APLICAÇÃO DE UMA REDE NARX NA MODELAGEM DA VELOCIDADE DE UM SMART PIG
"2020-02-16 22:44:48" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1843 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php #connection: "mysql" +table: "artigo" #primaryKey: "id" #keyType: "int" +incrementing: true #with: [] #withCount: [] +preventsLazyLoading: false #perPage: 15 +exists: true +wasRecentlyCreated: false #escapeWhenCastingToString: false #attributes: array:35 [ "id" => 43924 "edicao_id" => 93 "trabalho_id" => 119 "inscrito_id" => 828 "titulo" => "APLICAÇÃO DE UMA REDE NARX NA MODELAGEM DA VELOCIDADE DE UM SMART PIG" "resumo" => "De grande utilização na indústria de petróleo e gás, as tubulações, com o tempo de uso, podem apresentar deformidades, sujeiras em seu interior e corrosão. A fim de identificar estes defeitos, uma técnica comum é o uso de um tipo de ferramenta chamada Pipeline Inspection Gauge (PIG). Como o PIG é movimentado por meio do diferencial de pressão produzido pelo fluido sua velocidade dentro da tubulação pode variar significativamente durante a inspeção. Este trabalho visa utilizar uma rede neural artificial para modelar a velocidade do PIG através de dados do diferencial de pressão. Para tanto, foi usado um PIG protótipo, cuja velocidade foi obtida por meio de um odômetro e de uma placa eletrônica, enquanto que o diferencial de pressão foi obtido por meio de sensores de pressão instalados na tubulação de testes. A rede neural escolhida foi a rede NARX. Os resultados comprovaram a possibilidade de modelar a velocidade do PIG por meio de uma rede neural NARX, obtendo resultados bastante próximos dos reais." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "Transporte e Distribuição" "palavra_chave" => "PIG, VELOCIDADE, REDES NEURAIS, ODÔMETRO" "idioma" => "Português" "arquivo" => "TRABALHO_EV104_MD1_SA116_ID828_09072018130432.pdf" "created_at" => "2020-05-28 15:53:27" "updated_at" => "2020-06-09 19:42:19" "ativo" => 1 "autor_nome" => "RENAN PIRES DE ARAUJO" "autor_nome_curto" => "RENAN PIRES" "autor_email" => "eng.renanpires@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE (UFRN)" "autor_imagem" => "" "edicao_url" => "anais-iii-conepetro" "edicao_nome" => "Anais III CONEPETRO" "edicao_evento" => "III Congresso Nacional de Engenharia de Petróleo, Gás Natural e Biocombustíveis" "edicao_ano" => 2018 "edicao_pasta" => "anais/conepetro/2018" "edicao_logo" => "5e49f05ea1bfd_16022020224606.png" "edicao_capa" => "5f184905a4e21_22072020111117.jpg" "data_publicacao" => null "edicao_publicada_em" => "2020-02-16 22:44:48" "publicacao_id" => 23 "publicacao_nome" => "Revista CONEPETRO" "publicacao_codigo" => "2446-8339" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #original: array:35 [ "id" => 43924 "edicao_id" => 93 "trabalho_id" => 119 "inscrito_id" => 828 "titulo" => "APLICAÇÃO DE UMA REDE NARX NA MODELAGEM DA VELOCIDADE DE UM SMART PIG" "resumo" => "De grande utilização na indústria de petróleo e gás, as tubulações, com o tempo de uso, podem apresentar deformidades, sujeiras em seu interior e corrosão. A fim de identificar estes defeitos, uma técnica comum é o uso de um tipo de ferramenta chamada Pipeline Inspection Gauge (PIG). Como o PIG é movimentado por meio do diferencial de pressão produzido pelo fluido sua velocidade dentro da tubulação pode variar significativamente durante a inspeção. Este trabalho visa utilizar uma rede neural artificial para modelar a velocidade do PIG através de dados do diferencial de pressão. Para tanto, foi usado um PIG protótipo, cuja velocidade foi obtida por meio de um odômetro e de uma placa eletrônica, enquanto que o diferencial de pressão foi obtido por meio de sensores de pressão instalados na tubulação de testes. A rede neural escolhida foi a rede NARX. Os resultados comprovaram a possibilidade de modelar a velocidade do PIG por meio de uma rede neural NARX, obtendo resultados bastante próximos dos reais." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "Transporte e Distribuição" "palavra_chave" => "PIG, VELOCIDADE, REDES NEURAIS, ODÔMETRO" "idioma" => "Português" "arquivo" => "TRABALHO_EV104_MD1_SA116_ID828_09072018130432.pdf" "created_at" => "2020-05-28 15:53:27" "updated_at" => "2020-06-09 19:42:19" "ativo" => 1 "autor_nome" => "RENAN PIRES DE ARAUJO" "autor_nome_curto" => "RENAN PIRES" "autor_email" => "eng.renanpires@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE (UFRN)" "autor_imagem" => "" "edicao_url" => "anais-iii-conepetro" "edicao_nome" => "Anais III CONEPETRO" "edicao_evento" => "III Congresso Nacional de Engenharia de Petróleo, Gás Natural e Biocombustíveis" "edicao_ano" => 2018 "edicao_pasta" => "anais/conepetro/2018" "edicao_logo" => "5e49f05ea1bfd_16022020224606.png" "edicao_capa" => "5f184905a4e21_22072020111117.jpg" "data_publicacao" => null "edicao_publicada_em" => "2020-02-16 22:44:48" "publicacao_id" => 23 "publicacao_nome" => "Revista CONEPETRO" "publicacao_codigo" => "2446-8339" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #changes: [] #casts: array:14 [ "id" => "integer" "edicao_id" => "integer" "trabalho_id" => "integer" "inscrito_id" => "integer" "titulo" => "string" "resumo" => "string" "modalidade" => "string" "area_tematica" => "string" "palavra_chave" => "string" "idioma" => "string" "arquivo" => "string" "created_at" => "datetime" "updated_at" => "datetime" "ativo" => "boolean" ] #classCastCache: [] #attributeCastCache: [] #dates: [] #dateFormat: null #appends: [] #dispatchesEvents: [] #observables: [] #relations: [] #touches: [] +timestamps: false #hidden: [] #visible: [] +fillable: array:13 [ 0 => "edicao_id" 1 => "trabalho_id" 2 => "inscrito_id" 3 => "titulo" 4 => "resumo" 5 => "modalidade" 6 => "area_tematica" 7 => "palavra_chave" 8 => "idioma" 9 => "arquivo" 10 => "created_at" 11 => "updated_at" 12 => "ativo" ] #guarded: array:1 [ 0 => "*" ] }