• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Thèse de Doctorat
DOI
https://doi.org/10.11606/T.85.2020.tde-03022020-110813
Document
Auteur
Nom complet
Davi Almeida Moraes
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2019
Directeur
Jury
Gonçalves, Iraci Martinez Pereira (Président)
Aguiar, Paulo Marcos de
Bueno, Elaine Inacio
Mesquita, Roberto Navarro de
Silva, Antonio Teixeira e
Titre en portugais
Planta experimental para monitoração e diagnóstico de falhas utilizando inteligência artificial
Mots-clés en portugais
digital twin
GMDH
inteligência artificial
planta experimental
redes neurais
Resumé en portugais
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.
Titre en anglais
Experimental plant for monitoring and fault diagnostic using artificial intelligence
Mots-clés en anglais
artificial intelligence
digital twin
experimental plants
GMDH
neural networks
Resumé en anglais
In this work we developed an experimental plant inspired by a PWR-type nuclear power reactor and applied later Artificial Intelligence in the Monitoring and Fault Diagnosis of Faults, through the Group Method of Data Handling (GMDH) and ANN (Artificial Neural Networks). Through the experimental plant, it became possible to apply innovative concepts of on-line system modeling (Digital Twin) for monitoring and diagnosing individual and / or combined faults. It is concluded that although both monitoring systems presented satisfactory results, GMDH showed a better performance compared to Neural Networks, because besides presenting smaller average deviation values than the model using Neural Networks, it was possible to perform the monitoring of all variables, while using Neural Networks, it was not possible to monitor the variables of heater power, level, and pump power and flow rates. The insertion of faults in one or more temperature variables interfered in the network estimation for the other variables, but did not prevent the Monitoring System from identifying the fault. To determine the behavior of the multiple fault monitoring system, simultaneous faults were applied to temperature sensors.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
2019MoraesPlanta.pdf (8.70 Mbytes)
Date de Publication
2020-02-07
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2024. Tous droits réservés.