Orientador: Janito Vaqueiro Ferreira

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica

Resumo: Este trabalho tem como objetivo desenvolver um processo de identificação da vazão de gás em um dos equipamentos usados na indústria petrolífera, às bombas centrífugas submersas (BCS) em regime de escoamento multifásico. Estas bombas apresentam falhas frequentes prematuras quando a vazão de...

Resumo: Este trabalho tem como objetivo desenvolver um processo de identificação da vazão de gás em um dos equipamentos usados na indústria petrolífera, às bombas centrífugas submersas (BCS) em regime de escoamento multifásico. Estas bombas apresentam falhas frequentes prematuras quando a vazão de gás é alta, as quais ocorrem por falta de informação do tipo de escoamento bifásico presente na bomba no tempo de operação. Por isto estudos de identificação experimental são requeridos nesta área. Neste contexto a presente pesquisa tem seu foco na obtenção de modelos mediante dados experimentais, recompilados diretamente da resposta do sistema que descrevem o comportamento da vazão de gás na planta de interesse, como: vibração, vazão, elevação entre outros. Estes modelos estão baseados na identificação não paramétrica e no algoritmo de aprendizagem de Máquina de Vetores de Suporte (SVM), onde os parâmetros ocultos da máquina de aprendizagem serão obtidos mediante algoritmos genéticos, visando obter modelos mais representativos

Abstract: This work develops a process to identify the flow of gas in one of the equipment used in the oil industry, the electric submersible pump (EPS) under multiphase flow. These pumps feature frequent premature failures when the gas flow is high. That occurs due to lack of information on the...

Abstract: This work develops a process to identify the flow of gas in one of the equipment used in the oil industry, the electric submersible pump (EPS) under multiphase flow. These pumps feature frequent premature failures when the gas flow is high. That occurs due to lack of information on the type of two ¿ phase flow in the pump in operation time. Experimental studies for this identification are required in this area. In this context, the present research focuses on obtaining models by experimental data collected directly from the system response which describes the behavior of the gas flow on the system of interest such as: vibration, fluid, elevation etc. These models are based on nonparametric identification and in learning algorithm support vector machine (SVM), where the hidden parameters of the learning machine will be obtained by genetic algorithms in order to obtain more representative models