Unsupervised pipeline monitoring : spectrum encoding and fractal analysis on vibroacoustic signals

The study of multi-phase flow encompasses a wide variety of scientific fields and constitutes an important challenge in engineering contexts. In practice, any observable fluid flow contains multiple thermodynamic phases, whose spatial disposition and motion are categorized by distinct regimes, namely flow patterns: for example, in liquid-gas flow we can observe bubbly, stratified, annular, slug patterns and so on. This study focuses the attention to oil-gas flow patterns over an horizontal pipeline. The objective of such a study consists in exploiting vibroacoustic data, collected by a proprietary acquisition and monitoring technology (e-vpms registered trademark), to recognize the flow pattern or other relevant operative conditions in the pipeline by means of unsupervised machine learning techniques. The features employed as input are extracted by means of an artificial neural network architecture (i.e., a variational autoencoder), which is used to learn a compressed spectral representation of the vibroacoustic signals; fractal analysis is subsequently carried out to relate such features with the self-similarity of the signals; the mixture velocity from Doppler effect is estimated and general statistics are used. The employed clustering algorithms are HDBSCAN, to filter anomalous data points, and Gaussian Mixture Model, for soft cluster assignment over normal conditions. The obtained data patterns are supported through internal validation measures, namely elbow and silhouette analysis. Furthermore, to promote logical coherence and better interpret the results, the behavior of each cluster is linked to theoretical notions of fluid mechanics and flow pattern recognition experiments from other authors. The proposed flow patterns on normal conditions are expected to be intermittent, annular and wavy-annular.

Lo studio del flusso multifase abbraccia un'ampia varietà di campi scientifici e costituisce una sfida importante in diversi contesti ingegneristici. In pratica, qualsiasi flusso di fluido osservabile contiene più fasi termodinamiche, le cui disposizioni spaziali ed il moto sono classificati da diversi tipi di regime: considerando un flusso di gas-liquido, esistono regimi a bolle, stratificati, anulari, slug, ecc. Questo studio concentra l'attenzione sui regimi di flusso che si manifestano in misture di petrolio-gas e che si propagano lungo una condotta orizzontale. L'obiettivo di tale studio consiste nello sfruttare i dati vibroacustici, raccolti da una tecnologia proprietaria di acquisizione e monitoraggio (e-vpms marchio registrato), per riconoscere il regime di flusso o altre condizioni operative rilevanti nella condotta mediante tecniche di apprendimento automatico non supervisionato. Le caratteristiche fornite in ingresso sono estratte tramite un'architettura di rete neurale artificiale (un codificatore automatico variazionale), la quale viene impiegata per apprendere una rappresentazione spettrale compressa dei segnali vibroacustici; si effettua successivamente un'analisi frattale per mettere in relazione tali caratteristiche con l'auto-similarità dei segnali; viene stimata la velocità della miscela tramite l'effetto Doppler e vengono utilizzate statistiche generali. Gli algoritmi di clustering impiegati sono: HDBSCAN, per il filtraggio di valori anomali; un modello a misture gaussiane, per l'assegnazione di cluster soft in condizioni normali. I risultati dell'apprendimento automatico sono supportati attraverso misure di validazione interna, vale a dire il metodo del gomito e della silhouette. La procedura di clustering convalidata viene analizzata sullo spazio delle caratteristiche e sul comportamento nel tempo. Inoltre, per promuovere la coerenza logica per l'interpretazione dei risultati, il comportamento di ciascun cluster è messo in relazione con nozioni teoriche di meccanica dei fluidi ed esperimenti di riconoscimento di regimi di flusso, effettuati da altri autori. Si prevede che i regimi di flusso proposti in condizioni normali siano di tipo intermittente, anulare e anulare-ondulato.