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

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

Esta dissertação apresenta o estudo e implementação de algoritmos inteligentes para o monitoramento da medição de sensores envolvidos em processos de transferência de custódia de gás natural. Para a criação destes algoritmos são investigadas arquiteturas de Redes Neurais Artificiais devido a características particulares, tais como: aprendizado, adaptação e predição. Um preditor é implementado com a finalidade de reproduzir o comportamento dinâmico da saída de um sensor de interesse, de tal forma que sua saída seja comparada à saída real do sensor. Uma rede recorrente é utilizada para este fim, em virtude de sua capacidade em lidar com informação dinâmica. A saída real do sensor e a saída estimada do preditor formam a base para a criação das estratégias de detecção e identificação de possíveis falhas. Duas arquiteturas de redes neurais competitivas são investigadas e suas potencialidades são utilizadas para classificar tipos diferentes de falhas. O algoritmo de predição e as estratégias de detecção e classificação de falhas, bem como os resultados obtidos, serão apresentados