1 |
1
내부에 유체가 이동하는 공간이 형성되는 관형의 파이프;상기 파이프 내부의 유체의 이동으로부터 유발되는 진동을 시간의 흐름에 따라서 유동 유발 진동 신호로 측정하는 가속도계;상기 유동 유발 진동 신호로부터 상기 유체의 유동의 안정성 및 유동의 불안정성을 판단하는 유동 모니터링부를 포함하고,상기 유동 모니터링부는,상기 유동 유발 진동 신호로부터 평균, 분산, 왜도, 첨도 또는 제곱 평균 제곱근을 이용하여 통계량을 산출하여 이로부터 특징 데이터를 추출하는 특징 추출부; 및기계학습을 수행하여, 상기 특징 데이터들 간의 값의 차이를 계산하고 이로부터 상기 특징 데이터를 안정적인 유동 그룹 및 불안정적인 유동 그룹으로 분류하도록 학습하는 기계학습부를 포함하고,상기 유동 모니터링부는 상기 특징 데이터를 저차원의 데이터로 변환하는 저차원 데이터 변환부를 포함하고,상기 기계학습부는 상기 저차원의 데이터로 변환된 특징 데이터로부터 기계학습을 수행하고,상기 가속도계는 하나 이상이고,상기 특징 추출부는,상기 가속도계별로 상기 유동 유발 진동 신호로부터 평균, 분산, 왜도, 첨도 또는 제곱 평균 제곱근을 이용하여 통계량을 산출하여 이로부터 제1 특징 벡터를 생성하는 제1 특징 벡터 생성부; 및상기 가속도계별로 추출한 상기 제1 특징 벡터들로부터 제2 특징 벡터를 생성하는 제2 특징 벡터 생성부를 포함하고,상기 제2 특징 벡터는 사용된 상기 통계량을 산출하는 방법의 개수와 상기 가속도계의 개수를 곱한값과 동일한 차원의 수를 갖고,상기 특징 데이터는 상기 제2 특징 벡터이고,상기 유동 유발 진동 신호에 대한 상기 제1 특징 벡터는 1×a로 구성된 벡터이고, 상기 가속도계의 개수(b)는 두개인 경우, 상기 제2 특징 벡터는 1×(a*b)로 구성된 벡터(여기서 a는 사용된 통계량 산출 방법의 개수이고, b는 가속도계의 개수)이고,상기 저차원 데이터 변환부는 상기 특징 데이터로부터 변동 누적 백분율을 계산하여 이로부터 상기 차원 중 주성분의 차원을 선택하고, 상기 특징 데이터를 상기 주성분의 차원을 갖는 저차원의 데이터로 변환하여 저차원 특징 데이터를 생성하고,상기 변동 누적 백분율은 다음의 수학식에 의해 정의되고, 여기서, 은 변동 누적 백분율이고, m은 주성분의 개수이고, p는 고유벡터(eigenvalue)들의 총 개수이고, 는 i번째로 큰 고유벡터임
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
삭제
|
6 |
6
삭제
|
7 |
7
삭제
|
8 |
8
삭제
|
9 |
9
제1항에 있어서, 상기 유체는 석유이고,상기 파이프는 수직 라이저 및 상기 수직 라이저와 연결되는 파이프 라인을 포함하고,상기 유체의 유동의 불안정성은 슬러깅을 포함하는 유동 모니터링 시스템
|
10 |
10
삭제
|
11 |
11
가속도계가 파이프 내부의 유체의 이동으로부터 유발되는 진동을 시간의 흐름에 따라서 유동 유발 진동 신호로 측정하는 단계; 및유동 모니터링부가 상기 유동 유발 진동 신호로부터 상기 유체의 유동의 안정성 및 불안정성을 판단하는 유동 모니터링 단계를 포함하고,상기 유동 모니터링 단계는,특징 추출부가 상기 유동 유발 진동 신호로부터 평균, 분산, 왜도, 첨도 또는 제곱 평균 제곱근을 이용하여 통계량을 산출하여 이로부터 특징 데이터를 추출하는 단계; 및기계학습부가 기계학습을 수행하여, 상기 특징 데이터들 간의 값의 차이를 계산하고 이로부터 상기 특징 데이터를 안정적인 유동 그룹 및 불안정적인 유동 그룹으로 분류하도록 학습하는 단계를 포함하고,상기 유동 모니터링 단계는 저차원 데이터 변환부가 상기 특징 데이터를 저차원의 데이터로 변환하는 단계를 포함하고,상기 분류하도록 학습하는 단계에서는 상기 저차원의 데이터로 변환된 특징 데이터로부터 기계학습을 수행하고,상기 가속도계는 하나 이상이고,상기 특징 데이터를 추출하는 단계는,제1 특징 벡터 생성부가 상기 가속도계별로 상기 유동 유발 진동 신호로부터 평균, 분산, 왜도, 첨도 또는 제곱 평균 제곱근을 이용하여 통계량을 산출하여 이로부터 제1 특징 벡터를 생성하는 단계; 및제2 특징 벡터 생성부가 상기 가속도계별로 추출한 상기 제1 특징 벡터들로부터 제2 특징 벡터를 생성하는 단계를 포함하고,상기 제2 특징 벡터는 사용된 상기 통계량을 산출하는 방법의 개수와 상기 가속도계의 개수를 곱한값과 동일한 차원의 수를 갖고, 상기 특징 데이터는 상기 제2 특징 벡터이고,상기 유동 유발 진동 신호에 대한 상기 제1 특징 벡터는 1×a로 구성된 벡터이고, 상기 가속도계의 개수(b)는 두개인 경우, 상기 제2 특징 벡터는 1×(a*b)로 구성된 벡터(여기서 a는 사용된 통계량 산출 방법의 개수이고, b는 가속도계의 개수)이고, 상기 저차원의 데이터로 변환하는 단계는 상기 특징 데이터로부터 변동 누적 백분율을 계산하여 이로부터 상기 차원 중 주성분인 저차원을 선택하고, 상기 특징 데이터를 상기 주성분의 차원을 갖는 저차원의 데이터로 변환하여 저차원 특징 데이터를 생성하고,상기 변동 누적 백분율은 다음의 수학식에 의해 정의되고, 여기서, 은 변동 누적 백분율이고, m은 주성분의 개수이고, p는 고유벡터(eigenvalue)들의 총 개수이고, 는 i번째로 큰 고유벡터임
|
12 |
12
삭제
|
13 |
13
삭제
|
14 |
14
삭제
|
15 |
15
삭제
|
16 |
16
삭제
|
17 |
17
삭제
|
18 |
18
삭제
|
19 |
19
제11항에 있어서, 상기 유체는 석유이고,상기 파이프는 수직 라이저 및 상기 수직 라이저와 연결되는 파이프 라인을 포함하고,상기 액체의 유동의 불안정성은 슬러깅을 포함하는 유동 모니터링 방법
|
20 |
20
삭제
|