Escolar Documentos
Profissional Documentos
Cultura Documentos
Agradecimentos
Ao meu orientador e ao meu co-orientador, professores Adrio Duarte Doria Neto e Jorge
Dantas de Melo, sou grato pela orientao.
Petrobras, atravs da Rede GasEnergia (Rede de excelncia em gs e energia), FINEP,
CTGS e UFRN pelo apoio financeiro, material e humano.
Aos colegas Isabele Costa e Felipe Couto pelo auxilio nas atividades vinculadas tese.
Aos demais colegas de ps-graduao, pelas crticas e sugestes.
minha famlia pelo apoio durante esta jornada.
Resumo
Abstract
This study developed software rotines, in a system made basically from a processor
board producer of signs and supervisory, wich main function was correcting the information measured by a turbine gas meter. This correction is based on the use of an intelligent
algorithm formed by an artificial neural net.
The rotines were implemented in the habitat of the supervisory as well as in the habitat
of the DSP and have three main itens: processing, communication and supervision.
Keywords: Measurement in Natural Gas, Calibration, Modbus Protocol, Neural Network.
Contedo
Sumrio
Lista de Figuras
Lista de Tabelas
Introduo
10
10
Apresentao do Problema
2.1 O Caminho at o Consumidor Final . .
2.2 Medidor do Tipo Turbina . . . . . . . .
2.2.1 Calibrao . . . . . . . . . . .
2.3 Fontes de Erro . . . . . . . . . . . . . .
2.4 Algoritmos Inteligentes e Redes Neurais
2.4.1 Inteligncia na Medio . . . .
2.4.2 Implementao via Rede Neural
2.4.3 Rede Neural . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
13
15
16
18
18
19
20
21
Estrutura do Software
3.1 Bancada de Testes . . . . . . . . . . . . . . . .
3.2 Processamento . . . . . . . . . . . . . . . . .
3.2.1 Clculo da Vazo . . . . . . . . . . . .
3.2.2 Algoritmo Inteligente . . . . . . . . . .
3.3 Comunicao . . . . . . . . . . . . . . . . . .
3.3.1 Comunicao Modbus . . . . . . . . .
3.3.2 Protocolo Modbus na Bancada de Testes
3.4 Superviso . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
26
26
29
29
35
39
40
42
47
Implementao e Resultados
4.1 Resultados Simulados . . . . .
4.1.1 Computao da Vazo
4.1.2 Algoritmo Inteligente .
4.1.3 Resultados Finais . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
49
51
51
51
53
.
.
.
.
.
.
.
.
Concluses
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
58
5
Referncias bibliogrficas
59
A Diagrama de Atividades
61
B Fator de Compressibilidade
62
C Computao da Vazo
64
Lista de Figuras
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
.
.
.
.
.
.
.
.
.
.
14
15
16
17
20
21
21
22
22
23
3.1
3.2
3.3
3.4
3.5
3.6
Bancada de testes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Diagrama estrutural do hardware . . . . . . . . . . . . . . . . . . . . . .
Diagrama estrutural do software. . . . . . . . . . . . . . . . . . . . . . .
Incertezas para o clculo do fator Z usando o Mtodo Detalhado. . . . .
Estrutura de computao do Mtodo Detalhado. . . . . . . . . . . . . .
Medidor do tipo turbina Instromet G16, com tramo de 1,5, faixa de trabalho de 0,6-25 m3 /h e fator K de 0,1 m3 /pulso. . . . . . . . . . . . . . .
Medidor do tipo turbina Instromet G100, com tramo de 3, faixa de trabalho de 1-160 m3 /h e fator K de 1 m3 /pulso. . . . . . . . . . . . . . . .
Medidor do tipo turbina Instromet G160, com tramo de 3, faixa de trabalho de 13-250 m3 /h e fator K de 1 m3 /pulso. . . . . . . . . . . . . . . .
Medidor do tipo turbina Instromet G1000, com tramo de 6, faixa de
trabalho de 80-1600 m3 /h e fator K de 0,002070625 m3 /pulso. . . . . . .
Estruturao do treinamento. . . . . . . . . . . . . . . . . . . . . . . . .
Resultado desejado pelo procedimento feed-forward. . . . . . . . . . . .
Abrangncia da arquitetura da rede neural. . . . . . . . . . . . . . . . . .
Comunicao Modbus. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Arquitetura geral do sistema. . . . . . . . . . . . . . . . . . . . . . . . .
Diagrama de atividades da camada de comunicao do supervisrio. . . .
Diagrama de atividades da camada de comunicao do hardware. . . . .
Janela onde realizado o carregamento da rede neural, da cromatografia
do gs natural e do fator K. . . . . . . . . . . . . . . . . . . . . . . . . .
26
28
29
33
34
50
3.7
3.8
3.9
3.10
3.11
3.12
3.13
3.14
3.15
3.16
3.17
4.1
4.2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
36
36
37
37
38
38
39
40
43
45
46
48
52
4.3
4.4
4.5
4.6
4.7
4.8
4.9
Comparao entre a curva de calibrao do medidor do tipo turbina Instromet G100 (1-160 m3 /h) e a sada da rede neural treinada. . . . . . . .
Comparao entre a curva de calibrao do medidor do tipo turbina Instromet G160 (13-250 m3 /h) e a sada da rede neural treinada. . . . . . .
Comparao entre a curva de calibrao do medidor do tipo turbina Instromet G1000 (80-1600 m3 /h) e a sada da rede neural treinada. . . . . .
Comparao entre erros da calibrao do medidor do tipo turbina Instromet G16 e do algoritmo inteligente implementado no DSP. . . . . . .
Comparao entre erros da calibrao do medidor do tipo turbina Instromet G100 e do algoritmo inteligente implementado no DSP. . . . . . .
Comparao entre erros da calibrao do medidor do tipo turbina Instromet G160 e do algoritmo inteligente implementado no DSP. . . . . . .
Comparao entre erros da calibrao do medidor do tipo turbina Instromet G1000 e do algoritmo inteligente implementado no DSP. . . . . .
52
53
53
55
56
56
57
61
Lista de Tabelas
3.1
3.2
41
43
4.1
4.2
4.3
4.4
.
.
.
.
54
54
54
55
62
63
64
65
66
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Captulo 1
Introduo
Nos ltimos anos, o gs natural tem se tornado um importante insumo energtico com
participao crescente na matriz energtica nacional. De acordo com a [Petrobras 2007],
o setor de gs natural no Brasil cresceu 1,790% de 1980 a 2004 e j corresponde a 8,9%
da matriz energtica brasileira.
As suas qualidades e vantagens frente s outras fontes de energia fomentaram as aplicaes industriais, domiciliares e automotivas do gs natural, notadamente nos grandes
centros urbanos e industriais das regies Sul, Sudeste e Nordeste.
A construo do gasoduto Bolvia-Brasil representou tambm um grande avano no
fornecimento de gs natural no pas, com capacidade mxima de transportar at 30 milhes m3 /dia. Alm disso, alguns projetos j esto em desenvolvimento para a explorao
da Bacia de Santos no litoral paulista e a Bacia do Solimes, na regio Norte do pas.
Atualmente, a Petrobras estima que a oferta de gs natural proveniente da produo
nacional, hoje calculada em cerca de 25 milhes de m3 /dia, chegue a 71 milhes m3 /dia
em 2011, representando 11% da matriz energtica brasileira. O volume mdio consumido,
por sua vez, que ficou em 45,5 milhes m3 /dia em 2005, dever ser de 121 milhes de
m3 /dia em 2011, um crescimento estimado de 17,7% ao ano.
Nas unidades de produo on-shore (terra) / off-shore (mar) e ao longo dos milhares
de quilmetros de gasodutos e ramais secundrios de distribuio, existem instaladas
unidades de produo e de processo, estaes de compresso e de controle, alm de
centenas de estaes de medio de vazo utilizadas para quantificar os volumes de gs
submetidos medio fiscal, operacional e de transferncia de custdia.
Contudo, devido aos aspectos legais e comerciais envolvidos, comum observar, principalmente nas estaes de medio mais importantes, que os fornecedores de gs e os
recebedores operam de forma independente os seus prprios sistemas de medio, sempre verificando se as diferenas entre ambas as medies esto dentro das tolerncias
acordadas entre as partes por meio de instrumentos contratuais detalhados.
Nesse sentido, pode se dizer que o principal objetivo de um sistema de medio de gs
natural o de realizar medies exatas e confiveis dos volumes de gs, por meio do uso
de equipamentos controlados e tcnicas de medio reconhecidas, que possam assegurar
nveis de erro e incerteza aceitveis para as medies, e que atendam aos requisitos e
limites de normas e regulamentos da indstria do gs.
Se considerarmos, por exemplo, um erro total de 1% equivalente da transferncia do
CAPTULO 1. INTRODUO
11
CAPTULO 1. INTRODUO
12
entes, e apoiado pela existncia de mecanismos cada vez mais confiveis de comunicao
entre hardware entre os componentes que formam o sistema de medio, novas reas
de desenvolvimento de sistemas de processamento embarcados comearam a ser investigadas.
Dentre estas reas, destaca-se a incorporao de inteligncia artificial aplicada na melhoria da qualidade de medio, no processamento da informao adquirida, na deteco
de falhas e no prprio controle do processo.
Uma poderosa ferramenta, de simples implementao e de grande abrangncia de aplicaes, so as redes neurais artificiais [Haykin 2001]. Aps sua fase de treinamento, as
redes neurais podem ser incorporadas facilmente em qualquer sistema de processamento,
devido a simplicidade de seus clculos.
Este trabalho prope, portanto, a implementao de um algoritmo inteligente baseado
em redes neurais para a correo da medida de vazo de gs natural, embarcado em uma
placa de processamento digital de sinais (DSP) na linha de comunicao entre o elemento
primrio (medidor do tipo turbina) e o supervisrio do sistema de medio.
Esse algoritmo se baseou na correo da informao medida por um medidor do tipo
turbina na sua faixa de atuao. Essa correo ocorre pela diferena em relao ao valor
obtido por um medidor de exatido mais apurada e conhecida durante a fase de calibrao
do medidor testado, em um laboratrio reconhecido.
Para essa aplicao, foi necessrio a computao da vazo no ambiente de programao da placa DSP, o desenvolvimento de um supervisrio para monitoramento, carregamento e controle das variveis do processo, alm da implementao de um protocolo
de comunicao entre as duas partes. A implementao desses algoritmos tambm ser
abordada por este trabalho.
Para isso, este projeto utilizou uma bancada de testes que est sendo desenvolvida
para ser instalada no Laboratrio de Medio de Vazo de Gs (LMVG) do Centro de
Tecnologia do Gs [CTGAS 2007] e que dispe toda a configurao fsica necessria
para a aplicao dos algoritmos.
Aps essa fase introdutria, o captulo seguinte apresentar o problema da medio
fiscal no Brasil, destacando a transferncia de custdia, as fontes de erro e a correo
atravs da calibrao, e apresentar tambm o algoritmo inteligente desenvolvido para
auxiliar a solucionar esse problema. O captulo 3 descrever como est estruturada essa
bancada de testes, destacando as implementaes em software dos ambientes de superviso, processamento e comunicao. No captulo 4 ser descrito a implementao e
apresentado os resultados. E o captulo 5 far as consideraes finais.
Captulo 2
Apresentao do Problema
Diferentemente de outras reas da metrologia como a de longitude, massa, temperatura ou tempo, j relativamente bem consolidadas, a metrologia de vazo de fluidos apresenta particularidades e dificuldades intrnsecas, encontrando-se ainda em amplo desenvolvimento. A vazo uma grandeza derivada e sujeita, entre outros fatores, s condies
dinmicas e termodinmicas do escoamento sob medio. O mensurando (valor de vazo
a ser medido) [INMETRO 1995] depende de uma matriz multidimensional de condies
como uma ampla faixa de vazes, presses, temperatura, tipos de fluidos e suas propriedades fluidodinmicas. Tais razes tm contribudo para que a medio de vazo de
fluidos continue sendo um dos desafios a serem vencidos tanto no campo da metrologia
legal quanto na cientfica e industrial.
2.1
Para chegar ao consumidor final, o gs natural passa por uma srie de etapas que
vo desde a explorao da jazida, passando pela produo, processamento, transporte, e
chegando finalmente distribuio. Nesse caminho, o gs comprimido, processado e
transportado ao longo de centenas de quilmetros de tubulaes que compem as malhas
de gasodutos que cruzam fronteiras de estados e de municpios, passando por estaes
de regulagem e medio at chegar s distribuidoras e seus consumidores. A figura 2.1
[Alonso 1999] mostra um mapa da situao atual dos gasodutos no territrio brasileiro.
Assim, partindo da produo at chegar ao consumidor final, em cada etapa o gs
natural movimentado sob a responsabilidade de uma empresa diferente que, seqencialmente, o repassa para a prxima empresa, por meio de processos denominados de
transferncia de custdia.
A transferncia de custdia realizada em estaes controle e de medio especficas,
localizadas em entroncamentos de gasodutos, ou em city gates onde a transportadora
entrega o gs para a concessionria local.
14
15
2.2
Os sistema de medio abordado por este trabalho tem como elemento primrio o
medidor de vazo do tipo turbina. Este medidor um dos medidores mais confiveis
para a medio de leos crs e gs natural, e encontram aplicao na medio de vazo
em plataformas petrolferas e em unidades de transferncia de custdia e de medio
fiscal [Daniel 1996].
Um medidor de vazo tipo turbina (figura 2.3 [INSTROMET 2007]) um dispositivo
para medio de velocidade. Ele consiste basicamente de:
um corpo;
16
um mecanismo de medio;
um dispositivo de leitura e sada.
2.2.1
Calibrao
O desempenho dos medidores de vazo do tipo turbina depende de uma srie de caractersticas inerentes composio do gs, ao processo de medio e s propriedades fsicas
da vazo do gs pela tubulao.
Eles so fabricados para ter um erro mximo na calibrao em torno de 1% sobre
uma faixa de vazo especfica para qualquer densidade de operao do gs. Se forem
calibrados individualmente com relao a um padro aceitvel e para uma densidade
(do gs) de operao em particular, sero capazes de obter medies com um erro de
0, 25%. Portanto, o melhor desempenho obtido quando cada medidor calibrado
sobre condies de densidade mais prximas das condies reais de operao.
O erro de medida pode ser determinado atravs de uma curva de desempenho, conhecida como curva de calibrao, como ser mostrado na figura 2.4. Esta curva produzida atravs de testes com o medidor em diferentes valores de vazo, dentro da faixa
de vazo permitida. Uma constante conhecida como fator K ento calculada para que
o erro de medida dentro da faixa de vazo do medidor no ultrapasse 1%. Esse fator K
representa nmero de pulsos por unidade de volume para medidores que possuem como
sada um sinal eltrico.
17
Tipicamente esta curva montada com o medidor sendo testado em uma tubulao
onde o fluido que o percorre ar atmosfrico, por questes de custo/benefcio, pois o gs
natural requer uma estrutura bem mais complexa e, conseqentemente, tambm bem mais
custosa, com o intuito de garantir o manuseio deste material inflamvel e danoso ao ser
humano de forma segura. Para diminuir o erro, medidores tambm podem ser testados,
para montar a curva, nas condies de operao do fludo.
2.3
18
Fontes de Erro
Um dos grandes problemas ocorridos com os medidores no ambiente de trabalho, independentemente da qualidade do medidor utilizado, a sua degradao, fazendo com
que a informao medida pelo mesmo aumente o erro de medio com o decorrer do
tempo, ou seja, passando a indicar valores que no so coerentes com os valores reais da
grandeza fsica medida, ultrapassando as limitaes normativas ou contratuais de tolerncia. Esse tipo de desgaste recebe o nome, neste trabalho, de descalibrao.
A inexatido na medida faz com que seja necessria uma recalibrao no sensor. Para
isso, deve-se retirar o sensor do campo, lev-lo ao laboratrio e calibr-lo novamente
com relao a um padro. Esse processo pode levar muito tempo e acarretar prejuzos
econmicos, pois o processo pode ser interrompido. Como desconhecida a periodicidade ideal para se retirar o sensor do campo e realizar o processo de calibrao, corre-se
o risco de se retir-lo antes do tempo ideal, o que provocaria uma sub-utilizao do medidor, ou ainda fazer a calibrao de forma tardia, o que levaria a um aumento no erro da
medio.
No possvel fazer uma medio sem erros ou incertezas, contudo deve-se manter
os erros e a estimativa das incertezas dentro de faixas ou limites aceitveis.
As incertezas e os erros no podem ser completamente eliminados, pois o valor verdadeiro, obtido por uma medio perfeita, desconhecido. Porm, o valor provvel do
erro pode ser avaliado.
O erro de medio calculado em uma calibrao no se refere apenas ao erro do elemento medidor, mas sim ao erro de todos os componentes do processo de medio, ou
seja, esse erro calculado resulta de um somatrio dos erros de cada componente do sistema
de medio. Portanto, a exatido final obtida depende de associao entre os componentes
dos erros. O conhecimento de como os erros se propagam essencial no projeto e uso de
algoritmos na instrumentao.
J a incerteza, de acordo com [Ribeiro 2003], um parmetro que caracteriza a disperso dos valores que podem ser atribudos uma mesma quantidade medida. Como
nenhuma medio perfeita, o seu resultado apenas uma aproximao do valor real da
quantidade medida, dentro de uma faixa de incerteza.
Como no erro resultante, a incerteza total obtida em uma medio resultado de
uma combinao das incertezas de todos os componentes. A anlise de cada medio
envolvida na calibrao , portanto, primordial para identificar os fatores que contribuem
para a incerteza total.
2.4
19
2.4.1
Inteligncia na Medio
2.4.2
20
Um medidor pode ser visto como uma funo que recebe em sua entrada a varivel de
processo e d uma resposta dentro de um conjunto de sadas, que pode ser, por exemplo,
uma tenso, uma corrente eltrica ou um valor digital. Essa funo, todavia, pode ser
modificada pelo desgaste natural do medidor. Essa modificao tem como caracterstica
o fato do medidor receber uma entrada e dar uma resposta diferente da que ele daria se
estivesse calibrado.
Com o intuito de melhorar a exatido e confiabilidade da quantidade medida pelos
medidores de vazo do tipo turbina no ambiente de trabalho, foi proposto um algoritmo
inteligente, baseado em tcnicas de redes neurais artificiais do tipo Percetron de Mltiplas
Camadas, para corrigir a medio da vazo, respeitando as restries prticas do processo.
Os principais motivos que levaram a escolha de redes neurais neste trabalho, alm
da simplicidade de sua implementao e execuo, foram a generalizao e o fato de ser
um aproximador universal de funes. Na generalizao, a rede Perceptron de Mltiplas Camadas (PMC) tem a capacidade de obter sadas coerentes para entradas que no
participaram como exemplo na fase de treinamento. A PMC tambm um aproximador
universal de funes pois a partir de um conjunto de dados que representam uma determinada funo, a rede pode obter uma aproximao dessa funo.
A idia para esse algoritmo se baseia no fato de que um medidor ideal deveria comportarse seguindo as mesmas caractersticas da calibrao, em relao a um medidor padro de
alta preciso, durante toda sua vida til, o que no acontece na prtica. O algoritmo que
seria implementado em campo teria a configurao mostrada no diagrama:
21
2.4.3
Rede Neural
As redes neurais artificiais so formados por neurnios artificiais, que seguem a forma
dos neurnios biolgicos, s que mais simplificados. Os neurnios artificiais so unidades
de processamento formados basicamente de entradas e sadas e de um corpo celular, onde
feito o processamento. A estrutura de um desses neurnios pode ser vista na figura 2.7:
22
A amplitude do sinal gerado pelo corpo celular restringida por uma funo de ativao. Desse modo, assegura-se que a amplitude do sinal de sada ter um valor finito. A
estrutura do neurnio artificial possibilita descrev-lo de modo matemtico como segue:
m
wk j x j
(2.1)
yk = (uk + bk )
(2.2)
uk =
j=1
sendo,
- x1 , x2 , ..., xn so as entradas;
- wk1 , wk2 , ..., wkn so os pesos sinpticos;
- uk a sada do combinador linear;
- bk o bias;
- (.) a funo de ativao;
- yk a sada do neurnio.
Existem trs tipos de funes de ativao e elas so escolhidas de acordo com a aplicao que utilizar a rede neural. As figuras abaixo mostram graficamente algumas dessas
funes:
23
(l)
v j (n) =
m0
24
(l)
w ji (n)yl1
i (n)
(2.3)
i=0
onde yl1
i (n) o sinal de sada do neurnio i da camada anterior l 1, na interao
(l)
n, e w ji (n) o peso sinptico do neurnio j na camada l, que alimentado pelo
(l)
(l)
y j = j (v j (n))
(2.4)
y j = x j (n)
(2.5)
y j = o j (n)
(2.6)
(2.7)
(l)
(L)
(L)
= e j (n)0j (v j (n)),
(l)
(l+1)
0j (v j (n))0 k
(l+1)
(n)wk j
(n),
(2.8)
h
i
(l)
(l)
(l1)
w ji (l 1) + j (n)yi
(n)
(2.9)
25
5. Iterao: Realize a iterao das computaes para frente e para trs dos passos 3 e
4, apresentando novas pocas de exemplos de treinamento para a rede, at que seja
satisfeito a condio de parada.
Captulo 3
Estrutura do Software
3.1
Bancada de Testes
27
Para a correta aquisio dos sinais provenientes dos medidor de vazo e dos transmissores de temperatura e presso, circuitos de converso e conformao foram desenvolvidos no projeto da bancada.
O sinal proveniente do medidor de vazo um trem de pulsos (sinal de tenso) de
12V de amplitude na forma de uma onda quadrada simtrica. Esse sinal ser convertido
para um sinal de tenso de aproximadamente 0/3, 6V por um circuito de interconexo,
para poder ser digitalizado por conversores embutidos em uma placa de Processamento
Digital de Sinais (DSP) e, ento, processados.
J os sinais provenientes dos transmissores de presso e temperatura so sinais digitais
que so convertidos e enviados placa atravs de um IF (conversor fieldbus/4-20mA) e
de circuitos conversores 4-20mA/tenso e A/D.
O dispositivo DSP, que um dos ambientes de execuo das rotinas implementadas em
software, uma espcie de microcontrolador adaptado para aplicaes de processamento
digital de sinais, no sentido em que possuem uma arquitetura otimizada para aplicaes
que requerem uma computao intensiva, alm de perifricos com funes especializadas
integrados ao chip.
O mdulo de desenvolvimento utilizado neste trabalho foi o TMS320lf2407 EVM da
Spectrum Digital, que incorpora como ncleo central de processamento o DSP, de 16
bits, TMS320LF2407 da [Texas Instruments 2007]. Dentre as principais caractersticas
desta famlia de DSP destacam-se: freqncia mxima de operao de 40 MHz, memria
SRAM de 128 KWords, memria Flash EEPROM, conversor A/D com resoluo de 10
bits e 16 canais de entrada e capacidade de executar converses em um tempo aproximado
de 500 ns.
Uma conexo RS232 de comunicao serial foi utilizada para fornecer as grandezas
medidas e calculadas a um supervisrio. Essa comunicao ocorre de forma bidirecional entre a placa e o computador que contem o software do supervisrio. O diagrama
mostrado na figura 3.2 mostra toda a estrutura de hardware adotada.
28
29
3.2
Processamento
3.2.1
Clculo da Vazo
Um sistema de medio, como proposto pela Norma API - Chapter 21.1 [Starling
& Savidge 1993], consiste de elemento primrio, secundrio e tercirio. O elemento
primrio compreende o tipo bsico do medidor usado para a medio de gs, sendo, para
este trabalho, o medidor do tipo turbina. O elemento secundrio o dispositivo transmissor, ou seja, propicia a transmisso de informaes de um local para o outro com a
utilizao de um circuito eletrnico que converte o sinal de sada do elemento primrio
para um sinal (eletrnico) padro, transmitindo assim a informao correta das grandezas
medidas para o elemento tercirio. O elemento tercirio recebe essa informao e a utiliza
em instrues programadas para o clculo correto da vazo (dentro de limites especificados) do gs que flui pelo elemento primrio.
Neste trabalho, o hardware dedicado o responsvel pelo papel de elemento secundrio e tercirio no sistema de medio de gs proposto, ou seja, realiza a aquisio
30
do sinal proveniente do medidor de vazo do tipo turbina e sua converso para uma medida de vazo aceitvel; a aquisio da informao de temperatura e presso proveniente
de seus respectivos transmissores; o clculo do fator de compressibilidade e super compressibilidade; o clculo da vazo e volume instantneo e acumulado nas condies de
operao e de base; outros clculos adicionais que melhorem a exatido, como por exemplo, a execuo do algoritmo inteligente proposto baseado em uma rede neural artificial;
e o envio de seus resultados a um outro dispositivo para superviso e/ou processamento
externo. Para sistemas convencionais de medio de vazo, um dispositivo que realiza a
maioria dessas funes, podendo tambm executar outras, denominado computador de
vazo.
Basicamente, o computador de vazo um dispositivo especial cuja finalidade converter eletricamente sinais (analgicos ou digitais) provenientes de um sistema de medida
de gs (por exemplo, medidor do tipo turbina) em um valor correto da vazo, em algum
sistema conhecido de medio, baseado na informao derivada desses sinais de entrada e
da informao armazenada sobre as propriedades do sensor e do fluido medido. Todos os
sistemas de medio de vazo possuem expresses matemticas bsicas que descrevem a
relao do sinal de entrada com uma informao de vazo.
Medio de Vazo Volumtrica
Como o medidor do tipo turbina um dispositivo de medio de velocidade, ele depende do fluxo do fluido para fazer com que o rotor gire em uma velocidade proporcional
taxa de vazo. As revolues do rotor so contadas mecanicamente ou eletricamente, e
podem ser convertidas em um registro volumtrico continuamente totalizado.
Para medidores lineares, medidores estes que geram trem de pulsos e nos quais se
inclui o tipo turbina, a obteno da vazo inicia-se pelo clculo da quantidade volumtrica
total,
(tt0 )/dt
Qt =
Qn
(3.1)
n=t0
onde
Qt a quantidade volumtrica acumulada em n intervalos de tempo;
Qn = Q f a vazo instantnea correspondente ao intervalo dt;
dt a diferena uniforme de tempo entre intervalos de vazo;
As variveis de processo que definem a medio do fluxo so tipicamente no estticas. Assim, a quantidade total verdadeira a totalizao do fluxo para um determinado
intervalo, levando em considerao a contnua variao das condies operacionais.
A vazo nas condies de medio Q f o valor resultante do clculo de contagens
acumuladas de pulsos (expressos pelo elemento primrio) dividido pela constante do medidor, representando um perodo de tempo especfico (n). O clculo integral expresso
por
Qn = pulsos/K
(3.2)
31
onde
pulsos o nmero de pulsos contados pelo intervalo n;
K a constante do medidor (pulsos/m3 ).
Esse registro volumtrico calculado nas condies de temperatura e presso em que
a vazo est sendo medida e, portanto, necessita ser corrigido para as condies de base,
para propsitos comerciais. De acordo com a lei bsica do gases,
(Pf )(V f ) = (Z f )(N)(R)(T f )
(3.3)
(3.4)
32
33
34
35
3.2.2
Algoritmo Inteligente
Como visto anteriormente, a rede neural utilizada para o algoritmo inteligente foi o
Percetron de Mltiplas Camadas com algoritmo de treinamento backpropagation. As
fases de treinamento e validao cruzada da rede neural foram realizadas em rotinas no
programa Matlab R14 [MATLAB 2007], e o processo feed-forward da rede foi realizado
no ambiente da placa DSP, na linguagem de programao C.
Essa fase de validao cruzada teve como objetivo saber o melhor momento de encerrar o treinamento, ou seja, para evitar que a rede neural acabe sendo treinada excessivamente ajustada aos dados de treinamento. Assim, divide-se os dados em dois conjuntos,
um de treinamento e outro de validao. O primeiro conjunto treinar a rede de forma
usual, exceto por uma pequena modificao: a sesso de treinamento interrompida periodicamente e a rede testada com o outro conjunto (de validao) aps cada perodo.
Esse procedimento conhecido como mtodo de treinamento com parada antecipada
[Haykin 2001].
Treinamento da Rede Neural
Os dados utilizados para o treinamento e a validao foram obtidos da calibrao de
medidores de vazo do tipo turbina realizadas pelo CTGS. Estes dados formam uma
curva para cada calibrao, que relaciona a faixa de vazo em que o medidor atua com o
seu percentual de erro. Essa relao se deve pois quando o medidor submetido a uma
calibrao, determina-se seu erro relativamente ao valor verdadeiro convencional (valor
indicado pelo padro), atravs da seguinte frmula:
V j Vvc
. 100
(3.7)
Vvc
onde V j o valor indicado pelo instrumento testado e Vvc o valor indicado pelo medidor
padro.
Erro(%) =
36
Figura 3.6: Medidor do tipo turbina Instromet G16, com tramo de 1,5, faixa de trabalho
de 0,6-25 m3 /h e fator K de 0,1 m3 /pulso.
Figura 3.7: Medidor do tipo turbina Instromet G100, com tramo de 3, faixa de trabalho
de 1-160 m3 /h e fator K de 1 m3 /pulso.
37
Figura 3.8: Medidor do tipo turbina Instromet G160, com tramo de 3, faixa de trabalho
de 13-250 m3 /h e fator K de 1 m3 /pulso.
Figura 3.9: Medidor do tipo turbina Instromet G1000, com tramo de 6, faixa de trabalho
de 80-1600 m3 /h e fator K de 0,002070625 m3 /pulso.
Para a construo dos conjuntos de treinamento e validao cruzada da rede neural, foi
necessrio que os dados recebidos fossem interpolados, por meio do mtodo dos mnimos
quadrados, e utilizados na equao 3.7, obtendo assim os exemplos de entrada (V j ) e
respectiva sada desejada (Vvc ) do algoritmo. A figura 3.10 estrutura esse procedimento.
38
39
(1eax )
(1+eax )
(eax eax )
(eax +eax )
ni
ljixi
+ blj
(3.8)
i=1
Com isso, para que o algoritmo implementado na placa possa executar suas operaes
corretamente na bancada de testes, a rede neural deve ser carregada com os valores de
todos os seus parmetros descritivos.
3.3
Comunicao
40
sensores e controladores. O Fieldbus uma LAN (rede local) para automao e instrumentao de controle de processos, dotado da capacidade de distribuir o controle desses
processos no campo de atuao, s que, para conseguir o controle desejado, os dispositivos devem ser configurados adequadamente.
Uma de suas principais caractersticas a organizao da camada de aplicao em
blocos, que pode ser dividida em trs categorias: os blocos de recurso, os blocos transdutores e os blocos funcionais. Os blocos funcionais so responsveis por manipular os
sinais fornecidos pelos blocos de recurso, depois de tratados pelos blocos transdutores.
No projeto da bancada, foi especificado que esse protocolo ir enviar informaes
provenientes dos transmissores FF de temperatura e presso tanto ao supervisrio, por
um servidor OPC (OLE for Process Control) atravs de blocos funcionais especficos,
como ao hardware dedicado, diretamente atravs de circuitos conversores.
O OPC uma nova tecnologia para conectar aplicaes Windows e equipamentos de
controle de processos. um padro aberto que permite um mtodo consistente de acesso
aos dados de diversos equipamentos dos mais diferentes fabricantes.
J o protocolo Modbus define basicamente uma estrutura de mensagens composta
por bytes, onde a comunicao feita atravs da tcnica mestre-escravo, onde apenas
um dispositivo (mestre) pode iniciar a comunicao (query). Os escravos respondem
enviando os dados solicitados pelo mestre.
3.3.1
Comunicao Modbus
41
Endereo
do escravo
1 char
Funo
Modbus
1 char
Dados para o
Escravo
N chars
Checksum
CRC -/+
Fim do
quadro
T Fim
Como j foi visto acima, o CRC (Cycle Redundant Code) o responsvel pela integridade da mensagem enviada, ou seja, em informar se a mensagem foi enviada corretamente. Isso realizado atravs de uma funo que compara, atravs de X-OR (OUExclusivo), a mensagem origem com a destino. Se o resultado for zero significa que a
mensagem foi enviada sem erro, caso contrrio houve algum erro na comunicao.
3.3.2
42
43
Dados
N chars
Checksum
CRC -/+
44
da rede, tipo de funo de ativao ou varivel do processo. Pelo padro Modbus, uma
mensagem de confirmao de envio ser enviada pelo escravo ao mestre informando se
esses dados foram recebidos corretamente pelo escravo. Esse quadro de confirmao ser
igual ao recebido pelo escravo, diferindo apenas o checksum atualizado.
Caso seja uma operao de leitura, o quadro enviado ter o mesmo formato bsico,
com a exceo do cdigo de operao ser 03H e do endereo lgico indicar agora qual a
varivel de interesse a ser lida. Aps essa requisio, o mestre espera o escravo enviar o
quadro com o valor do parmetro. Antes de apresentar esse dado ao usurio, o mestre ter
de validar esse quadro atravs do clculo do novo checksum e comparao com o recebido
na comunicao.
Do outro lado da comunicao, o escravo precisa ficar aguardando o mestre inici-la.
Quando requisitado, o escravo verifica se existe erro de comunicao atravs do CRC do
quadro recebido. Se o quadro for validado, analisa-se ento qual a operao desejada pelo
mestre. Caso seja operao de leitura, o escravo analisar o endereo lgico da varivel
requisitada, carregar o parmetro e enviar a resposta com o novo CRC calculado.
Caso seja uma operao de escrita, o escravo verificar os endereos lgicos dos dados
recebidos, podendo ser uma das estruturas j citadas anteriormente; carregar os dados
nas variveis designadas pelos endereos, para o correto funcionamento dos algoritmos
implementados; calcular o novo CRC e enviar o quadro de volta ao mestre para a confirmao do recebimento.
Para que tanto o supervisrio quanto o hardware dedicado executem essas operaes
da forma desejada, uma camada de comunicao faz-se necessrio em cada lado da comunicao. Elas sero responsveis tanto por formar o quadro Modbus, preenchendo todos
os seus campos de forma adequada para envi-los corretamente, como por receber os
quadros, valid-los, interpret-los e disponibiliz-los ao usurio (mestre) ou ao algoritmo
(escravo).
Para uma melhor compreenso, os diagramas de atividades das figuras 3.15 e 3.16 detalham os procedimentos a serem seguidos pela camada de comunicao do supervisrio
e do hardware dedicado.
45
46
3.4
47
Superviso
O supervisrio utilizado na bancada de testes foi implementado no programa proprietrio Elipse PRO Master Full. Esse programa possibilitou a implementao tanto da
camada de aplicao como da camada de comunicao do supervisrio, pois j possui
ferramentas prontas de aplicao de automao industrial e de comunicao Modbus.
O programa supervisrio foi implementado com as seguintes tarefas especficas:
Superviso e Controle do Processo: Responsvel pela contnua recepo e registro dos valores das variveis do processo monitoradas pela bancada de testes, para
que se possa verificar e validar a eficcia dos algoritmos implementados, e detectar
possveis falhas do sistema. Os dados monitorados so os valores de temperatura e
presso dos transmissores Fieldbus Foundation, e volume, nmero de pulsos, vazo
real e vazo corrigida do medidor de vazo (atravs do hardware dedicado).
Configurar Sistema: Responsvel pelo envio ao hardware dedicado (escravo) todos os parmetros preliminares para o clculo da vazo (condies de medio e
base) e para a passagem pelo algoritmo inteligente, ou seja, informando fraes
molares dos componentes do gs natural, o fator K do medidor de vazo utilizado,
e o nmero de camadas, nmero de neurnios por cada camada, qual a funo
de ativao para cada camada e os ganhos sinpticos e bias de cada neurnio da
arquitetura da rede neural estipulada. Esses dados podero ser carregados manualmente ou atravs de uma tabela .xls. A figura 3.17 apresenta a janela responsvel
por essa tarefa;
Configurar Conta: No h nenhum tipo de comunicao com o escravo e se refere
apenas a mudana de login e senha por parte do usurio e tambm por mudana de
nveis de acesso dos usurios cadastrados por parte do administrador.
Configurar Conexo Serial: No h nenhum tipo de comunicao com o escravo
e destina-se apenas a mudana da porta de comunicao, da taxa de transmisso,
dos bits de dados, dos bits de parada e dos bits de paridade. A configurao correta desses dados so de extrema importncia para um funcionamento confivel da
comunicao.
48
Captulo 4
Implementao e Resultados
50
4.1
4.1.1
51
Resultados Simulados
Computao da Vazo
As implementaes para o clculo da computao da vazo foram realizadas inicialmente em um Pentium 4 CPU 2.80GHz, atravs do cdigo de programao C, para ento
serem incorporadas ao ambiente de programao do DSP.
A etapa inicial foi o desenvolvimento das rotinas para o clculo do fator de compressibilidade (Z). Como visto na figura 3.5, o mtodo implementado influenciado por
mudanas de temperatura, presso e composio do gs. Portanto, para a verificao da
eficcia do mtodo, uma tabela foi montada no apndice A comparando os resultados
obtidos em cdigo C e em DSP com os exemplos apresentados pela norma AGA 8, para
diferentes valores de entrada.
Aps obtido esse fator, implementou-se o clculo da vazo nas condies de base de
acordo com a equao 3.6. Da mesma forma como no caso anterior, testes simulados
foram realizados com diferentes valores de entrada. No apndice B so apresentados os
resultados obtidos em cdigo C e em DSP, comparando com os valores apresentados por
um computador de vazo comercial pertencente ao CTGS.
4.1.2
Algoritmo Inteligente
Aps o treinamento realizado baseado na estrutura da figura 3.10, testes foram feitos
para comprovar a eficcia da metodologia utilizada. Esses testes foram realizados inicialmente de forma off-line em um computador pessoal. Com os ganhos das redes neurais
de cada calibrao (figuras 3.6, 3.7, 3.8 e 3.9) j estipulados, realizou-se o procedimento
feed-forward da rede neural para toda a faixa de trabalho em que cada medidor atua. A
arquitetura escolhida para todos os treinamentos foi a 1x3x1.
Os resultados desses testes so apresentados nas figuras 4.2, 4.3, 4.4 e 4.5, onde a
linha azul indica a curva resultante da interpolao dos pontos da respectiva calibrao, e
a linha vermelha indica a curva de erro resultante da equao 3.7 tendo como entrada a
sada do processo feed-forward da rede neural.
52
Figura 4.2: Comparao entre a curva de calibrao do medidor do tipo turbina Instromet
G16 (0,6-25 m3 /h) e a sada da rede neural treinada.
Figura 4.3: Comparao entre a curva de calibrao do medidor do tipo turbina Instromet
G100 (1-160 m3 /h) e a sada da rede neural treinada.
53
Figura 4.4: Comparao entre a curva de calibrao do medidor do tipo turbina Instromet
G160 (13-250 m3 /h) e a sada da rede neural treinada.
Figura 4.5: Comparao entre a curva de calibrao do medidor do tipo turbina Instromet
G1000 (80-1600 m3 /h) e a sada da rede neural treinada.
4.1.3
Resultados Finais
54
off-line
3,015600
5,999863
10,996180
13,986840
16,962119
21,901900
24,873540
DSP
3,015602
5,999862
10,996175
13,986841
16,962120
21,901901
24,873543
Erro ()
0,000002
0,000001
0,000005
0,000001
0,000001
0,000001
0,000003
off-line
5,984592
32,737600
54,700791
82,790892
108,934593
132,079458
156,776152
DSP
5,984606
32,737679
54,700844
82,790955
108,934660
132,079530
156,776200
Erro ()
0,000014
0,000079
0,000053
0,000043
0,000067
0,000072
0,000048
off-line
28,601534
65,168916
99,072759
141,215700
176,207759
209,201827
239,257354
DSP
28,601494
65,168831
99,072708
141,215620
176,207700
209,201750
239,257320
Erro ()
0,000040
0,000085
0,000051
0,000080
0,000059
0,000077
0,000034
55
off-line
169,011174
391,376364
617,071431
873,305289
1098,008596
1334,339875
1573,065615
DSP
169,011250
391,376310
617,071470
873,305540
1098,008610
1334,340000
1573,065900
Erro ()
0,000076
0,000054
0,000039
0,000251
0,000014
0,000125
0,000285
Para finalizar, os erros relativos de cada calibrao em relao ao seu medidor padro
e do algoritmo inteligente foram comparados atravs dos grficos apresentados nas figuras
4.6, 4.7, 4.8 e 4.9, ratificando a eficcia da implementao em DSP.
Figura 4.6: Comparao entre erros da calibrao do medidor do tipo turbina Instromet
G16 e do algoritmo inteligente implementado no DSP.
56
Figura 4.7: Comparao entre erros da calibrao do medidor do tipo turbina Instromet
G100 e do algoritmo inteligente implementado no DSP.
Figura 4.8: Comparao entre erros da calibrao do medidor do tipo turbina Instromet
G160 e do algoritmo inteligente implementado no DSP.
57
Figura 4.9: Comparao entre erros da calibrao do medidor do tipo turbina Instromet
G1000 e do algoritmo inteligente implementado no DSP.
Captulo 5
Concluses
A medio do gs natural pode ser entendida como uma atividade complexa, que necessita que cuidados operacionais sejam garantidos para que a medio possa ser aceita,
por exemplo, para uma transferncia da custdia do produto dentre os diversos participantes da cadeia produtiva deste combustvel. E tambm o crescimento esperado do consumo do gs natural leva a uma incansvel tentativa de melhorar os sistemas de medio,
garantindo a diminuio de perdas e evitando problemas legais de cumprimento dos contratos.
Tendo em vista a necessidade de exatido nas medies, o sucesso deste trabalho
foi de extrema importncia na instrumentao inteligente, contribuindo para que novas
tecnologias e/ou funcionalidades sejam desenvolvidas para aprimorar a confiabilidade da
medio.
Os resultados atingidos mostram que as solues apresentadas para o processamento,
a comunicao e a superviso dos dados foram acertadas, no influindo consideravelmente no erro final do sistema.
O ponto mais crtico em relao a gerao de erro est no correto treinamento da rede
neural. Assim, para melhorar ainda mais os resultados apresentados, mais dados poderiam
ser fornecidos pela calibrao para uma construo mais correta da curva, conseqentemente um melhor treinamento seria realizado e melhores resultados seriam obtidos pelo
algoritmo inteligente.
Em relao s incertezas, como o algoritmo apenas corrige o erro obtido na calibrao,
a incerteza inerente a cada dado fornecido tambm incorporada sada da rede neural.
Mecanismos de reduo e/ou eliminao desta medida podem ser estudadas e abordadas
em trabalhos futuros, integrando e formando uma ferramenta mais ampla.
Bibliografia
BIBLIOGRAFIA
60
Apndice A
Diagrama de Atividades
Apndice B
Fator de Compressibilidade
Percentuais (%)
96,5222
0,2595
0,5956
1,8186
0,4596
0,0977
0,1007
0,0473
0,0324
0,0664
0,0000
0,0000
63
Presso (psi)
14,73
100,0
400,0
800,0
1000,0
1200,0
14,73
100,0
400,0
800,0
1000,0
1200,0
14,73
100,0
400,0
800,0
1000,0
1200,0
14,73
100,0
400,0
800,0
1000,0
1200,0
DSP
0,997405
0,982354
0,929176
0,859408
0,826339
0,795679
0,997706
0,984431
0,937933
0,877957
0,849908
0,824022
0,998362
0,988929
0,956545
0,916307
0,898040
0,881409
0,998659
0,990958
0,964795
0,932910
0,918668
0,905825
Cdigo C
0,997406
0,982355
0,929176
0,859409
0,826341
0,795680
0,997707
0,984432
0,937934
0,877958
0,849909
0,824023
0,998363
0,988930
0,956545
0,916308
0,898041
0,881410
0,998660
0,990959
0,964796
0,932911
0,918669
0,905826
AGA 8
0,997406
0,982355
0,929176
0,859409
0,826341
0,795680
0,997707
0,984432
0,937934
0,877958
0,849909
0,824023
0,998363
0,988930
0,956545
0,916308
0,898041
0,881410
0,998660
0,990959
0,964796
0,932911
0,918669
0,905826
Apndice C
Computao da Vazo
Percentuais (%)
88,66299
0,865
1,117
8,543
0,802
0,010
0,000
0,000
0,000
0,000
0,000
0,000
0,000
65
Temp.
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
Presso
490,332 kPa
490,332 kPa
490,332 kPa
980,665 kPa
980,665 kPa
980,665 kPa
1470,998 kPa
1470,998 kPa
1470,998 kPa
490,332 kPa
490,332 kPa
490,332 kPa
980,665 kPa
980,665 kPa
980,665 kPa
1470,998 kPa
1470,998 kPa
1470,998 kPa
490,332 kPa
490,332 kPa
490,332 kPa
980,665 kPa
980,665 kPa
980,665 kPa
1470,998 kPa
1470,998 kPa
1470,998 kPa
DSP
5961,7695
8942,6553
11923,539
11037,321
16555,984
22074,643
16234,341
24351,512
32468,682
5855,9629
8783,9443
11711,926
10833,673
16250,510
21667,346
15922,867
23884,301
31845,734
5753,9893
8630.9834
11507,979
10637,915
15956,873
21275,830
15624,278
23436,418
31248,557
C
5961,7684
8942,6526
11923,5368
11037,3193
16555,9790
22074,6386
16234,3399
24351,5099
32468,6798
5855,9620
8783,9430
11711,9241
10833,6704
16250,5056
21667,3408
15922,8662
23884,2992
31845,7323
5753,9888
8630,9832
11507,9776
10637,9127
15956,8690
21275,8254
15624,2776
23436,4164
31248,5552
Comp. Vazo
5961,773
8942,659
11923,550
11037,315
16555,980
22074,640
16234,283
24351,510
32468,680
5856,013
8783,984
11711,930
10833,686
16250,500
21667,340
15922,792
23884,140
31845,520
5753,989
8630,982
11507,980
10637,910
15956,870
21275,792
15624,180
23436,260
31248,350
66
Temp.
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
17 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
22 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
27 o C
Presso
490,332 kPa
490,332 kPa
490,332 kPa
980,665 kPa
980,665 kPa
980,665 kPa
1470,998 kPa
1470,998 kPa
1470,998 kPa
490,332 kPa
490,332 kPa
490,332 kPa
980,665 kPa
980,665 kPa
980,665 kPa
1470,998 kPa
1470,998 kPa
1470,998 kPa
490,332 kPa
490,332 kPa
490,332 kPa
980,665 kPa
980,665 kPa
980,665 kPa
1470,998 kPa
1470,998 kPa
1470,998 kPa
DSP
0,000010780
0,000011396
0,000033879
0,000018479
0,000012320
0,000009234
0,000178630
0,000006160
0,000000616
0,000154300
0,000122270
0,000012320
0,000040039
0,000030799
0,000018479
0,000230990
0,000495860
0,000659100
0,000000924
0,000004312
0,000003080
0,000015399
0,000009240
0,000117040
0,000301830
0,000486620
0,000637540
C
0,000014167
0,000019711
0,000040655
0,000013244
0,000003080
0,000004312
0,000175250
0,000000308
0,000000616
0,000157070
0,000126280
0,000018171
0,000048046
0,000017247
0,000002464
0,000228530
0,000490320
0,000653860
0,000000616
0,000003696
0,000007392
0,000008316
0,000003080
0,000102870
0,000300600
0,000481690
0,000631990