PENDETEKSIAN POLA ALIRAN DAN KEBOCORAN PIPA PADA ALIRAN DUA FASE AIR-UDARA MENGGUNAKAN JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK/ANN)

BUDI SANTOSO, ST, MT, Prof. Dr. Ir. Indarto, DEA.

2013 | Disertasi | S3 Teknik Mesin

Pengetahuan aliran dua fase adalah bagian penting dari proses rekayasa, sementara metode deteksi kebocoran pipa aliran dua fase yang menggunakan parameter internal aliran masih jarang diteliti. Permasalahan unik dalam aliran dua fase adalah fluktuasi tekanan dan pola aliran, oleh karena itu deteksi kebocoran pipa aliran dua fase dimulai dengan menentukan karakteristik pola aliran sebelum suatu titik kebocoran dapat dikenali. Penelitian ini akan mengembangkan kemampuan yang ditawarkan oleh Artificial Neural Networks (ANN) untuk mengidentifikasi pola aliran dan kebocoran pipa pada aliran dua fase. Campuran air-udara dialirkan pada pipa horisontal berdiameter 24 mm. Differential pressure transducer (DPT) digunakan untuk mengukur fluktuasi tekanan diferensial dan direkam dengan menggunakan peralatan akuisisi data pada kecepatan 400 Hz. Kebocoran buatan dilakukan dengan menggunakan selenoid valve pada posisi bagian bawah dan bagian atas pipa. Metode analisis seperti mean, normalized probability density function (NPDF), autocorrelation dan power spectral density (PSD) diaplikasikan untuk mengidentifikasi pola aliran dua fase. Tekanan diferensial rata-rata (mean) meningkat secara linier terhadap peningkatan kecepatan superfisial air dan udara. Pemakaian fungsi autokorelasi dan PSD menunjukkan perilaku nonlinier (kaotik) dari pengukuran tekanan diferensial aliran dua fase. Penggabungan metode PSD dan ANN mampu mengidentifikasi pola aliran stratified, plug dan slug. Fluktuasi tekanan diferensial aliran dua fase tidak dapat digunakan untuk mendeteksi kebocoran pipa. Penggabungan parameter laju aliran masukan, tekanan diferensial rata-rata dan ANN mampu mengidentifikasi/mendeteksi adanya kebocoran pipa aliran dua fase plug.

Pipe network was an important part of the fluid transport infrastructure. On the other hand, the pipeline leak detection in two-phase flow using the flow and pressure parameters is very rarely studied. The unique problems in the two phase flow are pressure fluctuations and flow patterns, therefore detection of pipe leak was started with determining the flow pattern characteristics before the leak points can be identified. This research will develop the capabilities offered by the Artificial Neural Networks (ANN) to identify the flow patterns and pipeline leaks in two phase flow using differential pressure transducer (DPT). The air-water mixture flows in a horizontal pipe diameter of 24 mm and the fluctuation of differential pressure were recorded by the data acquisition on the sampling rate of 400 Hz. The artificial leak were established by the solenoid valve at the bottom and the top position of the pipe. Mean, normalized probability density function (NPDF), autocorrelation and power spectral density (PSD) were applied for the flow patterns identification. The differential pressures of mean increased with increasing superficial velocity of water and air. Using of autocorrelation function and PSD show the nonlinear behavior (chaotic) of differential pressure measurements. The combination of PSD and ANN method was able to identify the stratified, plug and slug flow. Fluctuations differential pressure of two-phase flow can not be used for the pipeline leak detection. The data of the combinations of the input flow rate, the differential pressure can be used to identify the pipeline leak in two-phase flow plug by using ANN. The results demonstrated a good ability to the pipeline leak on two-phase flow.

Kata Kunci : aliran dua fase, gas-likuid, fluktuasi tekanan diferensial, artificial neural network, pola aliran, kebocoran pipa