Vinícius Ribeiro Machado da Silva
Título
TIME-SPACE MODELING OF SLENDER MARINE STRUCTURES WITH DEEP LEARNING ALGORITHMS
Resumo
Após um recente período de crise, o setor de óleo e gás entra em uma nova realidade onde a otimização e redução de custos passam a fazer parte das diretrizes do setor. A grande onda da indústria 4.0 e a transformação digital adotada em outros setores reforçam como o investimento em inteligência artificial pode suportar o cumprimento de suas estratégias.
Estruturas esbeltas submarinas podem apresentar alto comportamento não linear, principalmente devido a grandes deslocamentos e contato com o fundo do mar. Análises dinâmicas não lineares são, portanto, necessárias para representar bem suas respostas quando submetidas a um ambiente marinho de carregamento estocástico, apesar de serem simulações numéricas bastante demoradas. Os algoritmos de inteligência artificial nasceram para lidar com problemas complexos semelhantes a estes.
Este trabalho tem como objetivo desenvolver modelos espaço-temporais por meio da utilização de algoritmos de aprendizagem profunda para lidar com a análise dinâmica de estruturas esbeltas submarinas. O modelo aprende o comportamento de tais estruturas por meio de algumas simulações numéricas curtas, se torna capaz de sintetizar suas respostas ao longo da estrutura, e permite a avaliação de vários locais com uma fração do tempo da simulação original. Os modelos avançados propostos contribuem para a aceleração da geração dos esforços estruturais pelas simulações numéricas de tais estruturas durante seu projeto e podem servir de base para a avaliação da vida remanescente e verificação da integridade durante sua fase operacional.
Abstract
After a recent period of crisis, the oil and gas sector enters into a new reality where optimization and cost reduction become drivers for the sector. The big wave of industry 4.0 and the digital transformation adopted in other sectors reinforce how the investment in artificial intelligence can support the strategies fulfillment.
Slender marine structures can present a high nonlinear behavior, mainly due to large displacements and contact with the seabed. Nonlinear dynamic analyses are then necessary to well represent their responses when submitted to a stochastic marine load environment, despite being very time-consuming numerical simulations. Artificial intelligent algorithms were born to handle similar complex problems.
This work aims to develop time-space models using deep learning algorithms to deal with the dynamic analysis of slender marine structures. The model learns the behavior of such structures through some short numerical simulation, synthesizing their responses all along the structure, enabling the assessment of many locations with a fraction of the original simulation time. The proposed advanced models contribute to the speed up of the structural effort generation by the numerical simulations of such structures during its design process. They can serve as a basis for the remaining life evaluation and integrity verification during their operational phase.
