Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD

Detalhes bibliográficos
Autor(a) principal: Santos, Roberto Carlos dos
Data de Publicação: 2010
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-15082011-085540/
Resumo: Em um reator nuclear PWR a temperatura do refrigerante do circuito primário e a da água de realimentação são medidas usando RTD (Resistance Temperature Detectors), ou termômetros de resistência. Estes RTDs alimentam os sistemas de controle e segurança da usina e devem, portanto, ser muito precisos e ter bom desempenho dinâmico. O tempo de resposta dos RTDs é caracterizado por um parâmetro denominado de Constante de Tempo, definido como sendo o tempo que o sensor leva para atingir 63,2% do seu valor final após sofrer uma variação de temperatura em forma de degrau. Este valor é determinado em laboratório, porém as condições de operação de reatores nucleares são difíceis de ser reproduzidas. O método 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 é calculada através de uma transformação LCSR que envolve a determinação das constantes modais do modelo de transferência de calor. Este cálculo não é 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 Imersão Rápida foram usados para determinar a constante de tempo dos sensores, sendo estes os valores desejados de saída da rede. Esta metodologia foi aplicada inicialmente a dados teóricos, simulando dez sensores com diferentes valores de constante de tempo, resultando em um erro médio de aproximadamente 0,74 %. Dados experimentais de 3 diferentes RTDs foram usados para estimar a constante de tempo, resultando em um erro máximo de 3,34 %. Os valores de constante de tempo estimados pelas RNAs foram comparados com aqueles obtidos pelo método tradicional, obtendo-se um erro médio de 18 % o que mostra que as RNAs são capazes de estimar a constante de tempo de uma forma precisa.
id USP_dc79259c2857bd9e7d12d5b582993e29
oai_identifier_str oai:teses.usp.br:tde-15082011-085540
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTDTime response of temperature sensors using neural networksneural networksredes neuraisRTDRTDsensores de temperaturatemperature sensorstempo de respostatime responseEm um reator nuclear PWR a temperatura do refrigerante do circuito primário e a da água de realimentação são medidas usando RTD (Resistance Temperature Detectors), ou termômetros de resistência. Estes RTDs alimentam os sistemas de controle e segurança da usina e devem, portanto, ser muito precisos e ter bom desempenho dinâmico. O tempo de resposta dos RTDs é caracterizado por um parâmetro denominado de Constante de Tempo, definido como sendo o tempo que o sensor leva para atingir 63,2% do seu valor final após sofrer uma variação de temperatura em forma de degrau. Este valor é determinado em laboratório, porém as condições de operação de reatores nucleares são difíceis de ser reproduzidas. O método 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 é calculada através de uma transformação LCSR que envolve a determinação das constantes modais do modelo de transferência de calor. Este cálculo não é 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 Imersão Rápida foram usados para determinar a constante de tempo dos sensores, sendo estes os valores desejados de saída da rede. Esta metodologia foi aplicada inicialmente a dados teóricos, simulando dez sensores com diferentes valores de constante de tempo, resultando em um erro médio de aproximadamente 0,74 %. Dados experimentais de 3 diferentes RTDs foram usados para estimar a constante de tempo, resultando em um erro máximo de 3,34 %. Os valores de constante de tempo estimados pelas RNAs foram comparados com aqueles obtidos pelo método tradicional, obtendo-se um erro médio de 18 % o que mostra que as RNAs são capazes de estimar a constante de tempo de uma forma precisa.In a PWR nuclear power plant, the primary coolant temperature and feedwater temperature are measured using RTDs (Resistance Temperature Detectors). These RTDs typically feed the plants control and safety systems and must, therefore, be very accurate and have good dynamic performance. The response time of RTDs is characterized by a single parameter called the Plunge Time Constant defined as the time it takes the sensor output to achieve 63.2 percent of its final value after a step change in temperature. Nuclear reactor service conditions are difficult to reproduce in the laboratory, and an in-situ test method called LCSR (Loop Current Step Response) test was developed to measure remotely the response time of RTDs. From this test, the time constant of the sensor is identified by means of the LCSR transformation that involves the dynamic response modal time constants determination using a nodal heat-transfer model. This calculation is not simple and requires specialized personnel. For this reason an Artificial Neural Network has been developed to predict the time constant of RTD from LCSR test transient. It eliminates the transformations involved in the LCSR application. A series of LCSR tests on RTDs generates the response transients of the sensors, the input data of the networks. Plunge tests are used to determine the time constants of the RTDs, the desired output of the ANN, trained using these sets of input/output data. This methodology was firstly applied to theoretical data simulating 10 RTDs with different time constant values, resulting in an average error of about 0.74 %. Experimental data from three different RTDs was used to predict time constant resulting in a maximum error of 3,34 %. The time constants values predicted from ANN were compared with those obtained from traditional way resulting in an average error of about 18 % and that shows the network is able to predict accurately the sensor time constant.Biblioteca Digitais de Teses e Dissertações da USPGonçalves, Iraci Martinez PereiraSantos, Roberto Carlos dos2010-09-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/85/85133/tde-15082011-085540/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:30Zoai:teses.usp.br:tde-15082011-085540Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:30Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
Time response of temperature sensors using neural networks
title Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
spellingShingle Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
Santos, Roberto Carlos dos
neural networks
redes neurais
RTD
RTD
sensores de temperatura
temperature sensors
tempo de resposta
time response
title_short Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
title_full Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
title_fullStr Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
title_full_unstemmed Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
title_sort Utilização de redes neurais artificiais para determinar o tempo de resposta de sensores de temperatura do  tipo RTD
author Santos, Roberto Carlos dos
author_facet Santos, Roberto Carlos dos
author_role author
dc.contributor.none.fl_str_mv Gonçalves, Iraci Martinez Pereira
dc.contributor.author.fl_str_mv Santos, Roberto Carlos dos
dc.subject.por.fl_str_mv neural networks
redes neurais
RTD
RTD
sensores de temperatura
temperature sensors
tempo de resposta
time response
topic neural networks
redes neurais
RTD
RTD
sensores de temperatura
temperature sensors
tempo de resposta
time response
description Em um reator nuclear PWR a temperatura do refrigerante do circuito primário e a da água de realimentação são medidas usando RTD (Resistance Temperature Detectors), ou termômetros de resistência. Estes RTDs alimentam os sistemas de controle e segurança da usina e devem, portanto, ser muito precisos e ter bom desempenho dinâmico. O tempo de resposta dos RTDs é caracterizado por um parâmetro denominado de Constante de Tempo, definido como sendo o tempo que o sensor leva para atingir 63,2% do seu valor final após sofrer uma variação de temperatura em forma de degrau. Este valor é determinado em laboratório, porém as condições de operação de reatores nucleares são difíceis de ser reproduzidas. O método 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 é calculada através de uma transformação LCSR que envolve a determinação das constantes modais do modelo de transferência de calor. Este cálculo não é 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 Imersão Rápida foram usados para determinar a constante de tempo dos sensores, sendo estes os valores desejados de saída da rede. Esta metodologia foi aplicada inicialmente a dados teóricos, simulando dez sensores com diferentes valores de constante de tempo, resultando em um erro médio de aproximadamente 0,74 %. Dados experimentais de 3 diferentes RTDs foram usados para estimar a constante de tempo, resultando em um erro máximo de 3,34 %. Os valores de constante de tempo estimados pelas RNAs foram comparados com aqueles obtidos pelo método tradicional, obtendo-se um erro médio de 18 % o que mostra que as RNAs são capazes de estimar a constante de tempo de uma forma precisa.
publishDate 2010
dc.date.none.fl_str_mv 2010-09-16
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://www.teses.usp.br/teses/disponiveis/85/85133/tde-15082011-085540/
url http://www.teses.usp.br/teses/disponiveis/85/85133/tde-15082011-085540/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257026703392768