Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Metzner, Willian Velloso
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Acoustic sensor
Coeficientes cepstrais de frequência mel
Fluid bed drying
Fourier transform
Mel frequency cepstral coefficients
Multi-layer perceptron
Perceptron multicamadas
Secadores leito fluidizado
Sensor acústico
Transformada de Fourier
Link de acesso: https://www.teses.usp.br/teses/disponiveis/74/74133/tde-26092024-150951/
Resumo: This study aimed to monitor fluidized bed dryers with inert ABS plastic particles by applying the analysis of passive acoustic emissions recorded by a piezoelectric microphone, installed externally to the fluidized bed vessel. Audio features such as waveform, DFT and MFCC confirmed the existence of acoustic changes corresponding to variations in the agitation intensity of the inert particles. The MFCC coefficients were used as input neurons in a three-layer artificial neural network (ANN), developed to predict the dynamics of fluidization based on three case studies: air velocity of the fluidizing gas, liquid flow rate added, and drying time. The training and validation stages of the ANN converged after 15 epochs, through the minimization of the Loss function. The MFCC coefficients served as a robust basis for modeling by the neural network, displaying high predictive capacity with R² values above 0.8 in all case studies. This study highlighted that the application of passive acoustic signals and neural networks allows for real-time data acquisition of fluidized bed dryers with inert particles, being useful in monitoring the efficiency of the process and the quality of the product.
id USP_cc12c79eb86ba57623b2be2cf7a74538
oai_identifier_str oai:teses.usp.br:tde-26092024-150951
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networksMonitoramento de secadores de leito fluidizado contendo partículas inertes de ABS utilizando emissões acústicas passivas e redes neurais artificiaisAcoustic sensorCoeficientes cepstrais de frequência melFluid bed dryingFourier transformMel frequency cepstral coefficientsMulti-layer perceptronPerceptron multicamadasSecadores leito fluidizadoSensor acústicoTransformada de FourierThis study aimed to monitor fluidized bed dryers with inert ABS plastic particles by applying the analysis of passive acoustic emissions recorded by a piezoelectric microphone, installed externally to the fluidized bed vessel. Audio features such as waveform, DFT and MFCC confirmed the existence of acoustic changes corresponding to variations in the agitation intensity of the inert particles. The MFCC coefficients were used as input neurons in a three-layer artificial neural network (ANN), developed to predict the dynamics of fluidization based on three case studies: air velocity of the fluidizing gas, liquid flow rate added, and drying time. The training and validation stages of the ANN converged after 15 epochs, through the minimization of the Loss function. The MFCC coefficients served as a robust basis for modeling by the neural network, displaying high predictive capacity with R² values above 0.8 in all case studies. This study highlighted that the application of passive acoustic signals and neural networks allows for real-time data acquisition of fluidized bed dryers with inert particles, being useful in monitoring the efficiency of the process and the quality of the product.Este estudo teve como objetivo monitorar secadores de leito fluidizado com partículas inertes de plástico ABS, aplicando a análise de emissões acústicas passivas gravadas por um microfone piezoelétrico, instalado externamente ao vaso do leito fluidizado. Recursos de áudio como waveform, DFT e MFCC demonstraram a existência de alterações acústicas correspondentes a variações na intensidade de agitação das partículas inertes. Os coeficientes MFCC foram utilizados como neurônios de entrada em uma rede neural artificial (ANN) de três camadas, desenvolvida para prever a dinâmica da fluidização com base em três estudos de caso: velocidade do ar fluidizante, vazão do líquido adicionado e tempo de secagem. As etapas de treinamento e validação da ANN convergiram após 15 epochs, através da minimização da função de perda (Loss). Os coeficientes MFCC serviram como uma base robusta para a modelagem pela rede neural, exibindo alta capacidade preditiva com valores de R² superiores a 0.8 em todos os estudos de caso. Este estudo destacou que a aplicação de sinais acústicos passivos e redes neurais possibilita a aquisição de dados em tempo real de secadores de leito fluidizado com partículas inertes, sendo útil no monitoramento da eficiência do processo e na qualidade do produto.Biblioteca Digitais de Teses e Dissertações da USPDacanal, Gustavo CesarMetzner, Willian Velloso2024-05-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/74/74133/tde-26092024-150951/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2024-09-26T19:42:02Zoai:teses.usp.br:tde-26092024-150951Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-09-26T19:42:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
Monitoramento de secadores de leito fluidizado contendo partículas inertes de ABS utilizando emissões acústicas passivas e redes neurais artificiais
title Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
spellingShingle Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
Metzner, Willian Velloso
Acoustic sensor
Coeficientes cepstrais de frequência mel
Fluid bed drying
Fourier transform
Mel frequency cepstral coefficients
Multi-layer perceptron
Perceptron multicamadas
Secadores leito fluidizado
Sensor acústico
Transformada de Fourier
title_short Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
title_full Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
title_fullStr Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
title_full_unstemmed Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
title_sort Monitoring fluidized bed dryers containing inert ABS particles using passive acoustic emissions and artificial neural networks
author Metzner, Willian Velloso
author_facet Metzner, Willian Velloso
author_role author
dc.contributor.none.fl_str_mv Dacanal, Gustavo Cesar
dc.contributor.author.fl_str_mv Metzner, Willian Velloso
dc.subject.por.fl_str_mv Acoustic sensor
Coeficientes cepstrais de frequência mel
Fluid bed drying
Fourier transform
Mel frequency cepstral coefficients
Multi-layer perceptron
Perceptron multicamadas
Secadores leito fluidizado
Sensor acústico
Transformada de Fourier
topic Acoustic sensor
Coeficientes cepstrais de frequência mel
Fluid bed drying
Fourier transform
Mel frequency cepstral coefficients
Multi-layer perceptron
Perceptron multicamadas
Secadores leito fluidizado
Sensor acústico
Transformada de Fourier
description This study aimed to monitor fluidized bed dryers with inert ABS plastic particles by applying the analysis of passive acoustic emissions recorded by a piezoelectric microphone, installed externally to the fluidized bed vessel. Audio features such as waveform, DFT and MFCC confirmed the existence of acoustic changes corresponding to variations in the agitation intensity of the inert particles. The MFCC coefficients were used as input neurons in a three-layer artificial neural network (ANN), developed to predict the dynamics of fluidization based on three case studies: air velocity of the fluidizing gas, liquid flow rate added, and drying time. The training and validation stages of the ANN converged after 15 epochs, through the minimization of the Loss function. The MFCC coefficients served as a robust basis for modeling by the neural network, displaying high predictive capacity with R² values above 0.8 in all case studies. This study highlighted that the application of passive acoustic signals and neural networks allows for real-time data acquisition of fluidized bed dryers with inert particles, being useful in monitoring the efficiency of the process and the quality of the product.
publishDate 2024
dc.date.none.fl_str_mv 2024-05-06
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/74/74133/tde-26092024-150951/
url https://www.teses.usp.br/teses/disponiveis/74/74133/tde-26092024-150951/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1818279236391141376

Registros relacionados