Predição de velocidade de um pipeline inspection gauge (PIG) baseada no diferencial de pressão e aceleração com redes neurais artificiais
Pipeline Inspection Gauge (PIG), Redes Neurais Artificiais, Soft Sensors, Raspberry Pi.
Na indústria de óleo e gás, um dispositivo conhecido como Pipeline Inspection Gauge (PIG) percorre oleodutos e gasodutos realizando diversas operações de manutenção. A eficiência dessas operações pode ser aumentada com o emprego de um sistema de controle de velocidade em malha fechada. Para obter a velocidade, costuma-se recorrer ao uso de odômetros. Embora tal método seja relativamente simples, ele pode ocasionar determinados problemas de medição decorrentes do escorregamento entre a roda do odômetro e o duto. Visando contribuir para a solução desses problemas, o objetivo deste trabalho é desenvolver um soft sensor (sensor virtual) para medir a velocidade de PIGs a partir da diferença de pressão a qual o dispositivo é submetido no duto. Um soft sensor é constituído basicamente de dois elementos: um modelo matemático do sistema e os sensores que medem as variáveis físicas requeridas pelo modelo. Para a obtenção do modelo, pretende-se utilizar redes neurais artificiais. Esse modelo será embarcado em um Raspberry Pi a ser instalado no PIG, que será responsável também por obter os dados dos sensores. O duto de testes de PIGs do Laboratório de Avaliação e Medição em Petróleo (LAMP/UFRN) será utilizado para avaliar os resultados. Espera-se que o sistema proposto seja capaz de complementar o uso dos odômetros, aumentando assim a confiabilidade da medição de velocidade.