Utilização de redes neurais artificiais na monitoração e detecção de falhas em sensores do Reator IEA-R1

• Autor(a) principal: Bueno, Elaine Inacio
• Data de Publicação: 2006
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/85/85133/tde-22052007-153127/
• topic: monitoracao e diagnostico; monitoring and diagnosis; neural network; redes neurais; sensor; sensores

Os estudos na área de Monitoração e Diagnóstico de Falhas têm sido estimulados devido ao aumento crescente em qualidade, confiabilidade e segurança nos processos de produção, onde a interrupção da produção por alguma anomalia imprevista pode colocar em risco a segurança do operador, além de provocar perdas econômicas, aumentando os custos com a reparação de algum equipamento danificado. Tendo em vista estes dois fatores, o fator econômico e a própria questão de segurança do operador, torna-se necessário a implementação de Sistemas de Monitoração e Detecção de Falhas. Neste trabalho foi desenvolvido um Sistema de Monitoração e Detecção de Falhas usando a metodologia de Redes Neurais Artificiais que foi aplicado ao reator de pesquisas IEA-R1. O desenvolvimento deste sistema foi dividido em três etapas: sendo a primeira etapa dedicada à monitoração, a segunda a detecção, e a terceira ao diagnóstico de falhas. Na primeira etapa, foram treinadas diversas Redes Neurais Artificiais para a monitoração das variáveis de temperatura, potência e taxa de dose. Para tanto foram utilizadas duas bases dados: uma contendo dados gerados por um modelo teórico do reator, e outra contendo dados referentes a uma semana típica de operação. Na segunda etapa, as redes treinadas para realizar a monitoração das variáveis, foram testadas com uma base de dados contendo falhas inseridas artificialmente nos sensores de temperatura. Como o limite máximo de erro de calibração para termopares especiais é de , foram inseridas falhas de ± nos sensores responsáveis pela leitura das variáveis T3 e T4. Na terceira etapa foi desenvolvido um Sistema Fuzzy para realizar o diagnóstico de falhas, onde foram consideradas 3 condições possíveis de falhas: condição normal, falha de −, e falha de , sendo que o sistema desenvolvido indicará qual o sensor de temperatura está com falha. Cº5,0±Cº1Cº1Cº1+