Detecção e identificação de falhas em válvulas de controle
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/109715 |
Resumo: | Uma operação estável e segura em sistemas industriais cada vez mais complexos é um dos maiores desafios e objetivo de profissionais de engenharia química, sendo um dos mais importantes campos de pesquisa e desenvolvimento da área. Um elemento crucial para o êxito dessa tarefa está no bom funcionamento do elemento atuador em sistemas de controle: a válvula de controle. Sistemas de detecção e identificação de falhas em válvulas de controle devem ser capazes de identificar em tempo real quando uma falha ocorre durante a operação e, mais do que isso, identificar qual falha ocorreu, para que a devida ação seja executada. Nesse trabalho é proposta uma metodologia capaz de detectar avarias em válvulas de controle e, caso o tal teste seja positivo, distinguir qual a causa, sendo minimamente invasivo. Essa ferramenta é construída primeiramente com simulação computacional do sistema saudável e dos possíveis problemas que podem ocorrer: agarramento, backlash e problema de suprimento de pressão. O segundo passo é reconhecer padrões de distúrbios de cada falha, encontrar sinais que sejam como impressão digital de cada falha, e assim criar índices que diferenciem tais características. Tendo-se esses índices, fez-se então o treinamento da rede neural. As redes neurais configuradas desempenharam bem sua função tanto de detectar quanto de identificar qual falha ocorreu. O bom desempenho foi demonstrado através de métricas de coeficiente de regressão e matrizes de confusão em três situações distintas: sistema em malha aberta, malha fechada e malha fechada com ruído. As RNA’s se mostraram capazes de servir de base para monitoramento das válvulas de controle, avalizando sua aplicação em processos reais. |
id |
UFRGS-2_aa70349acf668a421a3f08fa8e744e0d |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/109715 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Attolini, MicaelFarenzena, Marcelo2015-02-05T02:17:38Z2014http://hdl.handle.net/10183/109715000950662Uma operação estável e segura em sistemas industriais cada vez mais complexos é um dos maiores desafios e objetivo de profissionais de engenharia química, sendo um dos mais importantes campos de pesquisa e desenvolvimento da área. Um elemento crucial para o êxito dessa tarefa está no bom funcionamento do elemento atuador em sistemas de controle: a válvula de controle. Sistemas de detecção e identificação de falhas em válvulas de controle devem ser capazes de identificar em tempo real quando uma falha ocorre durante a operação e, mais do que isso, identificar qual falha ocorreu, para que a devida ação seja executada. Nesse trabalho é proposta uma metodologia capaz de detectar avarias em válvulas de controle e, caso o tal teste seja positivo, distinguir qual a causa, sendo minimamente invasivo. Essa ferramenta é construída primeiramente com simulação computacional do sistema saudável e dos possíveis problemas que podem ocorrer: agarramento, backlash e problema de suprimento de pressão. O segundo passo é reconhecer padrões de distúrbios de cada falha, encontrar sinais que sejam como impressão digital de cada falha, e assim criar índices que diferenciem tais características. Tendo-se esses índices, fez-se então o treinamento da rede neural. As redes neurais configuradas desempenharam bem sua função tanto de detectar quanto de identificar qual falha ocorreu. O bom desempenho foi demonstrado através de métricas de coeficiente de regressão e matrizes de confusão em três situações distintas: sistema em malha aberta, malha fechada e malha fechada com ruído. As RNA’s se mostraram capazes de servir de base para monitoramento das válvulas de controle, avalizando sua aplicação em processos reais.application/pdfporEngenharia químicaDetecção e identificação de falhas em válvulas de controleinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2014Engenharia Químicagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000950662.pdf000950662.pdfTexto completoapplication/pdf1633741http://www.lume.ufrgs.br/bitstream/10183/109715/1/000950662.pdf89c2bdde8bff4c8c9dfcdba7e3a2516fMD51TEXT000950662.pdf.txt000950662.pdf.txtExtracted Texttext/plain86204http://www.lume.ufrgs.br/bitstream/10183/109715/2/000950662.pdf.txtd298ce5e630d10df851e85bcbf5f4b37MD52THUMBNAIL000950662.pdf.jpg000950662.pdf.jpgGenerated Thumbnailimage/jpeg1301http://www.lume.ufrgs.br/bitstream/10183/109715/3/000950662.pdf.jpg3ec858d891eb99bad081087a84bd675bMD5310183/1097152018-10-23 09:06:51.636oai:www.lume.ufrgs.br:10183/109715Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-23T12:06:51Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Detecção e identificação de falhas em válvulas de controle |
title |
Detecção e identificação de falhas em válvulas de controle |
spellingShingle |
Detecção e identificação de falhas em válvulas de controle Attolini, Micael Engenharia química |
title_short |
Detecção e identificação de falhas em válvulas de controle |
title_full |
Detecção e identificação de falhas em válvulas de controle |
title_fullStr |
Detecção e identificação de falhas em válvulas de controle |
title_full_unstemmed |
Detecção e identificação de falhas em válvulas de controle |
title_sort |
Detecção e identificação de falhas em válvulas de controle |
author |
Attolini, Micael |
author_facet |
Attolini, Micael |
author_role |
author |
dc.contributor.author.fl_str_mv |
Attolini, Micael |
dc.contributor.advisor1.fl_str_mv |
Farenzena, Marcelo |
contributor_str_mv |
Farenzena, Marcelo |
dc.subject.por.fl_str_mv |
Engenharia química |
topic |
Engenharia química |
description |
Uma operação estável e segura em sistemas industriais cada vez mais complexos é um dos maiores desafios e objetivo de profissionais de engenharia química, sendo um dos mais importantes campos de pesquisa e desenvolvimento da área. Um elemento crucial para o êxito dessa tarefa está no bom funcionamento do elemento atuador em sistemas de controle: a válvula de controle. Sistemas de detecção e identificação de falhas em válvulas de controle devem ser capazes de identificar em tempo real quando uma falha ocorre durante a operação e, mais do que isso, identificar qual falha ocorreu, para que a devida ação seja executada. Nesse trabalho é proposta uma metodologia capaz de detectar avarias em válvulas de controle e, caso o tal teste seja positivo, distinguir qual a causa, sendo minimamente invasivo. Essa ferramenta é construída primeiramente com simulação computacional do sistema saudável e dos possíveis problemas que podem ocorrer: agarramento, backlash e problema de suprimento de pressão. O segundo passo é reconhecer padrões de distúrbios de cada falha, encontrar sinais que sejam como impressão digital de cada falha, e assim criar índices que diferenciem tais características. Tendo-se esses índices, fez-se então o treinamento da rede neural. As redes neurais configuradas desempenharam bem sua função tanto de detectar quanto de identificar qual falha ocorreu. O bom desempenho foi demonstrado através de métricas de coeficiente de regressão e matrizes de confusão em três situações distintas: sistema em malha aberta, malha fechada e malha fechada com ruído. As RNA’s se mostraram capazes de servir de base para monitoramento das válvulas de controle, avalizando sua aplicação em processos reais. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014 |
dc.date.accessioned.fl_str_mv |
2015-02-05T02:17:38Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/109715 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000950662 |
url |
http://hdl.handle.net/10183/109715 |
identifier_str_mv |
000950662 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/109715/1/000950662.pdf http://www.lume.ufrgs.br/bitstream/10183/109715/2/000950662.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/109715/3/000950662.pdf.jpg |
bitstream.checksum.fl_str_mv |
89c2bdde8bff4c8c9dfcdba7e3a2516f d298ce5e630d10df851e85bcbf5f4b37 3ec858d891eb99bad081087a84bd675b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224477885857792 |