Otimização evolutiva de uma rede neural aplicada no sistema de ancoragem de plataformas flutuantes

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBaioco, Juliana Souza-
Autor(es): dc.contributorFerreira, Geraldo de Souza-
Autor(es): dc.contributorMonteiro, Bruno da Fonseca-
Autor(es): dc.creatorDaer, Thalita Mongarde-
Data de aceite: dc.date.accessioned2024-07-11T18:42:59Z-
Data de disponibilização: dc.date.available2024-07-11T18:42:59Z-
Data de envio: dc.date.issued2017-12-18-
Data de envio: dc.date.issued2017-12-18-
Data de envio: dc.date.issued2017-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/5399-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/776060-
Descrição: dc.descriptionAs plataformas flutuantes de produção de petróleo offshore estão sujeitas à ação de cargas ambientais, como as ondas, o vento e as correntes, em diferentes direções e intensidades. O sistema de ancoragem é responsável pela integridade da plataforma em sua vida útil, além de limitar os deslocamentos provocados pelas cargas ambientais a níveis convenientes. Uma maneira de analisar a eficiência desse sistema é feita por uma ferramenta numérica computacional baseada em elementos finitos, a qual define as tensões resultantes a partir de termos de séries temporais. Porém, essa ferramenta requer a execução de análises estáticas e dinâmicas que possuem alto custo computacional. Além disso, a matriz de casos de carregamento pode incluir centenas de combinações. Com o intuito de reduzir os custos e o tempo de análise, este trabalho sugere a aplicação de uma rede neural artificial (RNA) para estimar os offsets (passeios) e a tração máxima nas linhas de ancoragem, admitindo como entrada a combinação dos principais parâmetros que configuram um sistema de ancoragem (raios, ângulos, tração aplicada, e o diâmetro da linha). Após treinar a rede neural, iremos otimizá-la através do algoritmo de Evolução Diferencial (DE), modelado no software MATLAB, a fim de obter resultados com melhores propriedades de convergência e, assim, exigindo um menor número de avaliações das soluções candidatas, comparados aos resultados do treinamento da RNA-
Descrição: dc.descriptionFloating production systems (FPS) for oil exploitation are subject to the action of environmental loads, such as waves, wind, and currents in different directions and intensities. The mooring system is responsible for the integrity of the platform throughout its useful life, as well as limiting the displacements caused by environmental loads at convenient levels. One way of evaluating the efficiency of a system is by means of a numerical tool based on finite elements, which defines the resultant tensions from terms of time series. However, this tool requires the execution of static and dynamic analyses that have a high computational cost. Moreover, an array of load cases may include hundreds of combinations. In order to reduce the cost and time of analysis, this work suggests an artificial neural network (ANN) to estimate displacements (offsets) and tension in the mooring lines, admitting as input a combination of the main parameters that configure a mooring system (radius, angles, applied tension, and the mooring line diameter). After training the neural network, we are going to optimize it through the Differential Evolution algorithm (DE), modeled using the MATLAB software, with the purpose of obtaining results with better convergent properties and therefore demanding a lower number of evaluations of the candidate solutions, compared to the results of ANN training-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectRNA-
Palavras-chave: dc.subjectSistema de ancoragem-
Palavras-chave: dc.subjectEvolução diferencial-
Palavras-chave: dc.subjectSistemas flutuantes-
Palavras-chave: dc.subjectPetróleo-
Palavras-chave: dc.subjectRede neural artificial-
Palavras-chave: dc.subjectPlataforma marítima-
Palavras-chave: dc.subjectANN-
Palavras-chave: dc.subjectMooring system-
Palavras-chave: dc.subjectDifferential evolution-
Palavras-chave: dc.subjectFloating production systems-
Título: dc.titleOtimização evolutiva de uma rede neural aplicada no sistema de ancoragem de plataformas flutuantes-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.