PPGEE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA PROGRAMAS DE PÓS-GRADUAÇÃO - CE Téléphone/Extension: 33178386/1799

Banca de DEFESA: MATEUS ÂNDERSON BARRETO DUARTE

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MATEUS ÂNDERSON BARRETO DUARTE
DATA: 28/12/2020
HORA: 09:00
LOCAL: https://meet.google.com/hvu-hayi-wgd
TÍTULO:

DETECÇÃO E ISOLAMENTO DE FALHAS EM UM SISTEMA DE TANQUES ACOPLADOS UTILIZANDO REDES NEURAIS ARTIFICIAS


PALAVRAS-CHAVES:

Detecção e Isolamento de Falhas. Identificação de Sistemas. MLP. NNARX. Redes Neurais Artificiais. Resíduos.


PÁGINAS: 90
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

A crescente demanda por eficiência econômica e ambiental, no setor industrial, associada em buscar por desempenho, qualidade, confiabilidade e segurança dos processos têm tornado os sistemas de detecção e diagnóstico de falhas cada vez mais importantes. Aliado a isso, quando as falhas são detectadas e diagnosticadas antecipadamente, são possíveis evitar a progressão de eventos anormais e, consequentemente, reduzir a perda de produtividade. Nesse contexto, é evidenciada a importância da existência de um sistema capaz de detectar e diagnosticar tais falhas de forma eficiente. Por isso, o presente trabalho tem por objetivo desenvolver um sistema de Detecção e Isolamento de Falhas (DIF), composto por estruturas que fazem uso de Redes Neurais Artificiais (RNA), treinadas em modo offline pelo software matemático MATLAB®. Um estudo de caso é desenvolvido a partir do modelo matemático de um sistema de tanques acoplados da Quanser®. A metodologia se divide em duas etapas principais, a primeira corresponde a identificação do sistema, que é feita por redes neurais autorregressivas com entradas exógenas (NNARX – do inglês Neural Network AutoRegressive with eXogenous input), já a segunda diz respeito ao desenvolvimento de um classificador de falhas baseado em valores residuais, para essa etapa utilizou-se de uma rede neural Perceptron de Múltiplas Camadas (MLP – do inglês MultiLayer Perceptron), em ambas etapas as redes neurais foram treinadas com algoritmo backpropagation. Dessa forma, foi desenvolvido o sistema de DIF para atuar, através de simulações, na detecção e isolamento de treze falhas (estruturais, em sensores e atuador). Ademais, os resultados obtidos durante as simulações se mostraram satisfatórios para falhas testadas, uma vez que o classificador conseguiu classificar todas as falhas simuladas, as três RNAs (RNA 1, RNA 2 e RNA 3) utilizadas neste trabalho obtiveram a evolução do Erro Quadrático Médio (EQM) na ordem de 10^(-6),10^(-7)e 10^(-3), respectivamente.


MEMBROS DA BANCA:
Interno - 1715546 - FABIANA KARLA DE OLIVEIRA MARTINS VARELLA GUERRA
Interno - 1495347 - LEONARDO AUGUSTO CASILLO
Presidente - 1810697 - MARCELO ROBERTO BASTOS GUERRA VALE
Externo à Instituição - RODRIGO SIQUEIRA MARTINS - IFRN
Notícia cadastrada em: 17/12/2020 19:49
SIGAA | Superintendência de Tecnologia da Informação e Comunicação - (84) 3317-8210 | Copyright © 2006-2024 - UFRN - sig-prd-sigaa02.ufersa.edu.br.sigaa02