Registro fonte: Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.

Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.

The classification of the flow pattern is a fundamental step in many processes that involve multiphase flow, among them, estimation of mass and/or volumetric flow, calculation of void fraction, bubble size, slip factor and so on. In this work some approaches are proposed to classify liquid-gas verti...

ver descrição completa

Autor principal:	Ambrosio, Jefferson dos Santos
Formato:	Dissertação
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2019
Assuntos:	Escoamento bifásico Aprendizado do computador Modelos lineares (Estatística) Análise discriminatória Análise multivariada Análise de séries temporais Processamento de sinais - Técnicas digitais Métodos de simulação Engenharia elétrica Two-phase flow Machine learning Linear models (Statistics) Discriminant analysis Multivariate analysis Time-series analysis Signal processing - Digital technique Simulation methods Electric engineering CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS Engenharia Elétrica
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/4474
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-4474
recordtype	dspace
spelling	riut-1-44742019-09-30T20:54:04Z Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina. Ambrosio, Jefferson dos Santos Silva, Marco Jose da http://lattes.cnpq.br/3660493864159835 Silva, Alexandre Kupka da http://lattes.cnpq.br/0353068309348963 Lazzaretti, Andre Eugenio http://lattes.cnpq.br/7649611874688878 Silva, Marco Jose da http://lattes.cnpq.br/3660493864159835 Escoamento bifásico Aprendizado do computador Modelos lineares (Estatística) Análise discriminatória Análise multivariada Análise de séries temporais Processamento de sinais - Técnicas digitais Métodos de simulação Engenharia elétrica Two-phase flow Machine learning Linear models (Statistics) Discriminant analysis Multivariate analysis Time-series analysis Signal processing - Digital technique Simulation methods Electric engineering CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS Engenharia Elétrica The classification of the flow pattern is a fundamental step in many processes that involve multiphase flow, among them, estimation of mass and/or volumetric flow, calculation of void fraction, bubble size, slip factor and so on. In this work some approaches are proposed to classify liquid-gas vertical flow patterns that combine signal processing techniques and machine learning. Wire-Mesh sensor data were used to obtain the time series of void fraction. They are analyzed through statistical and time-frequency approaches, generating parameters that are later used as inputs to the algorithms based on the Support Vector Machine (SVM) and Linear Discriminant Analysis (LDA) to finally identify the pattern. The tests performed indicate that some of the proposed algorithms perform better than 90% of the correct identification. The data used are from vertical water-air flow in 51.2mm tubes. O escoamento multifásico é um fenômeno presente em várias aplicações industriais, como reatores químicos, geração de energia, e na exploração, produção e transporte de petróleo e gás natural. A classiﬁcação do padrão de escoamento é uma etapa fundamental nesse tipo processo, pois, inﬂuencia diversas medidas e subprocessos como estimação de vazão mássica e/ou volumétrica, cálculo de fração de vazio, tamanho de bolha, fator de escorregamento, etc. Neste trabalho são propostas algumas abordagens de classiﬁcação de padrões para escoamento vertical líquido-gás utilizando séries temporais de fração de vazio, técnicas de processamento de sinais e aprendizado de máquina. Uma vez obtidas as séries temporais, são utilizadas duas abordagens inéditas para o problema da classiﬁcação de padrões: a primeira é atualização de um modelo de mistura de gaussianas e o segundo é a utilização da transformada de Hilbrt-Huang em séries temporais de fração de vazio. A última abordagem utilizada faz o cálculo dos quatro primeiros momentos estatísticos para gerar parâmetros para um algoritmo de classiﬁcação, muito utilizada em combinação com redes neurais para os problemas em identiﬁcação de padrões em escoamento multifásico. Posteriormente, os dados gerados através das técnicas descritas são utilizados como entrada nos algoritmos baseados em máquina de vetores suporte (Support Vector Machine - SVM) e análise de discriminante linear (Linear Discriminante analysis - LDA) para enﬁm, efetuar a identiﬁcação do padrão. Os resultados obtidos indicam um ótimo potencial para aplicação em sistemas reais e experimentos in loco. Foram propostos doze métodos de classiﬁcação de padrões combinando as técnicas de processamento de sinais e os algoritmos de classiﬁcação. Em alguns dos casos, a taxa de acerto foi superior a 90% no conjunto de dados referente ao escoamento água-ar vertical em tubos de 51,2mm. 2019-09-30T20:54:04Z 2019-09-30T20:54:04Z 2019-08-23 masterThesis AMBROSIO, Jefferson Dos Santos. Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina. 2019. 69 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019. http://repositorio.utfpr.edu.br/jspui/handle/1/4474 por openAccess application/octet-stream Universidade Tecnológica Federal do Paraná Curitiba Brasil Programa dePós-Graduação em Engenharia Elétrica e Informática Industrial UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Escoamento bifásico Aprendizado do computador Modelos lineares (Estatística) Análise discriminatória Análise multivariada Análise de séries temporais Processamento de sinais - Técnicas digitais Métodos de simulação Engenharia elétrica Two-phase flow Machine learning Linear models (Statistics) Discriminant analysis Multivariate analysis Time-series analysis Signal processing - Digital technique Simulation methods Electric engineering CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS Engenharia Elétrica
spellingShingle	Escoamento bifásico Aprendizado do computador Modelos lineares (Estatística) Análise discriminatória Análise multivariada Análise de séries temporais Processamento de sinais - Técnicas digitais Métodos de simulação Engenharia elétrica Two-phase flow Machine learning Linear models (Statistics) Discriminant analysis Multivariate analysis Time-series analysis Signal processing - Digital technique Simulation methods Electric engineering CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS Engenharia Elétrica Ambrosio, Jefferson dos Santos Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.
description	The classification of the flow pattern is a fundamental step in many processes that involve multiphase flow, among them, estimation of mass and/or volumetric flow, calculation of void fraction, bubble size, slip factor and so on. In this work some approaches are proposed to classify liquid-gas vertical flow patterns that combine signal processing techniques and machine learning. Wire-Mesh sensor data were used to obtain the time series of void fraction. They are analyzed through statistical and time-frequency approaches, generating parameters that are later used as inputs to the algorithms based on the Support Vector Machine (SVM) and Linear Discriminant Analysis (LDA) to finally identify the pattern. The tests performed indicate that some of the proposed algorithms perform better than 90% of the correct identification. The data used are from vertical water-air flow in 51.2mm tubes.
format	Dissertação
author	Ambrosio, Jefferson dos Santos
author_sort	Ambrosio, Jefferson dos Santos
title	Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.
title_short	Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.
title_full	Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.
title_fullStr	Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.
title_full_unstemmed	Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.
title_sort	classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2019
citation	AMBROSIO, Jefferson Dos Santos. Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina. 2019. 69 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/4474
_version_	1805306317624049664
score	10,814766

Classificação de padrões de escoamento bifásico líquido-gás baseada em séries temporais de fração de vazio e técnicas de aprendizagem de máquina.

Registros relacionados