Sistema pericial destinado à supervisão de fornalhas industriais

• Autor(a) principal: Calisto, Hugo Miguel Filipe
• Data de Publicação: 2005
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/2416
• topic: Engenharia mecânica; Diagnóstico de falhas; Reconhecimento de padrão; Redes neuronais

Um sistema de diagnóstico e supervisão adequado é essencial em qualquer processo industrial, especialmente considerando os custos de aquisição e operação dos equipamentos. É por isso particularmente desejável um aumento tanto da sua disponibilidade como da sua fiabilidade. Um sistema de diagnóstico para caldeiras e fornalhas deve ser capaz de avaliar pelo menos três parâmetros essenciais, a saber a eficiência de combustão, o estado de sujamento das paredes e a ocorrência de fugas de vapor, factores estes cuja importância na operação de instalações de geração de energia é evidente. Modelos analíticos padrão podem e têm sido utilizados em casos mais ou menos simples mas a sua aplicabilidade diminui com o aumento da complexidade tanto dos sistemas como dos processos, principalmente devido à ocorrência de comportamentos não-lineares ou transientes, tornando atraentes técnicas e abordagens de modelização alternativas. No presente trabalho são utilizadas ferramentas CFD (Computational Fluid Dynamics) de modo a criar um modelo “virtual” de uma caldeira, validado com base num dispositivo existente. Este modelo é utilizado na geração de dados referentes tanto a condições normais de funcionamento como a conjuntos ditos de falha, relativos à ocorrência de situações anormais, nomeadamente em relação aos parâmetros essenciais acima mencionados. Um conjunto de falha consiste num dado número de inputs para o sistema de diagnóstico, representando as leituras dos sensores virtuais, que por sua vez caracterizam os vários padrões de falha. Técnicas baseadas em redes neuronais são então utilizadas de modo a processar adequadamente a base de dados obtida e a efectuar o reconhecimento de padrão necessário à identificação das causas das anomalias verificadas. Visto um dado padrão de falha poder ter várias origens possíveis, o sistema de diagnóstico deve também ser capaz de avaliar a probabilidade de ocorrência de cada uma, fundamentando deste modo o diagnóstico. ABSTRACT: A proper diagnostic and monitoring system is essential in any industrial operation, especially considering the costs of equipment purchase and operation. The increase of both their availability and reliability is therefore highly desirable. A boiler and furnace diagnostic system should be able to assess at the very least three main parameters, namely combustion efficiency, fouling and the occurrence of steam leaks, their importance in the performance of power generation facilities being rather self-evident. Standard analytical models can and have been used in more or less simple instances but their ease of application diminishes as the complexity of both the system and the occurring phenomena increase due to nonlinear and time- -varying behaviour, the attractiveness of alternative modelling techniques thus becoming fairly obvious. In this work, CFD tools are used to model a “virtual” furnace validated with basis on an existing apparatus. This model is used to generate both normal behaviour data and fault sets intended to be representative of abnormal situations occurring, namely regarding the aforementioned main parameters. A fault set comprises a number of diagnostic system inputs representing the virtual sensor readings, which in turn characterize various fault patterns. Neural-network-based techniques are then used to adequately process the generated database and perform the pattern recognition necessary in order to identify the root causes of the various anomalies. Since for a given fault pattern a certain number of possibilities must be considered, the diagnostic system must also be able to provide an assessment of the likelihood of each possibility in order to fundament the diagnostic.