstreams: 1
279959.pdf: 4652319 bytes, checksum: 9ce7ec58078ff76b0f9d387b40b95291 (MD5) / Neste trabalho aplicou-se um método experimental aqui denominado vibroacústico para detecção de vazamentos em redes de tubulações para aplicações na indústria de petróleo e gás. Para isso, foi construída uma bancada experimental de forma que a mesma pudesse reproduzir adequadamente um vazamento de petróleo ou gás, de acordo com a realidade industrial. Projetou-se uma seção de duto de aço com 2 m de comprimento, 0.1 m de diâmetro interno, com espessura da parede de 5,7 mm e 5 placas com furos de diâmetros: 1 mm, 2 mm, 3 mm, 4 mm e uma fenda de 0,5mm x 30mm, que eram parafusadas sobre uma janela na parede do duto para os ensaios de vazamento. Neste contexto, foram analisados sinais de vibração obtidos de um acelerômetro piezoelétrico sob diferentes condições operacionais de vazamento de ar comprimido, água e óleo de soja. Também foram analisadas vibrações produzidas em situações de não vazamento na seção de duto. Constatou-se que, para os ensaios de vazamento, picos característicos da despressurização foram encontrados no espectro de frequências obtido pela Transformada Discreta de Fourier (TDF) aplicada ao sinal gerado para os três fluidos utilizados. Tais picos não foram observados nos experimentos que consistiram em situações de não vazamento. Estes resultados indicaram que é possível distinguir, no espectro de frequências do sinal, um evento de vazamento de um evento de não vazamento. Outros estudos foram realizados com Redes Neurais Artificiais (RNA`s) que foram treinadas com sinais de vazamento e não vazamento provenientes do acelerômetro piezoelétrico, mostrando resultados relevantes para a aplicação deste método na identificação de vazamentos em redes de dutos. A arquitetura das redes neurais treinadas e validadas é do tipo feedforward multicamadas (multilayer feedforward networks) que utiliza o algoritmo de aprendizado backpropagation (ajusta automaticamente os pesos) na etapa de treinamento. Para a RNA treinada com 40 dados na camada de entrada foi possível detectar 100% dos vazamentos e 97% dos eventos de não vazamento. Portanto, o método aqui introduzido se mostrou promissor para a detecção de vazamentos em dutos de petróleo e gás. / In this work was applied an experimental method vibroacoustic for leak detection in networks of pipes for applications in the oil and gas industry. Thus, was constructed a scale experimental of a pipeline so that it adequately represents a leak of oil or gas, according to the industrial reality. It was designed a section of pipeline steel with 2 m long, 0.1 m inside diameter, with wall thickness of 5.7 mm and 5 plates with diameter holes: 1 mm, 2 mm, 3 mm, 4 mm and a gap of 0.5 mm x 30mm, they were screwed on a window in the wall of the pipe to leak tests. Thus were analyzed the vibration signals obtained from a piezoelectric accelerometer under various operating conditions of an air leakage, of a water and soybean oil. We also analyzed vibration of not leak in the section of pipeline. It was found that for tests of leak, characteristic peaks of the depressurization were found in the frequency spectrum obtained by Discrete Fourier Transform (DFT) applied to the signal generated for the three fluids used. These peaks were not observed in experiments that consisted in simulating of not leak. These results indicated that it is possible to distinguish in the frequencies spectrum of signal an event of a leak of an event not leak. Other studies were performed using Artificial Neural Networks (ANNs) who have been trained with signs of leak and not leak from a piezoeletric accelerometer showing results relevant to the application of this method in the operation of pipeline networks. The architecture of neural networks trained and validated is the type multilayer feedforward (multilayer feedforward networks) using the backpropagation learning algorithm (automatically adjusts the weights) in the training stage. To the trained ANN with 40 data in the input layer was possible to detect 100% of the leaks and 97% of events with no leak. Therefore, the method introduced has shown promising for detecting leaks in oil and gas pipelines.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/94192 |
| Date | 25 October 2012 |
| Creators | Garcia, Flávia Morini |
| Contributors | Universidade Federal de Santa Catarina, Quadri, Marintho Bastos, Machado, Ricardo Antonio Francisco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 1 v.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds