• 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
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.85.2020.tde-03022020-110813
Documento
Autor
Nome completo
Davi Almeida Moraes
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2019
Orientador
Banca examinadora
Gonçalves, Iraci Martinez Pereira (Presidente)
Aguiar, Paulo Marcos de
Bueno, Elaine Inacio
Mesquita, Roberto Navarro de
Silva, Antonio Teixeira e
Título em português
Planta experimental para monitoração e diagnóstico de falhas utilizando inteligência artificial
Palavras-chave em português
digital twin
GMDH
inteligência artificial
planta experimental
redes neurais
Resumo em português
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.
Título em inglês
Experimental plant for monitoring and fault diagnostic using artificial intelligence
Palavras-chave em inglês
artificial intelligence
digital twin
experimental plants
GMDH
neural networks
Resumo em inglês
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.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
2019MoraesPlanta.pdf (8.70 Mbytes)
Data de Publicação
2020-02-07
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2022. Todos os direitos reservados.