Estudo e implementação de algoritmos inteligentes para detecção e classificação de falhas na medição de gás natural

• Ano de defesa: 2009
• Autor(a) principal: Medeiros, Juliana Pegado de
• Orientador(a): Melo, Jorge Dantas de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência e Engenharia do Petróleo
• Departamento: Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo
• País: BR
• Palavras-chave em Português: Redes Neurais; Sensores; Detecção e classificação de falhas; Predição
• Palavras-chave em Inglês: Neural Networks; Sensor; Fault detection and classification; Prediction
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/12895

This master dissertation presents the study and implementation of inteligent algorithms to monitor the measurement of sensors involved in natural gas custody transfer processes. To create these algoritmhs Artificial Neural Networks are investigated because they have some particular properties, such as: learning, adaptation, prediction. A neural predictor is developed to reproduce the sensor output dynamic behavior, in such a way that its output is compared to the real sensor output. A recurrent neural network is used for this purpose, because of its ability to deal with dynamic information. The real sensor output and the estimated predictor output work as the basis for the creation of possible sensor fault detection and diagnosis strategies. Two competitive neural network architectures are investigated and their capabilities are used to classify different kinds of faults. The prediction algorithm and the fault detection classification strategies, as well as the obtained results, are presented