Artificial neural network and mechanical vibration based identification of the gas fraction in an centrifugal pump with liquid-gas flow

Orientador: Alberto Luiz SerpaDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia MecânicaResumo: As bombas centrífugas submersas (BCS) em regime de fluxo líquido-gás são comuns na indústria do petróleo. Este tipo de bomba apresenta frequentemente falhas prematuras quando o fluxo de gás é muito elevado. Além disso, o incremento de fluxo de gás pode encher o impulsor da bomba fazendo com que o fluxo seja quase nulo, estado conhecido como gas locking. Devido à pouca disponibilidade de informação e de modelos matemáticos que podem ser usados em tempo real para este tipo de bomba, os estudos experimentais nesta área são muito comuns. Este trabalho tem como objetivo aplicar o uso de Redes Neurais Artificiais (RNA) para identificar a fração volumétrica de gás em bombas centrífugas submersas. A modelagem proposta usa dados experimentais medidos diretamente do sistema para diferentes frações de gás tais como: pressão, vazão, torque mecânico, pressão de elevação, vibrações mecânicas, etc. Este modelo de RNA usa um sistema de aprendizado chamado de back propagation e uma rede neural do tipo perceptron multicamada, onde várias arquiteturas foram analisadas para achar o número de neurônios e de camadas ocultas da rede para uma boa aproximação do sistema real. Diferentes modelos de RNA foram testados usando diferentes grupos de dados como entrada da rede. Foram usados dados de testes de desempenho bifásico das bombas operando com uma mistura água-ar e glicerina-ar, coletando os sinais de vibração nos testes feitos com a mistura glicerina-ar. O modelo que usa somente as variáveis operacionais do sistema como entrada, apresentou um bom desempenho, levando em conta que para este tipo de entrada é preciso ter uma base de dados com um grande número de amostras, como era o caso dos testes com a mistura água-ar. O uso dos sinais de vibração permitiu treinar, validar e testar o modelo de RNA para o conjunto de dados dos testes da mistura glicerina-ar, embora não se tenha uma grande disponibilidade de dados das variáveis operacionais. Para esta base de dados, os melhores resultados foram obtidos usando os sinais de vibração conjuntamente com as variáveis operacionais. Em termos gerais, os resultados mostram que o sistema consegue aproximar a fração volumétrica de gás na bomba com uma boa precisãoAbstract: The usage of electrical submersible pump (ESP) under multiphase flow is very common in the oil industry. These pumps frequently present premature failures when the gas flow is high. In addition to this, a further increase of the gas may fill most of the pump impeller, making the flow rate to decrease down to zero situation, known as gas locking. Due to lack of information and of mathematical models that can be used in real time for this type of pumps, experimental studies are usual in this area. This research applies artificial neural network (ANN) for identification of the volume gas fraction in ESP. The model uses experimental data collected directly from the system for different gas fractions, such as pressure, flow rate, mechanical torque, elevation, mechanical vibrations etc. This model uses the back propagation learning algorithm and multi-layer perceptron neural network, where different structures are analyzed to find the optimal number of hidden layers. Different models of ANN were tested using different sets of data for the network entry. Biphasic performance test data of the pumps operating with water-air and glycerin-air mixture were used, collecting the vibration signals in tests made with the glycerine-air mixture. The model that only uses the system operating variables as input, presented a good performance, taking into consideration that for this type of input it was necessary to have a database containing a large number of samples for the case for tests with the mixture water-air. The use of vibration signals allowed to train, validate and test the ANN model to the data set of the mixture glycerin-air tests, despite not having a great availability of the operating variable data. For this database the, best results were obtained using the vibration signals together with the operation variables. In general, the results show that the system can approximate the gas volume fraction in the pump with good accuracyMestradoMecanica dos Sólidos e Projeto MecanicoMestre em Engenharia Mecânic