Classificação de defeitos em tubos de gerador de vapor de plantas nucleares utilizando mapas auto-organizáveis.

• Ano de defesa: 2002
• Autor(a) principal: Mesquita, Roberto Navarro de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial intelligence; Inteligência artificial; Pattern recognition; Reconhecimento de padrões
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3132/tde-31072024-083911/

Esta tese desenvolve um novo método de classificação de defeitos em tubos de gerador de vapor de plantas nucleares, utilizando sinais do teste de correntes parasitas (\"eddy current test\"). O método utiliza a técnica conhecida como mapeamento auto-organizável para comparar a importância de diferentes características do sinal do teste de correntes parasitas na identificação e classificação destes defeitos. É proposto um sistema de inferência múltipla que utiliza diversos mapas treinados individualmente com as diferentes características extraídas, para a classificação final do tipo de defeito. Os métodos de extração de características utilizados são a representação de \"wavelet zero-crossings\", a codificação preditiva linear (LPC), e características de representação do sinal no tempo como módulo e fase. São montados diversos vetores característicos do sinal com combinações das características obtidas dos sinais de correntes parasistas. Estes vetores são testados quanto à sua eficiência na classificação e os vetores com melhor índice de acerto são utilizados no sistema de inferência múltipla. É desenvolvido um estudo sistemático dos critérios de pré-processamento, calibração e métodos de análise dos sinais relacionados com os defeitos das tubulações de plantas nucleares. Demonsta-se a eficiência do método de classificação e obtêm-se mapas característicos com protótipos representativos referentes a cada tipo de degradação.