Planta experimental para monitoração e diagnóstico de falhas utilizando inteligência artificial

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Moraes, Davi Almeida
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.teses.usp.br/teses/disponiveis/85/85133/tde-03022020-110813/
Resumo: Neste trabalho foi desenvolvida uma planta experimental inspirada em um reator nuclear de potência do tipo PWR e posterior aplicação de Inteligência Artificial na Monitoração e Diagnóstico de Falhas, por meio dos métodos GMDH (Group Method of Data Handling) e RNA (Redes Neurais Artificiais). Com a planta experimental, tornou-se possível aplicar conceitos inovadores de modelagem de sistemas (Digital Twin) on line para a monitoração e diagnóstico de falhas individuais e/ou combinadas. Conclui-se que, embora ambos os sistemas de monitoração apresentaram resultados satisfatórios, o GMDH demonstrou um melhor desempenho em relação às Redes Neurais, pois além de apresentar valores de desvios médios menores do que o modelo utilizando Redes Neurais, foi possível realizar a monitoração de todas as variáveis, enquanto que utilizando Redes Neurais não foi possível monitorar as variáveis de potência do aquecedor, nível, e potência e vazões das bombas. A inserção de falhas em uma ou mais variáveis de temperatura, repercutiu na estimativa da rede para as demais variáveis, porém não impediu que o Sistema de Monitoração identificasse a falha. Para determinar o comportamento do Sistema de Monitoração com falhas múltiplas, foram aplicadas falhas simultâneas nos sensores de temperatura.