Thiago Camargo Rodrigues
Resumo
A manutenção da integridade estrutural dos risers flexíveis está dentre os desafios encontrados com o avanço da explotação de petróleo para águas cada vez mais profundas. Os risers flexíveis, que são submetidos a carregamentos aleatórios e não lineares, são suscetíveis à fadiga. As análises de fadiga dessas estruturas esbeltas são realizadas a partir de análises dinâmicas, geralmente, desenvolvidas pelo método dos elementos finitos. Apesar dessas análises apresentarem elevado grau de confiança em seus resultados, elas geram elevados custos computacionais. O presente trabalho traz uma abordagem que utiliza redes neurais artificiais a fim de reduzir tais custos computacionais. Através de redes neurais recorrentes, como a LSTM, este trabalho busca, através de um único treinamento, uma configuração de rede que consiga obter as respostas dinâmicas de um riser flexível para todos os estados que compõem um contorno ambiental centenário para uma dada direção de incidência. Foram desenvolvidos dois estudos de caso para tratar do problema divididos de acordo com a configuração do sistema de risers, um em catenária livre; e outro em lazy-wave. Para cada um dos casos, realizou-se a análise de fadiga com os dados obtidos pelas simulações de elementos finitos e pela rede proposta. Esses resultados são comparados em termos de vida útil à fadiga e apresentam, além da alta acurácia, significativos ganhos computacionais.
Abstract
Maintaining the structural integrity of flexible risers is one of the challenges encountered with the advance of oil exploration into increasingly deeper waters. Flexible risers, subjected to random and non-linear loading, are susceptible to fatigue. The fatigue analyzes of these slender structures are performed from dynamic analyzes, generally developed by the finite element method. Although these analyzes show a high degree of confidence in their results, they generate high computational costs. The present work presents an approach that uses artificial neural networks in order to reduce such computational costs. Through recurrent neural networks, such as the LSTM, this work seeks, through a single training, a network configuration that can obtain the dynamic responses of a flexible riser for all states of a centenary environmental contour for a given incidence direction. Two case studies were developed to address the problem, divided according to the configuration of the riser system, one in a free catenary; and another in lazy-wave. For each case, a fatigue analysis was performed with the data obtained from the finite element simulations and the proposed network. These results are compared in terms of fatigue life and present, in addition to high accuracy, significant computational gains.
