Wave monitoring system based on the motions of station-keeping vessels with deep learning (2024)
- Authors:
- Autor USP: BISINOTTO, GUSTAVO ALENCAR - EP
- Unidade: EP
- Sigla do Departamento: PMR
- Subjects: ONDAS; ESTATÍSTICA; ESTRUTURAS OFFSHORE; APRENDIZADO COMPUTACIONAL; EMBARCAÇÕES
- Agências de fomento:
- Language: Inglês
- Abstract: Esta tese propõe uma metodologia dirigida por dados para a estimação de estado de mar usando aprendizado profundo, na qual modelos de inferência são treinados a partir de registros de movimento de uma embarcação. O estudo das ondas do mar é de grande interesse para operações marítimas, uma vez que seus períodos e amplitudes típicos podem excitar respostas dinâmicas significativas em estruturas offshore. Estas ondas podem ser tratadas como um processo estocástico no espaço-tempo, compreendendo diversas alturas, frequências e direções de propagação de onda. Assim, métodos estatísticos são comumente adotados para avaliar suas principais propriedades. Diferentes sistemas para medição e estimativa foram desenvolvidos ao longo dos anos para recuperar as características das condições de onda em um local, mas a avaliação precisa ainda é um desafio. Neste trabalho, uma análise numérica a partir de respostas simuladas de uma plataforma FPSO foi inicialmente realizada para selecionar as arquiteturas de rede neural mais apropriadas para estimar estatísticas e espectro de onda. Estes modelos foram treinados e avaliados com ondas geradas sinteticamente cobrindo um amplo intervalo de condições de mar. Eles produziram resultados promissores, indicando suas vantagens e limitações. Transferência de aprendizado foi então empregada para examinar a abordagem para aplicações experimentais e em serviço. Espectros de onda foram calculados a partir dos dados de movimento de testes em tanque de ondas com um PSV em escala de modelo operando em posicionamento dinâmico. Respostas medidas a bordo do FPSO usado como referência para as simulações foram utilizadas para estimar mares típicos observados ao largo da costa brasileira, considerando o efeito da variação da condição de carregamento da plataforma. Diversasinvestigações foram conduzidas para analisar o desempenho dos modelos de estimação com a combinação de dados oriundos de diferentes fontes, enquanto se ponderou o compromisso entre informar a distribuição estatísticas das ondas locais e incorporar estados de mar mais genéricos. Boa correspondência entre medições e estimativas foi verificada em ambos os casos, mostrando o potencial da metodologia proposta fora de um ambiente de simulação e a sua capacidade de abordar a estimação de onda baseada em movimentos sob condições operacionais. Possíveis direções de melhoria de desempenho e generalização da abordagem também foram sugeridas a partir das descobertas dessa pesquisa.
- Imprenta:
- Data da defesa: 09.10.2024
-
ABNT
BISINOTTO, Gustavo Alencar. Wave monitoring system based on the motions of station-keeping vessels with deep learning. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. . Acesso em: 29 dez. 2025. -
APA
Bisinotto, G. A. (2024). Wave monitoring system based on the motions of station-keeping vessels with deep learning (Tese (Doutorado). Universidade de São Paulo, São Paulo. -
NLM
Bisinotto GA. Wave monitoring system based on the motions of station-keeping vessels with deep learning. 2024 ;[citado 2025 dez. 29 ] -
Vancouver
Bisinotto GA. Wave monitoring system based on the motions of station-keeping vessels with deep learning. 2024 ;[citado 2025 dez. 29 ]
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
