روش جدید شناسایی نشتی مخازن با سرعت و دقت بالا

پژوهشگران دانشکده مهندسی برق دانشگاه صنعتی شریف تحت نظر دکتر مهرداد شریف بختیار موفق شدند با تحلیل دقیقتر داده‌ها و انجام آزمایش‌های متعدد برای نمونه برداری از سیگنال‌های صوتی از انواع مختلف نشتی در شرایط واقعی، الگوریتمی را توسعه دهند که نه تنها با سرعت و دقت بالاتری بروز نشتی را گزارش می‌دهد بلکه قادر است نوع آن را نیز مشخص کند.

مجید احدی، مجری پروژه در پایان نامه دکترای خود تحت عنوان «شناسائی نشتی با استفاده از پردازش سیگنال های منتشر شده صوتی در محیط های پر فشار و کم» عنوان می‌کند که هم اکنون در روش های موجود به سیگنال های ایجاد شده صوتی ناشی از نشتی به عنوان وقایعی با رفتار تصادفی نگریسته می شود که صرفاً با بررسی شدت و میزان تکرار وقوع آنها آشکار سازی انجام می شود.

وی افزود: این در حالی است که در طرح پیشنهادی به سیگنال های منتشر شده به شکل بسته های داده نگریسته می‌شود که علاوه بر تشخیص وقوع نشتی از روی میزان تکرار و شدت آن، به کمک تحلیل و یا به عبارت دیگر رمزگشائی بسته‌های داده می‌توان اطلاعات مهم دیگری از جمله نوع نشتی را تشخیص داد.

این پژوهشگر خاطرنشان کرد: همچنین در این روش بدلیل آشکارسازی بر اساس نوع سیگنال، زمان آشکار سازی نسبت به روش‌های موجود بسیار کوتاه تر و قابل اطمینان تر خواهد شد.

مقایسه سیگنال‌ها با داده‌های واقعی ذخیره شده برای تشخیص

بنا به گفته احدی، در این تحقیق سه گام اساسی برای تحلیل، دسته بندی و رمز گشائی سیگنال های مورد نظر انجام شده است.وی بیان کرد: در این پروژه تحقیقاتی ابتدا مطالعات جامعی در مورد انتشار امواج صوتی در محیط های مورد نظر از جمله لوله های انتقال سیال انجام دادند تا به کمک آن امکان پذیری شناسائی نشتی و شرایط لازم جهت پیاده سازی آشکارساز را معین کنند.

این پژوهشگر خاطرنشان کرد: پس از فراهم کردن امکانات آزمایشگاهی مورد نیاز که بخشی از آنها توسط مجریان طراحی و ساختاه شد، داده‌های واقعی از نشتی های مختلف از پیش تعیین شده در محیط تحت فشار قابل کنترل جمع آوری شده و بر اساس آن رابطه نشتی و سیگنال منتشره به کمک روش‌های مختلف ریاضی تحلیل و رمز گشائی شد.

احدی گفت: در این پژوهش پایگاه داده از داده‌های واقعی ایجاد شده که این داده‌ها بر اساس شرایط مختلف محیط آزمون جمع آوری و دسته بندی شده است.وی بیان کرد: با توجه به نتایج بدست آمده، الگوریتم جدیدی برای پردازش داده به منظور ایجاد یک سامانه کاربردی با قابلیت‌های شناسائی نوع نشتی، تشخیص دقیق‌تر و سریع‌تر زمان وقوع ارائه شده است.