Localização de vazamentos em tubulações enterradas usando uma rede Nneural de convolução

• Ano de defesa: 2021
• Autor(a) principal: Boaventura, Otavio Duarte Zotelli
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Monitoramento da integridade estrutural; Inteligência artificial; Redes neurais (Computação); Águas vazamento; Leak location; Machine learning; Artificial neural networks; Convolutional neural networks
• Link de acesso: http://hdl.handle.net/11449/217311

A água um elemento essencial para todas as atividades humanas, porém, diversas redes urbanas de distribuição ao redor do mundo têm enfrentado dificuldades em provê-la à população. No Brasil, em média, 38,5% da água tratada é perdida antes de chegar ao consumidor. Os métodos atuais de detecção de vazamentos são trabalhosos ou requerem muita experiência ou qualificação técnica do operador. O objetivo desse trabalho é desenvolver um modelo de Aprendizado de Máquina, mais especificamente uma Rede Neural de Convolução (RNC), que simplifique o processo de localização de vazamentos em tubulações de água subterrâneas, calculando a distância entre o sensor e o vazamento a partir de medições realizadas na superfície. Para isso, construiu-se uma caixa com placas de madeira compensada de 1,6m x 1,6m x 0,8m preenchida com solo extraído da região de Ilha Solteira - São Paulo. Um tubo de PVC foi inserido a 0,3m de altura da base da caixa atravessando ao meio duas de suas laterais. Acoplou-se ao tubo um atuador eletromecânico para simular a vibração causada pelo vazamento. Foram coletados sinais de aceleração na superfície, variando a intensidade da vibração no tubo, varrendo uma malha de pontos espaçados 20cm entre si. Dos sinais, extraiu-se a densidade espectral e montou-se matrizes de entrada para a RNC com três sensores. Após uma busca aleatória de combinações em um espaço de hiper-parâmetros, são apresentadas as redes que conseguiram os melhores resultados. Algumas são analisadas em mais detalhes, mostrando as regressões com elas realizadas. O melhor modelo alcançou um erro médio absoluto de 0,103mm na distância predita do vazamento.