Detecção e diagnóstico de oscilações em malhas de controle

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Dambros, Jônathan William Vergani
Orientador(a): Trierweiler, Jorge Otávio, Farenzena, Marcelo, Kloft, Marius
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/10183/198304
Resumo: Em indústrias de processos, a oscilação é um problema de grande incidência que degrada a rentabilidade da planta. Essas indústrias possuem tipicamente entre 500 e 5000 malhas de controle. O número elevado dificulta a inspeção individual de cada malha para a detecção de falhas o que cria a necessidade por técnicas automáticas. Nos últimos 30 anos, dezenas dessas técnicas foram propostas para a detecção e diagnóstico da oscilação, mesmo assim, suas eficiências são abaixo da desejável quando aplicadas em plantas reais. Este trabalho tem por objetivo o refinamento da literatura na detecção e diagnóstico da oscilação em indústrias de processos. Para isso, o trabalho inicia com uma revisão completa da literatura na área da detecção da oscilação com o propósito de apresentar, classificar e discutir prós e contras de cada técnica de modo a facilitar sua escolha pelo engenheiro. A seguir, dez métodos de detecção da oscilação são avaliados a dados industriais. Nota-se que a acuracidade das técnicas ainda é insatisfatória e a principal causa é a variedade de características encontradas em dados industriais. Assim, o trabalho prossegue com a proposta de três técnicas. A primeira é uma técnica de detecção da oscilação baseada em inteligência artificial onde um modelo é treinado a partir de exemplos, diferente das técnicas tradicionais baseadas algoritmos. Essa abordagem garante que a técnica cubra um maior número de características dos dados industriais. A segunda técnica objetiva a detecção e o diagnóstico simultâneo da oscilação. Para isso, o padrão dos sinais de saída do controlador e saída do processo é classificado por modelo baseado em redes neurais. A última técnica resolve um problema específico na área: o diagnóstico em sinais de baixa amostragem. O desenvolvimento da técnica foi baseado na resolução de um problema real em uma refinaria brasileira. As três técnicas propostas foram testadas a dados industriais e retornaram melhores resultados quando comparadas a técnicas tradicionais.