| spelling |
Walmir Matos CaminhasFernando Antônio Campos GomideMarlon Rosa de GouveaReginaldo Rodrigues Braga2019-08-10T21:19:15Z2019-08-10T21:19:15Z2011-02-02http://hdl.handle.net/1843/BUOS-8WHKNNDetecção e Diagnóstico de Falhas (DDF) em sistemas dinâmicos é um problema importante em engenharia de processos que tem atraído muita atenção nos últimos anos. A detecção precoce e o diagnóstico de falhas de precesso em sua fase inicial podem ajudar a evitar a progressão de eventos anormais e reduzir a perda de produtividade. Este trabalho propõe uma abordagem para DDF baseada no Algoritmo de Agrupamento Participativo um classificador evolutivo que permite ao sistema aprender a classificar as falhas a medida que elas ocorrem. Ele é capaz de detectar novos modos de operação, e a cada interação um novo grupo pode ser criado, um grupo existente pode ter seus parametros modificados, ou dois grupos redundantes unificados. Além disto, mais de um grupo pode ser utilizado para descrever um modo de operação. O resultado final é a proposição do Algoritmo de Agrupamento Participativo Modificado (AAPM,que inova no uso dos índices de compatibilidade e de alerta, bem como nos seus procedimentos de cálculo. O AAPM introduz os conceitos de grupos candidatas e grupos consolidados, sugerindo uma nova abordagém para os problémas de outlier (ruídos). Visando analisar o desempenho do algorítmo, o AAPM é testado para DDF de dois sistemas dinâmicos diferentes: um motor de indução (utilizando dados simulados), e um processo na laminação do fio-máquina (utilizando dados reais dc operação). Finalmente, são discutidos os resultados e avaliado o uso do AAPM cm outros casos de DDF.Fault Detection and Diagnosis (FDD) in dynamic systems is an important problem in process engineering that has attracted much attention in recent years, Early detection and diagnosis of process failures in its initial stage can help avoid abnormal event progression and reduce productivity loss. This work proposes an approach for FDD based on the Participatory Clustering Algorithm; an evolutionary classifier that allows the system to loam how to classify the faults as they occur. It is able to detect new operation modes, and in each iteration a new group may be created, an existing group may have its parameters changed, or two redundant groups unified. Moreover, more than one group can be used to describe an operation mode. The end result is the proposition of Modyied Particqmtorjy Clustering Algorithm (MPCA), which innovates in the use of compatibility and alert indices, as well as in their calculation procedures. The MPCA introduces the concepts of candidate groups and consolidated groups, suggesting a new approach to the outlier problems. In order to analyze the algorithm performance, the MPCA is tested for FDD of two different dynamical systems: an induction motor (using simulated data), and a process on wire rod mill (using actual operation data). Finally, the results are discussed and the use of the MPCA in other FDD cases is evaluated.Universidade Federal de Minas GeraisUFMGEngenharia elétricaInteligência computacionalSistemas Nebulasos Evolutivoslnteligéncia CamputacianalParticipativa EvolutivaAprendizagemSistemas Evolutivos InteligentesDetecção e Diagnóstico de FalhasUma estratégia evolutiva para detecção e diagnóstico de falhas em sistemas dinâmicosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALreginaldo_rodrigues_braga.pdfapplication/pdf2504306https://repositorio.ufmg.br/bitstream/1843/BUOS-8WHKNN/1/reginaldo_rodrigues_braga.pdfb5c83048889ed90882b4a74aa7c72aaaMD51TEXTreginaldo_rodrigues_braga.pdf.txtreginaldo_rodrigues_braga.pdf.txtExtracted texttext/plain125757https://repositorio.ufmg.br/bitstream/1843/BUOS-8WHKNN/2/reginaldo_rodrigues_braga.pdf.txt49bd96c79c04f3b38c34c2c142d7eb66MD521843/BUOS-8WHKNN2019-11-14 04:10:10.108oai:repositorio.ufmg.br:1843/BUOS-8WHKNNRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T07:10:10Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|