Exportação concluída — 

Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Borg, Denis
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
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:
Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-29072011-100528/
Resumo: Esta dissertação propõe o desenvolvimento de uma rede neural artificial (RNA) direcionada a ambientes foundation fieldbus para realização do cálculo de vazão em dutos fechados. Para tanto, a metodologia proposta utiliza-se de medidas de pressão, temperatura e pressão diferencial, as quais normalmente estão disponíveis em plantas industriais. A principal motivação do emprego das redes neurais reside no seu baixo custo e simplicidade de implementação, o que possibilita o emprego de apenas blocos fieldbus padrões tornando a metodologia independente do fabricante. Foi utilizada uma rede perceptron multicamadas com algoritmo de treinamento backpropagation de Levenberg-Marquardt. O treinamento foi realizado numa programação elaborada para o software Matlab TM. A arquitetura da rede neural foi determinada por métodos empíricos variando-se o número de neurônios e de camadas neurais até se atingir um erro aceitável na prática. Após esses treinamentos foi desenvolvida uma programação para realizar os cálculos de vazão em um ambiente foundation fieldbus utilizando-se para tanto o software DeltaV TM do fabricante Emerson Process Management. Foram obtidos resultados com erro relativo médio de valor de vazão em torno de 1.43% para um primeiro cenário utilizando uma placa de orifício e ar como fluido, e de 0,073% para um segundo cenário utilizando uma placa de orifício e gás natural como fluido, com relação aos valores obtidos através do instrumento multivariável 3095MV TM do fabricante Rosemount. Os valores de erro encontrados validam o método desenvolvido nessa dissertação.
id USP_f8a5e1b96d176d8984e6583d706ece1d
oai_identifier_str oai:teses.usp.br:tde-29072011-100528
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariávelArtificial neural networkComputador de vazãoDelta V TMDeltaV TMFlow computerFlow measurementFoundation fieldbusFoundation fieldbusHARTHARTInstrumento multivariávelMedidor de vazãoMultivariable instrumentOrifice platePlaca de orifícioRede neural artificialSoftware sensorSoftware sensorEsta dissertação propõe o desenvolvimento de uma rede neural artificial (RNA) direcionada a ambientes foundation fieldbus para realização do cálculo de vazão em dutos fechados. Para tanto, a metodologia proposta utiliza-se de medidas de pressão, temperatura e pressão diferencial, as quais normalmente estão disponíveis em plantas industriais. A principal motivação do emprego das redes neurais reside no seu baixo custo e simplicidade de implementação, o que possibilita o emprego de apenas blocos fieldbus padrões tornando a metodologia independente do fabricante. Foi utilizada uma rede perceptron multicamadas com algoritmo de treinamento backpropagation de Levenberg-Marquardt. O treinamento foi realizado numa programação elaborada para o software Matlab TM. A arquitetura da rede neural foi determinada por métodos empíricos variando-se o número de neurônios e de camadas neurais até se atingir um erro aceitável na prática. Após esses treinamentos foi desenvolvida uma programação para realizar os cálculos de vazão em um ambiente foundation fieldbus utilizando-se para tanto o software DeltaV TM do fabricante Emerson Process Management. Foram obtidos resultados com erro relativo médio de valor de vazão em torno de 1.43% para um primeiro cenário utilizando uma placa de orifício e ar como fluido, e de 0,073% para um segundo cenário utilizando uma placa de orifício e gás natural como fluido, com relação aos valores obtidos através do instrumento multivariável 3095MV TM do fabricante Rosemount. Os valores de erro encontrados validam o método desenvolvido nessa dissertação.This dissertation proposes the development of an artificial neural network (ANN) directed to foundation fieldbus environment for calculation of flow in closed ducts. The proposed methodology uses measurements of pressure, temperature and differential pressure, which are usually available in industrial plants. The main motivation of the use of neural networks lies in their low cost and simplicity of implementation, which allows the use of standard fieldbus blocks by just making the method independent of the manufacturer. It was used a multilayer perceptron network with backpropagation training and algorithm from Levenberg-Marquardt. The training was programmed in the software Matlab TM. The architecture of the ANN was determined by empirical methods by varying the number of neurons and neural layers until it reaches an acceptable error. After such trainings, it was developed a program to perform the flow calculations in an foundation fieldbus environment using Emerson Process Management\'s DeltaV TM software. The results were obtained with an average relative error of flow rate of 1.43% for the first scenario using an orifice plate and air as a process fluid, and 0.073% for a second scenario using an orifice plate and natural gas as the fluid related to the values obtained from Rosemount 3095MV TM multivariable instrument. The values of error found validate the method developed in this dissertation.Biblioteca Digitais de Teses e Dissertações da USPBrandão, DennisBorg, Denis2011-06-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/18/18153/tde-29072011-100528/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/openAccesspor2016-07-28T16:10:30Zoai:teses.usp.br:tde-29072011-100528Biblioteca 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:27212016-07-28T16:10:30Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
title Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
spellingShingle Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
Borg, Denis
Artificial neural network
Computador de vazão
Delta V TM
DeltaV TM
Flow computer
Flow measurement
Foundation fieldbus
Foundation fieldbus
HART
HART
Instrumento multivariável
Medidor de vazão
Multivariable instrument
Orifice plate
Placa de orifício
Rede neural artificial
Software sensor
Software sensor
title_short Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
title_full Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
title_fullStr Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
title_full_unstemmed Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
title_sort Implementação de uma rede neural em ambiente foundation fieldbus para computação de vazão simulando um instrumento multivariável
author Borg, Denis
author_facet Borg, Denis
author_role author
dc.contributor.none.fl_str_mv Brandão, Dennis
dc.contributor.author.fl_str_mv Borg, Denis
dc.subject.por.fl_str_mv Artificial neural network
Computador de vazão
Delta V TM
DeltaV TM
Flow computer
Flow measurement
Foundation fieldbus
Foundation fieldbus
HART
HART
Instrumento multivariável
Medidor de vazão
Multivariable instrument
Orifice plate
Placa de orifício
Rede neural artificial
Software sensor
Software sensor
topic Artificial neural network
Computador de vazão
Delta V TM
DeltaV TM
Flow computer
Flow measurement
Foundation fieldbus
Foundation fieldbus
HART
HART
Instrumento multivariável
Medidor de vazão
Multivariable instrument
Orifice plate
Placa de orifício
Rede neural artificial
Software sensor
Software sensor
description Esta dissertação propõe o desenvolvimento de uma rede neural artificial (RNA) direcionada a ambientes foundation fieldbus para realização do cálculo de vazão em dutos fechados. Para tanto, a metodologia proposta utiliza-se de medidas de pressão, temperatura e pressão diferencial, as quais normalmente estão disponíveis em plantas industriais. A principal motivação do emprego das redes neurais reside no seu baixo custo e simplicidade de implementação, o que possibilita o emprego de apenas blocos fieldbus padrões tornando a metodologia independente do fabricante. Foi utilizada uma rede perceptron multicamadas com algoritmo de treinamento backpropagation de Levenberg-Marquardt. O treinamento foi realizado numa programação elaborada para o software Matlab TM. A arquitetura da rede neural foi determinada por métodos empíricos variando-se o número de neurônios e de camadas neurais até se atingir um erro aceitável na prática. Após esses treinamentos foi desenvolvida uma programação para realizar os cálculos de vazão em um ambiente foundation fieldbus utilizando-se para tanto o software DeltaV TM do fabricante Emerson Process Management. Foram obtidos resultados com erro relativo médio de valor de vazão em torno de 1.43% para um primeiro cenário utilizando uma placa de orifício e ar como fluido, e de 0,073% para um segundo cenário utilizando uma placa de orifício e gás natural como fluido, com relação aos valores obtidos através do instrumento multivariável 3095MV TM do fabricante Rosemount. Os valores de erro encontrados validam o método desenvolvido nessa dissertação.
publishDate 2011
dc.date.none.fl_str_mv 2011-06-20
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 http://www.teses.usp.br/teses/disponiveis/18/18153/tde-29072011-100528/
url http://www.teses.usp.br/teses/disponiveis/18/18153/tde-29072011-100528/
dc.language.iso.fl_str_mv por
language por
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_ 1815258572443877376