Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática

Competition and regulations in the industrial sector determine the productivity and safety of industrial plant control systems, thus satisfying the market. When a failure occurs, the functioning of the system can be compromised. Therefore, FDD (Fault Detection and Diagnostics) methods contribute t...

Descrizione completa

Salvato in:
Dettagli Bibliografici
Autore principale: Andrade, Ana Carla Costa
Altri autori: Maitelli, André Laurindo
Natura: doctoralThesis
Lingua:pt_BR
Pubblicazione: Universidade Federal do Rio Grande do Norte
Soggetti:
Rede neural artificial
Detecção e diagnóstico de falhas
NARX
Válvula de controle
Árvore de decisão
Matriz de assinatura
Accesso online:https://repositorio.ufrn.br/handle/123456789/47038
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne! !
id ri-123456789-47038
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Rede neural artificial
Detecção e diagnóstico de falhas
NARX
Válvula de controle
Árvore de decisão
Matriz de assinatura
spellingShingle Rede neural artificial
Detecção e diagnóstico de falhas
NARX
Válvula de controle
Árvore de decisão
Matriz de assinatura
Andrade, Ana Carla Costa
Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática
description Competition and regulations in the industrial sector determine the productivity and safety of industrial plant control systems, thus satisfying the market. When a failure occurs, the functioning of the system can be compromised. Therefore, FDD (Fault Detection and Diagnostics) methods contribute to avoid unwanted events, as there are techniques and methods that study the detection, isolation, identification and, consequently, the diagnosis of faults. In this work, a new methodology was developed that uses faults emulation to obtain parameters similar to the benchmark model DAMADICS (Development and Application of Methods for Actuators Diagnosis in Industrial Control Systems), with the main purpose of detecting and diagnosing emulated faults. This methodology uses previous information from tests on sensors with and without faults to detect and classify the situation of the plant and, in the presence of faults, perform the diagnosis through a process of elimination in a hierarchical manner. In this way, the definition of residue signature is used as well as the creation of a decision tree. The whole process is carried out incorporating FDD techniques, through the ANN (Artificial Neural Network) model NARX (Nonlinear Autoregressive with Exogenous Inputs), in the diagnosis of the behavioral prediction of the signals to generate the residual values. Then, it is applied to the construction of the decision tree based on the most significant residue of a certain signal, enabling the process of acquisition and formation of the signature matrix. With the procedures in this study, it is possible to demonstrate a practical and systematic method of how to emulate faults for control valves and the possibility of carrying out an analysis of the data to acquire signatures of the fault behavior. Finally, simulations resulting from the most sensitized variables for the production of residuals that is generated by neural networks are presented, which are used to obtain signatures and isolate the flaws. The process proves to be efficient in computational time and easy to present a fault diagnosis strategy that can be reproduced in other processes.
author2 Maitelli, André Laurindo
author_facet Maitelli, André Laurindo
Andrade, Ana Carla Costa
format doctoralThesis
author Andrade, Ana Carla Costa
author_sort Andrade, Ana Carla Costa
title Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática
title_short Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática
title_full Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática
title_fullStr Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática
title_full_unstemmed Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática
title_sort desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática
publisher Universidade Federal do Rio Grande do Norte
publishDate 2022
url https://repositorio.ufrn.br/handle/123456789/47038
work_keys_str_mv AT andradeanacarlacosta desenvolvimentodeumametodologiautilizandoredeneuralartificialnadeteccaoediagnosticodefalhasparavalvuladecontrolepneumatica
_version_ 1773958506877026304
spelling ri-123456789-470382022-04-21T00:16:22Z Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática Andrade, Ana Carla Costa Maitelli, André Laurindo http://lattes.cnpq.br/7855987256766670 https://orcid.org/0000-0001-6083-7425 http://lattes.cnpq.br/0477027244297797 Cavalcanti, Anderson Luiz de Oliveira http://lattes.cnpq.br/7224754476792019 Araujo, Fabio Meneghetti Ugulino de Silva Júnior, Nivaldo Ferreira da Gabriel Filho, Oscar Rede neural artificial Detecção e diagnóstico de falhas NARX Válvula de controle Árvore de decisão Matriz de assinatura Competition and regulations in the industrial sector determine the productivity and safety of industrial plant control systems, thus satisfying the market. When a failure occurs, the functioning of the system can be compromised. Therefore, FDD (Fault Detection and Diagnostics) methods contribute to avoid unwanted events, as there are techniques and methods that study the detection, isolation, identification and, consequently, the diagnosis of faults. In this work, a new methodology was developed that uses faults emulation to obtain parameters similar to the benchmark model DAMADICS (Development and Application of Methods for Actuators Diagnosis in Industrial Control Systems), with the main purpose of detecting and diagnosing emulated faults. This methodology uses previous information from tests on sensors with and without faults to detect and classify the situation of the plant and, in the presence of faults, perform the diagnosis through a process of elimination in a hierarchical manner. In this way, the definition of residue signature is used as well as the creation of a decision tree. The whole process is carried out incorporating FDD techniques, through the ANN (Artificial Neural Network) model NARX (Nonlinear Autoregressive with Exogenous Inputs), in the diagnosis of the behavioral prediction of the signals to generate the residual values. Then, it is applied to the construction of the decision tree based on the most significant residue of a certain signal, enabling the process of acquisition and formation of the signature matrix. With the procedures in this study, it is possible to demonstrate a practical and systematic method of how to emulate faults for control valves and the possibility of carrying out an analysis of the data to acquire signatures of the fault behavior. Finally, simulations resulting from the most sensitized variables for the production of residuals that is generated by neural networks are presented, which are used to obtain signatures and isolate the flaws. The process proves to be efficient in computational time and easy to present a fault diagnosis strategy that can be reproduced in other processes. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES A concorrência e regulações no setor industrial determina a produtividade e segurança dos sistemas de controle de plantas industriais, satisfazendo assim o mercado. Quando ocorre o surgimento de uma falha o funcionamento do sistema pode ser comprometido. Logo, métodos de FDD (Fault Detection and Diagnostics) contribuem para evitar eventos indesejados, pois existem técnicas e métodos que estudam a detecção, o isolamento, a identificação e, consequentemente, o diagnóstico de falhas. Neste trabalho, foi desenvolvida uma nova metodologia que se utiliza da emulação de falhas para obtenção de parâmetros semelhantes ao modelo de benchmark DAMADICS (Development and Application of Methods for Actuators Diagnosis in Industrial Control Systems), com o objetivo principal na detecção e diagnóstico de falhas emuladas. Esta metodologia utiliza informações prévias de testes em sensores com e sem falhas para detectar e classificar a situação da planta e, na presença de falhas, realizar o diagnóstico por meio de um processo de eliminação de forma hierárquica. Desta forma, a definição da assinatura do resíduo é utilizada, bem como a criação de uma árvore de decisão. Todo o processo é realizado incorporando técnicas de FDD, através de RNA (Rede Neural Artificial) modelo NARX (Nonlinear Autoregressive with Exogenous Inputs), no diagnóstico da predição comportamental dos sinais para geração dos valores residuais. Em seguida, é aplicado à construção da árvore de decisão a partir do resíduo mais significativo de um determinado sinal, possibilitando o processo de aquisição e formação da matriz de assinatura. Com os procedimentos deste estudo, é possível demonstrar um método prático e sistemático de como emular falhas para válvulas de controle e a possibilidade de realizar uma análise dos dados para adquirir assinaturas do comportamento das falhas. Por fim, são apresentadas simulações resultantes das variáveis mais sensibilizadas para a produção dos resíduos gerados pelas redes neurais, os quais são utilizados para obtenção de assinaturas e isolamento das falhas. O processo mostra ser eficiente em tempo computacional e na facilidade em apresentar uma estratégia de diagnóstico de falhas que pode ser reproduzida em outros processos. 2022-04-21T00:15:28Z 2022-04-21T00:15:28Z 2021-10-14 doctoralThesis ANDRADE, Ana Carla Costa. Desenvolvimento de uma metodologia utilizando rede neural artificial na detecção e diagnóstico de falhas para válvula de controle pneumática. 2021. 80f. Tese (Doutorado em Ciência e Engenharia de Petróleo) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2021. https://repositorio.ufrn.br/handle/123456789/47038 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE PETRÓLEO

Documenti analoghi