Abstract
Wireless sensor networks (WSNs) are a target technology for oil and gas pipeline monitoring because they offer benefits of low cost, ease of deployment and ability to cater for data acquisition at great spatial and temporal scales. In order for WSN to achieve trademark performance in remote monitoring of pipelines, and surpass the performance of present-day traditional monitoring systems, certain design requirements must be met. In this paper, we identify vital design issues that must be considered to facilitate the employment of WSN for pipeline monitoring. We classify these design issues into five different categories namely; sensing modality, power efficiency, energy harvesting, network reliability and localization. In addition, we discuss the concept of cooperative communication for pipeline- monitoring sensor networks deployed in sub-sea environments. We also study the employment of sensor networks for monitoring underground pipelines. Our findings are based on extensive study of the recent literature and comprehensive survey of existing WSN technologies. The WSN design considerations presented in this paper are particularly prolific for pipeline monitoring scenarios, they can however be easily extended to other oil and gas infrastructures. For example; well-head and heat exchanger monitoring, oil platform process monitoring, monitoring of natural gas storage facilities and data collection on coastal infrastructures that could support oil and gas exploration
چکیده
شبکه های حسگر بی سیم(WSN) را میتوان یکی از تکنولوژی هایی به منظور نظارت بر خطوط لوله ی نفتی و گازی داسنت، چرا که چنین شبکه هایی علاوه بر مزایا و هزینه ی کمی که دارند، میتوانند به آسانی در مقیاس های موقتی و فضایی زیادی توسعه پیدا کنند. به منظور اینکه WSN ها بتوانند به یک کارائی قابل ملاحظه ای در مانیتورینگ راه دور خطوط لوله دست پیدا کنند، و بر کارائی سیستم های مانیتورینگ امروزی غلبه کنند، نیازمندی های طراحی خاصی را باید طراحی کنند. در این مقاله قصد داریم مباحث عمده ی طراحی را که باید به منظور تسهیل بکار گیری WSN ها برای مانیتورینگ خط لوله در نظر بگیریم ارائه دهیم. از این رو این مباحث را به 5 دسته بندی مختلف با نام های روش حس، بهره وری انرژی، مهار انرژی، قابلیت اطمینان شبکه و محلی سازی تقسیم میکنیم. علاوه بر این، مفهوم محاوره ی مشارکتی را برای شبکه های حسگر مانیتورینگ خط لوله که در محیط های زیر دریایی تعریف شده است، معرفی میکنیم. همچنین استفاده از شبکه های حسگر را برای نظارت بر خطوط لوله ی زیر زمین بررسیمیکنیم. یافته های ما بر مبنای مطالعه ی عمده ای بر روی تکنولوژی های WSN موجود بوده است. ملاحظات طراحی WSN که در این مقاله ارائه شده است، میتواند برای سناریوهای نظارت بر خط لوله مفید بوده و از این رو میتوان آنها را به آسانی برای زیر ساختار های گازی توسعه داد. برای مثال، نظارت بر مبادله گر گرمایی، نظارت بر پروسه ی پلت فرم نفتی، نظارت بر تسهیلات ذخیره سازی گاز طبیعی و جمع آوری داده های مربوط به زیر ساختار های دریایی میتواند از کشف و بهره برداری نفت و گاز پشتیبانی کند.
واژگان کلیدی: شبکه های حسگر بی سیم، نظارت بر خط لوله، محاوره ی مشارکتی، خط لوله ی نفتی
1-مقدمه
دسته بندی سیگنال های صوتی از کاربرد های بسیار زیادی در حوزه های پژوهشی مختلف اعم از کاوش همه پخشی، تحلیل محتوای صوتی و بازیابی اطلاعات برخوردار است. اگرچه پردازش گفتار در سال های زیادی است که مورد توسعه قرار گرفته است، ولی هنوز مسائلی اعم از فاکتور های انسانی و محیطی در آن وجود داشته که باید حل و فصل گردد. امروزه از مدل های گفتاری متنوعی در دامنه های مختلفی مانند تشخیص گوینده، تشخیص واج، رمز گذاری گفتار و ... به منظور بدست آوردن پارامتر های مورد نیاز برای تحلیل سیگنال صوتی استفاده میشود. ضرایب مربوط به کد گذار پیش گوی خطی (LPC) ، ضرایب شریک و انرژی فورمنت را میتوان رایج ترین پارامتر های استفاده شده در نظر گرفت[1]. اگرچه بعضی از پژوهشگران از روش مبتنی بر نظریه ی فرکتال استفاده میکنند[2]-[4]. هندسه ی فرکتال را میتوان به صورت موفقیت آمیزی برای مسائلی که شامل اشکال طبیعی پیچیده، مانند شکل های موج صوتی میباشد بکار برد[5]. شکل های موج گفتار را میتوان منحنی های باز دو بعدی دانست که دارای نوسانات سرور بوده و به نظر بسیار ضربه گیر هستند. در صورتی که نوسانات دامنه به صورت نوساناتی غیر عادی و بی نظم دیده شوند، بعد فرکتال مربوط به سیگنال را میتوان مقیاسی از این بی نظمی دانست[6]. آرگومان اصلی این بوده که فرکتال ها میتوانند به صورت کارآمدی به مدل سازی ماهیت بی نظم یک واج بپردازند و در صورتی که یک گفتار، شامل یک واج بی نظم طبیعی باشد، از این رو فرکتال ها را باید یک مدل مفیدی برای گفتار دانست[7]. از دید یک فرکتال، واج ها که بخش مبنای گفتار انسانی را تشکیل میدهند، سطح بالایی از تکرار را در خود داشته که چنین سطحی را میتوان به عنوان یک خود تشابه در نظر گرفت که در آن محتوای فرکانس، زبر بوده و آنرا به وسیله ی بعد فرکتال اندازه گیری میکنند[8]. آقای بوشوف و گروتپاس، بعد صداهای گفتاری سایشی را با استفاده از تحلیل دامنه ی مقیاس بندی شده ی مجدد هورست اندازه گیری کردند و نشان دادند که سایش های صدا دار دارای بعد پایین تری نسبت به سایرش های بدون صدا بوده، که این اصل به عنوان معیاری برای تصمیم گیری های صدا دار/غیر صدا دار در تشخیص سایش ها و همچنین ایجاد کد LPC متعادل و نمونه های کتاب برای تطابق با همه ی سایش ها مورد استفاده قرار گرفت[5]. آقای لانگی نیز توصیف صامتی را با استفاده از بعد فرکتال همبستگی ارائه داد[9][10]. بعد فرکتال مربوط به سیگنال های گفتاری و مقدار ایگن مربوط به ماتریس کواریانس از پارامتر های IFS( پارامتر های a,c,d) به نظر میرسند که نقش کارآمدی در تشحیص واج دارند. اریک و بوهز نیز یک متد تشخیص گفتاری را که بر مبنای خوشه بندی دو سطحی با استفاده از این ویژگی ها بود ارائه دادند[8]. بوهز و وان ویندن نیز از بعد فرکتال مربوط به شکل موج گفتاری و پارامتر های IFS آن(که شکل موج را به عنوان پارامتری برای تشخیص نشان میدهد) استفاده کردند[6]...