Detección de fugas en depósitos de gasolina

Abstract

[ES] Rafibra S.L. es una empresa que realiza el mantenimiento y reparación de los depósitos o tanques de gasolina de un gran número de las estaciones de servicio o gasolineras no sólo de España sino también de parte del extranjero. El hecho de que los depósitos estén enterrados dificulta las tareas de mantenimiento y reparación. La empresa con el fin de detectar si hay fugas en dichos depósitos lleva a cabo un protocolo. En dicho protocolo se compara muestras de audio tomadas del interior de los depósitos antes y después de extraer presión (hacer el vacío) al depósito. Si la transformada de Fourier de la muestra después de hacer el vacío supera un umbral obtenido a partir de la transformada antes de hacer el vacío, se considerará que hay una fuga en el depósito. Este sistema ha dado buenos resultados durante muchos tiempo. Recientemente se han introducido nuevos componentes ligeros en los hidrocarburos al disminuir la presión estos componentes entran en ebullición. Las burbujas resultantes de este fenómeno producen un sonido confundible para el sistema con el de fuga líquida. El objetivo de esta tesina es encontrar un método de clasificación con el que se solucione dicho problema. Para ello partiremos de dos hipótesis que marcarán las directrices del desarrollo de este proyecto de investigación. En la primera de las hipótesis presuponemos que tanto las burbujas producidas por el fenómeno de ebullición como las producidas cuando hay una fuga en el depósito, tienen diferentes transformadas de Fourier. Los experimentos nos harán descartar esta hipótesis. En la segunda de las hipótesis presuponemos que las burbujas al producirse una fuga son periódicas, mientras que las burbujas producidas por la ebullición tienen secuencias caóticas. En esta tesis vamos a intentar resolver dos problemas concretos. A partir de una señal de audio detectar donde se encuentran las burbujas y discriminar si existe una fuga en dicha señal. Para la detección de burbujas los métodos desarrollados se han basado uno en la energía de la señal y otro en redes neuronales. Para la discriminación entre fuga y no fuga hemos desarrollado un método basado en la varianza de los tiempos entre burbujas y otro basado en un modelo estadísticos. Como conclusión podemos destacar que con la combinación del método de redes neuronales para la detección de burbujas y el modelo estadístico podemos discriminar satisfactoriamente si hay fuga.

[EN] RafibraS.L. is a company that performs maintenance and repair of the fuel tanks of a large number of service stations and gas stations not only in Spain but also departs from abroad.The fact that deposits are buried hampering repair and maintenance tasks. The company in order to detect leaks in the tanks conduct a protocol. This protocol comparing audio samples taken from inside the tanks before and after removing pressure or make the vacuum at the deposit. If the Fourier transform of the sample after making the vacuum exceeds a threshold obtained from the transformed before the vacuum, it shall be considered to there is a leak in the tank. The problem arose when introducing new components favoring hydrocarbons boiling phenomenon by decreasing pressure.Bubbles resulting from this phenomenon to produce a sound confused with the liquid leakage for the system.The objective of this thesis is to find a classification method which solves this problem. For it will depart from two assumptions that lay down guidelines for the development of this research project. In the first hypothesis we assume that both the bubbles produced by the boiling phenomenon as those produced when there is a leak in the tank, have different Fourier transforms. In the second hypothesis we assume that the bubbles to a leak are periodic in time while the bubbles produced by boiling are chaotic sequences and therefore not periodic. In order to recognize the bubbles which are not and discriminating between the two kinds of bubbles, we have developed different methods based on those assumptions. Bubble detection methods have been developed based one on the power of signal and other neural network. For the discrimination between bubbles corresponding to leakage and bubbles due to boiling phenomenon we developed a method based on the variance of the time increments between bubble and another based on statistical methods.