Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Dissertação |
Título da fonte: | Repositório Institucional do IPEN |
Texto Completo: | http://repositorio.ipen.br/handle/123456789/9569 |
Resumo: | Em um reator nuclear PWR a temperatura do refrigerante do circuito prim??rio e a da ??gua de realimenta????o s??o medidas usando RTD (Resistance Temperature Detectors), ou term??metros de resist??ncia. Estes RTDs alimentam os sistemas de controle e seguran??a da usina e devem, portanto, ser muito precisos e ter bom desempenho din??mico. O tempo de resposta dos RTDs ?? caracterizado por um par??metro denominado de Constante de Tempo, definido como sendo o tempo que o sensor leva para atingir 63,2% do seu valor final ap??s sofrer uma varia????o de temperatura em forma de degrau. Este valor ?? determinado em laborat??rio, por??m as condi????es de opera????o de reatores nucleares s??o dif??ceis de ser reproduzidas. O m??todo LCSR (Loop Current Step Response), ou teste de resposta a um degrau de corrente, foi desenvolvido para medir remotamente o tempo de resposta dos RTDs. A partir desse teste, a constante de tempo do sensor ?? calculada atrav??s de uma transforma????o LCSR que envolve a determina????o das constantes modais do modelo de transfer??ncia de calor. Este c??lculo n??o ?? simples e requer pessoal especializado. Por este motivo, utilizou-se a metodologia de Redes Neurais Artificiais para estimar a constante de tempo do RTD a partir do LCSR. Os testes LCSR foram usados como dados de entrada da RNA; os testes de Imers??o R??pida foram usados para determinar a constante de tempo dos sensores, sendo estes os valores desejados de sa??da da rede. Esta metodologia foi aplicada inicialmente a dados te??ricos, simulando dez sensores com diferentes valores de constante de tempo, resultando em um erro m??dio de aproximadamente 0,74 %. Dados experimentais de 3 diferentes RTDs foram usados para estimar a constante de tempo, resultando em um erro m??ximo de 3,34 %. Os valores de constante de tempo estimados pelas RNAs foram comparados com aqueles obtidos pelo m??todo tradicional, obtendo-se um erro m??dio de 18 % o que mostra que as RNAs s??o capazes de estimar a constante de tempo de uma forma precisa. |
id |
IPEN_52010c8c1df4ee51cbbff43158e73a10 |
---|---|
oai_identifier_str |
oai:repositorio.ipen.br:123456789/9569 |
network_acronym_str |
IPEN |
network_name_str |
Repositório Institucional do IPEN |
repository_id_str |
4510 |
spelling |
Iraci Martinez PereiraSANTOS, ROBERTO C. dos20102014-10-09T12:28:08Z2014-10-09T14:01:44Z2014-10-09T12:28:08Z2014-10-09T14:01:44Zhttp://repositorio.ipen.br/handle/123456789/956910.11606/D.85.2010.tde-15082011-085540Em um reator nuclear PWR a temperatura do refrigerante do circuito prim??rio e a da ??gua de realimenta????o s??o medidas usando RTD (Resistance Temperature Detectors), ou term??metros de resist??ncia. Estes RTDs alimentam os sistemas de controle e seguran??a da usina e devem, portanto, ser muito precisos e ter bom desempenho din??mico. O tempo de resposta dos RTDs ?? caracterizado por um par??metro denominado de Constante de Tempo, definido como sendo o tempo que o sensor leva para atingir 63,2% do seu valor final ap??s sofrer uma varia????o de temperatura em forma de degrau. Este valor ?? determinado em laborat??rio, por??m as condi????es de opera????o de reatores nucleares s??o dif??ceis de ser reproduzidas. O m??todo LCSR (Loop Current Step Response), ou teste de resposta a um degrau de corrente, foi desenvolvido para medir remotamente o tempo de resposta dos RTDs. A partir desse teste, a constante de tempo do sensor ?? calculada atrav??s de uma transforma????o LCSR que envolve a determina????o das constantes modais do modelo de transfer??ncia de calor. Este c??lculo n??o ?? simples e requer pessoal especializado. Por este motivo, utilizou-se a metodologia de Redes Neurais Artificiais para estimar a constante de tempo do RTD a partir do LCSR. Os testes LCSR foram usados como dados de entrada da RNA; os testes de Imers??o R??pida foram usados para determinar a constante de tempo dos sensores, sendo estes os valores desejados de sa??da da rede. Esta metodologia foi aplicada inicialmente a dados te??ricos, simulando dez sensores com diferentes valores de constante de tempo, resultando em um erro m??dio de aproximadamente 0,74 %. Dados experimentais de 3 diferentes RTDs foram usados para estimar a constante de tempo, resultando em um erro m??ximo de 3,34 %. Os valores de constante de tempo estimados pelas RNAs foram comparados com aqueles obtidos pelo m??todo tradicional, obtendo-se um erro m??dio de 18 % o que mostra que as RNAs s??o capazes de estimar a constante de tempo de uma forma precisa.Made available in DSpace on 2014-10-09T12:28:08Z (GMT). No. of bitstreams: 0Made available in DSpace on 2014-10-09T14:01:44Z (GMT). No. of bitstreams: 0Dissertacao (Mestrado)IPEN/DInstituto de Pesquisas Energeticas e Nucleares - IPEN-CNEN/SP72reactor monitoring systemselectric heatingtemperature measurementsensorsradiation detectorsneural networksUtilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTDTime response of temperature sensors using neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisNS??o Pauloinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do IPENinstname:Instituto de Pesquisas Energéticas e Nucleares (IPEN)instacron:IPEN15703T621.039.56 / S237tSANTOS, ROBERTO C. dos10-11http://www.teses.usp.br/teses/disponiveis/85/85133/tde-15082011-085540/pt-br.php499SANTOS, ROBERTO C. DOS:499:420:S123456789/95692020-06-18 00:36:51.438oai:repositorio.ipen.br:123456789/9569Repositório InstitucionalPUBhttp://repositorio.ipen.br/oai/requestbibl@ipen.bropendoar:45102020-06-18T00:36:51Repositório Institucional do IPEN - Instituto de Pesquisas Energéticas e Nucleares (IPEN)false |
dc.title.pt_BR.fl_str_mv |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD |
dc.title.alternative.pt_BR.fl_str_mv |
Time response of temperature sensors using neural networks |
title |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD |
spellingShingle |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD SANTOS, ROBERTO C. dos reactor monitoring systems electric heating temperature measurement sensors radiation detectors neural networks |
title_short |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD |
title_full |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD |
title_fullStr |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD |
title_full_unstemmed |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD |
title_sort |
Utilizacao de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do tipo RTD |
author |
SANTOS, ROBERTO C. dos |
author_facet |
SANTOS, ROBERTO C. dos |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Iraci Martinez Pereira |
dc.contributor.author.fl_str_mv |
SANTOS, ROBERTO C. dos |
contributor_str_mv |
Iraci Martinez Pereira |
dc.subject.por.fl_str_mv |
reactor monitoring systems electric heating temperature measurement sensors radiation detectors neural networks |
topic |
reactor monitoring systems electric heating temperature measurement sensors radiation detectors neural networks |
description |
Em um reator nuclear PWR a temperatura do refrigerante do circuito prim??rio e a da ??gua de realimenta????o s??o medidas usando RTD (Resistance Temperature Detectors), ou term??metros de resist??ncia. Estes RTDs alimentam os sistemas de controle e seguran??a da usina e devem, portanto, ser muito precisos e ter bom desempenho din??mico. O tempo de resposta dos RTDs ?? caracterizado por um par??metro denominado de Constante de Tempo, definido como sendo o tempo que o sensor leva para atingir 63,2% do seu valor final ap??s sofrer uma varia????o de temperatura em forma de degrau. Este valor ?? determinado em laborat??rio, por??m as condi????es de opera????o de reatores nucleares s??o dif??ceis de ser reproduzidas. O m??todo LCSR (Loop Current Step Response), ou teste de resposta a um degrau de corrente, foi desenvolvido para medir remotamente o tempo de resposta dos RTDs. A partir desse teste, a constante de tempo do sensor ?? calculada atrav??s de uma transforma????o LCSR que envolve a determina????o das constantes modais do modelo de transfer??ncia de calor. Este c??lculo n??o ?? simples e requer pessoal especializado. Por este motivo, utilizou-se a metodologia de Redes Neurais Artificiais para estimar a constante de tempo do RTD a partir do LCSR. Os testes LCSR foram usados como dados de entrada da RNA; os testes de Imers??o R??pida foram usados para determinar a constante de tempo dos sensores, sendo estes os valores desejados de sa??da da rede. Esta metodologia foi aplicada inicialmente a dados te??ricos, simulando dez sensores com diferentes valores de constante de tempo, resultando em um erro m??dio de aproximadamente 0,74 %. Dados experimentais de 3 diferentes RTDs foram usados para estimar a constante de tempo, resultando em um erro m??ximo de 3,34 %. Os valores de constante de tempo estimados pelas RNAs foram comparados com aqueles obtidos pelo m??todo tradicional, obtendo-se um erro m??dio de 18 % o que mostra que as RNAs s??o capazes de estimar a constante de tempo de uma forma precisa. |
publishDate |
2010 |
dc.date.pt_BR.fl_str_mv |
2010 |
dc.date.accessioned.fl_str_mv |
2014-10-09T12:28:08Z 2014-10-09T14:01:44Z |
dc.date.available.fl_str_mv |
2014-10-09T12:28:08Z 2014-10-09T14:01:44Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ipen.br/handle/123456789/9569 |
dc.identifier.doi.none.fl_str_mv |
10.11606/D.85.2010.tde-15082011-085540 |
url |
http://repositorio.ipen.br/handle/123456789/9569 |
identifier_str_mv |
10.11606/D.85.2010.tde-15082011-085540 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
72 |
dc.coverage.pt_BR.fl_str_mv |
N |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do IPEN instname:Instituto de Pesquisas Energéticas e Nucleares (IPEN) instacron:IPEN |
instname_str |
Instituto de Pesquisas Energéticas e Nucleares (IPEN) |
instacron_str |
IPEN |
institution |
IPEN |
reponame_str |
Repositório Institucional do IPEN |
collection |
Repositório Institucional do IPEN |
repository.name.fl_str_mv |
Repositório Institucional do IPEN - Instituto de Pesquisas Energéticas e Nucleares (IPEN) |
repository.mail.fl_str_mv |
bibl@ipen.br |
_version_ |
1767254192562372608 |