Use este identificador para citar ou linkar para este item:
https://repositorio.ufpb.br/jspui/handle/123456789/31778
Tipo: | Dissertação |
Título: | Detecção acústica de vazamento de gás em plataforma de petróleo offshore |
Autor(es): | Castilho Junior, Edson Pereira de |
Primeiro Orientador: | Carvalho, Fabrício Braga Soares de |
Primeiro Coorientador: | Lopes, Waslon Terllizzie Araújo |
Resumo: | Os sistemas de detecção automática de vazamentos gasosos atualmente instalados em plataformas de petróleo offshore ainda são insuficientes para se alcançar uma apropriada taxa de detecção autônoma. São comuns cenários onde as perdas de contenção ocorrem e só são tardiamente descobertas pelas rondas operacionais dos trabalhadores, através dos sentidos humanos (visão, olfato ou audição), o que expõe pessoas, meioambiente e instalações aos riscos de acidentes. O presente trabalho propõe a utilização do conceito de Detecção de Eventos Sonoros para identificar vazamentos de gás através do sinal acústico, utilizando algoritmo baseado em Aprendizado de Máquina. Foi desenvolvido e testado um modelo acústico de classificação binário baseado em K-Vizinhos Mais Próximos (k-NN), utilizando extração de três características selecionadas pelo método da Mínima Redundância e Máxima Relevância (mRMR) a partir de quinze possíveis características no domínio do tempo e frequência. O algoritmo obteve resultados de Acurácia e Precisão de 100% a partir de testes realizados em amostras sonoras gravadas em plataforma offshore. |
Abstract: | The automatic gas leak detection systems currently installed on offshore oil and gas platforms are still insufficient to achieve an appropriate autonomous detection rate. Scenarios where losses of containment occur and are only later discovered by the workers’ operational rounds, through the human senses (sight, smell or hearing), which exposes people, the environment and facilities to the risk of accidents. The present work proposes the use of the concept of Sound Event Detection to identify gas leaks using acoustic signal, through an algorithm based on Machine Learning. An acoustic binary classification model based on K-Nearest Neighbors (k-NN) was developed and tested, using extraction of three features selected by the Minimum Redundancy and Maximum Relevance (mRMR) method from fifteen possible features in the time domain and frequency. The algorithm obtained Accuracy and Precision results of 100% from tests carried out on sound samples recorded on an offshore platform. |
Palavras-chave: | Engenharia elétrica Plataforma de petróleo offshore Vazamento gasoso Detecção de evento sonoro Processamento de sinal Electrical engineering Offshore oil and gas plataform Gas leak Sound event detection Signal Processing |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal da Paraíba |
Sigla da Instituição: | UFPB |
Departamento: | Engenharia Elétrica |
Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
Tipo de Acesso: | Acesso aberto Attribution-NoDerivs 3.0 Brazil |
URI: | http://creativecommons.org/licenses/by-nd/3.0/br/ |
URI: | https://repositorio.ufpb.br/jspui/handle/123456789/31778 |
Data do documento: | 31-Jan-2024 |
Aparece nas coleções: | Centro de Energias Alternativas e Renováveis (CEAR) - Programa de Pós-Graduação em Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
EdsonPereiraDeCastilhoJunior_Dissert.pdf | 10,98 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma
Licença Creative Commons