Monitoração e diagnóstico para detecção de falhas de sensores utilizando a metodologia GMDH

• Main Author: Iraci Martinez Pereira Gonçalves
• Other Authors: Daniel Kao Sun Ting
• Language: Portuguese
• Published: Universidade de São Paulo 2006
• Subjects: detecção de falhas; GMDH; monitoração e diagnóstico; accuracy; computerized simulation; data acquisition systems; experimental data; fuzzy logic; g codes; heat exchangers; iear-1 reactor; m codes; neural networks; optimization; reactor monitoring systems; reactor operation; temperature measurement
• Online Access: http://www.teses.usp.br/teses/disponiveis/85/85133/tde-04062012-144516/

O sistema de detecção de falhas e diagnóstico é um sistema de suporte ao operador dedicado a funções específicas que alertam os operadores para problemas de falhas em sensores e atuadores, e auxiliam no diagnóstico antes que os limites normais de alarmes sejam atingidos. Sistemas de suporte ao operador surgiram para diminuir a complexidade dos painéis causada pelo grande aumento de informação disponível nas salas de controle das centrais nucleares. Neste trabalho foi desenvolvido um Sistema de Monitoração e Diagnóstico utilizando a metodologia GMDH (Group Method of Data Handling) aplicado ao reator de pesquisas do Ipen IEA-R1. O sistema faz a monitoração, comparando os valores calculados pelo modelo GMDH com os valores medidos. A metodologia desenvolvida foi aplicada inicialmente em modelos teóricos: um modelo teórico de trocador de calor e um modelo teórico do reator IEA-R1. Os resultados obtidos com os modelos teóricos propiciaram uma base para a aplicação da metodologia aos dados de operação do reator. Para a monitoração de dados de operação foram desenvolvidos três modelos GMDH: o primeiro utilizou apenas variáveis de processo, o segundo modelo foi desenvolvido considerando-se algumas variáveis nucleares e três variáveis de temperatura, e o terceiro modelo GMDH considerou todas as variáveis possíveis. Os três modelos apresentaram resultados excelentes, mostrando amplamente a viabilidade da utilização da metodologia GMDH na monitoração de dados de operação. A comparação entre os resultados dos três modelos desenvolvidos mostrou ainda a capacidade da metodologia GMDH de escolher as melhores variáveis para otimização do modelo. Para a implementação de um sistema de diagnóstico, foram adicionadas falhas sinteticamente aos valores das variáveis de temperatura. Os valores de falhas correspondem a uma descalibração da temperatura e o resultado da monitoração de dados com falhas foi utilizado para a elaboração de um sistema de diagnóstico simples e objetivo baseado na lógica nebulosa. === The fault detection and diagnosis system is an Operator Support System dedicated to specific functions that alerts operators to sensors and actuators fault problems, and guide them in the diagnosis before the normal alarm limits are reached. Operator Support Systems appears to reduce panels complexity caused by the increase of the available information in nuclear power plants control room. In this work a Monitoring and Diagnosis System was developed based on the GMDH (Group Method of Data Handling) methodology. The methodology was applied to the IPEN research reactor IEA-R1. The system performs the monitoring, comparing GMDH model calculated values with measured values. The methodology developed was firstly applied in theoretical models: a heat exchanger model and an IPEN reactor theoretical model. The results obtained with theoretical models gave a base to methodology application to the actual reactor operation data. Three GMDH models were developed for actual operation data monitoring: the first one using just the thermal process variables, the second one was developed considering also some nuclear variables, and the third GMDH model considered all the reactor variables. The three models presented excellent results, showing the methodology utilization viability in monitoring the operation data. The comparison between the three developed models results also shows the methodology capacity to choose by itself the best set of input variables for the model optimization. For the system diagnosis implementation, faults were simulated in the actual temperature variable values by adding a step change. The fault values correspond to a typical temperature descalibration and the result of monitoring faulty data was then used to build a simple diagnosis system based on fuzzy logic.