Compartilhamento |
![]() ![]() |
Use este identificador para citar ou linkar para este item:
http://www.bdtd.uerj.br/handle/1/17140
Tipo do documento: | Dissertação |
Título: | Algoritmos de aprendizado de máquinas aplicados na inferência de vazão de um medidor de vazão por efeito térmico |
Título(s) alternativo(s): | Machine learning algorithms applied to the flow inference of a thermal flow meter |
Autor: | Silva, José Rodrigo de Castro ![]() |
Primeiro orientador: | Amaral, Jorge Luís Machado do |
Primeiro membro da banca: | Chalhub, Daniel José Nahid Mansur |
Segundo membro da banca: | Villanueva, Juan Moisés Mauricio |
Resumo: | As técnicas de medição de vazão não-intrusivas atuais ainda carecem de melhorias pois têm desvantagens que são impeditivas para aplicações em pequenos diâmetros. Este trabalho busca desenvolver um medidor de vazão por efeito térmico não-intrusivo que utiliza algoritmos de aprendizado de máquinas para obtenção do menor erro de fundo de escala possível em baixas vazões de líquidos. O medidor utiliza um duto de cobre com diâmetro interno de 22mm, seis termopares comerciais do tipo k, uma resistência de aquecimento do tipo microtubular e uma inteligência artificial para inferir a vazão a partir da distribuição térmica na superfície do duto. A disposição dos sensores e do aquecedor foi calculada com base no espalhamento teórico de temperatura obtido na modelagem feita através do software COMSOL Multiphysics. Para avaliar o protótipo do medidor uma bancada de testes foi construída, a qual possibilita o controle da vazão e da temperatura da resistência de aquecimento. A bancada de testes é dotada de um medidor de vazão eletromagnético calibrado e certificado em laboratório externo o qual é utilizado para referência e comparação, conforme as orientações da ABNT e as boas práticas utilizadas nas indústrias e laboratórios de calibração. No experimento, a resistência foi acionada de modo que a temperatura na região central do duto permanecesse em 70°C e foram coletados os dados da distribuição térmica com vazões entre 0,05 e 0,6 m3/h com acréscimos intermediários de 0,01 m3/h. Os dados coletados fornecidos pelo experimento foram utilizados no treinamento dos seguintes modelos: regressão linear, K-Nearest Neighbor (K-NN), Árvore de Decisão, Florestas Aleatórias e Gradient Boosting. Além disso, também foram treinadas redes neurais artificiais Perceptron Multicamadas e modelos de Aprendizagem Profunda. O melhor resultado foi obtido com um modelo de aprendizagem profunda com a técnica Dropout, a qual demonstrou que o protótipo construído tem a capacidade de inferir a vazão com erro de fundo de escala igual a 1,8%. O experimento demonstrou que o uso de algoritmos de aprendizado de máquinas pode ser usado para melhorias em sistemas de medição de vazão não-intrusivos. |
Abstract: | Current non-intrusive flow measurement techniques still need improvements as they have disadvantages small diameter applications. This work proposes to develop a non-intrusive thermal flow meter that uses machine learning algorithms to obtain the smallest full-scale deflection possible in low liquid flows. The meter uses a copper duct with an internal diameter of 22mm, six commercial k-type thermocouples, a microtubular heating resistance, and an artificial intelligence to infer the flow rate from the thermal distribution on the duct surface. The sensors and the heater layout was calculated based on the theoretical temperature spread obtained in the modeling done using the COMSOL Multiphysics software. To evaluate the meter, a test bench was built to control the flow rate and temperature of the heating resistor. The test bench is equipped with an electromagnetic flowmeter calibrated and certified in an external laboratory, which is used for reference and comparison, according to the ABNT guidelines and the good practices used in the industries and calibration laboratories. In the experiment, the resistance was activated so that the temperature in the central region of the duct remained at 70 ° C and the thermal distribution data was collected with flow rates between 0.05 and 0.6 m3/h with intermediate increases of 0.01 m3/h. The collected data provided by the experiment were used to train the following models: linear regression, K-Nearest Neighbor (K-NN), Decision Tree, Random Forests and Gradient Boosting. Besides, Multilayer Perceptron and Deep Learning models were also trained. The best result was obtained with the Dropout technique, which demonstrated that the built prototype can infer the flow with a full scale deflection equal to 1.8%. The experiment demonstrated that the use of machine learning algorithms could be used to improve non-intrusive flow measurement systems. |
Palavras-chave: | Engenharia eletrônica Medidores de fluxo Redes neurais (Computação) Aprendizado do computador Calorimetria Detectores Electronic engineering Flow meters Neural networks (Computing) Computer Learning Calorimetry Detectors |
Área(s) do CNPq: | ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade do Estado do Rio de Janeiro |
Sigla da instituição: | UERJ |
Departamento: | Centro de Tecnologia e Ciências::Faculdade de Engenharia |
Programa: | Programa de Pós-Graduação em Engenharia Eletrônica |
Citação: | SILVA, José Rodrigo de Castro. Algoritmos de aprendizado de máquinas aplicados na inferência de vazão de um medidor de vazão por efeito térmico. 2020. 97 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2020. |
Tipo de acesso: | Acesso Aberto |
URI: | http://www.bdtd.uerj.br/handle/1/17140 |
Data de defesa: | 13-Out-2020 |
Aparece nas coleções: | Mestrado em Engenharia Eletrônica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação - José Rodrigo de Castro Silva - 2020 - Completo.pdf | 5,18 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.