Apesar da formação de gelo em aeronaves representar um grande risco à aviação, ainda hoje os detectores de gelo são baseados na indicação de possível formação de gelo e não de sua consequente degradação nas características de voo do avião. Além disso, o uso intensivo do piloto automático traz a desvantagem de dificultar a percepção, por parte da tripulação, da mudança de comportamento do avião eventualmente causada pelo gelo. Neste trabalho, um método de detecção de gelo baseado em medir a degradação causada na dinâmica do avião é proposto, implementado por simulação e discutido. O objetivo é usar apenas medidas de uma grandeza que já seja utilizada pelo piloto automático com a finalidade de facilitar uma eventual aplicação, uma vez que tais dispositivos se encontram instalados na grande maioria dos aviões em operação. O método usado para detecção se baseou em algoritmos de detecção de falhas e, como o gelo pode ser considerado uma falha essencialmente multiplicativa, optou-se por um método baseado em identificação paramétrica, o de mínimos quadrados recursivos. Um estudo do efeito do gelo na dinâmica do avião foi necessário para se escolher o parâmetro de razão de arfagem como saída a ser medida e o foco na detecção de gelo na empenagem horizontal. Os resultados mostraram que, mesmo com efeitos de turbulência, as estimativas paramétricas permitem o desenvolvimento de um alarme capaz de alertar acerca da degradação causada pelo gelo na empenagem de forma simples e sem introduzir excessivos casos de falsos positivos.

Este trabalho posiciona-se no contexto do desenvolvimento tecnológico agregado crescentemente ao mercado de helicópteros pelo HUMS (Health and Usage Monitoring System), cuja filosofia traz, além de redução dos custos de manutenção, enorme avanço na garantia da aeronavegabilidade continuada, e, consequentemente, no nível de segurança de voo, preservando vidas e material. Suas inovações associadas orbitam em torno de diagnósticos antecipados e de prognósticos de falha apontados em tempo real por algoritmos dedicados, a partir do tratamento de dados coletados por sensores de vibração. Dessa possibilidade de se assegurar, preditivamente, uma extensão da vida útil de componentes e a substituição destes sempre antes que a falha ocorra, emerge a motivação dessa pesquisa. Seu objetivo é apresentar um modelamento analítico simplificado para a análise do sinal de vibração monitorado na estrutura de uma aeronave qualquer de asas rotativas, em detecção a defeitos equivalentes a um desbalanceamento e out-of tracking das pás. Essas são as degradações mais comuns do rotor principal, maior fonte das excitações periódicas transmitidas à fuselagem, cujas respostas vibratórias sob análise estão limitadas à frequência fundamental de 1 per rev. Essas respostas vibratórias foram simuladas numericamente em ambiente computacional MATLAB(R). O problema direto é apresentado em duas partes: a modelagem do sistema fuselagem-rotor convencionado como isotrópico, seguida da parte que introduz as anisotropias que simulam os defeitos geradores das informações de amplitude e fase das vibrações resultantes. Como aplicação do método, soluções do sistema não-linear que governa as equações são comparadas com resultados experimentais de ensaios em voo em uma aeronave típica com rotor principal tri-pá por meio de simulação, através de medidas em dois pontos da fuselagem definidos em manual pelo fabricante da aeronave.

A demanda crescente na complexidade, eficiência e confiabilidade nos sistemas industriais modernos têm estimulado os estudos da teoria de controle aplicada no desenvolvimento de sistemas de Monitoração e Detecção de Falhas. Neste trabalho foi desenvolvida uma metodologia inédita de Monitoração e Detecção de Falhas através do algoritmo GMDH e Redes Neurais Artificiais (RNA) que foi aplicada ao reator de pesquisas do IPEN, IEA-R1. O desenvolvimento deste trabalho foi dividido em duas etapas: sendo a primeira etapa dedicada ao pré-processamento das informações, realizada através do algoritmo GMDH; e a segunda o processamento das informações através de RNA. O algoritmo GMDH foi utilizado de duas maneiras diferentes: primeiramente, o algoritmo GMDH foi utilizado para gerar uma melhor estimativa da base de dados, tendo como resultado uma matriz denominada matriz_z, que foi utilizada no treinamento das RNA. Logo após, o GMDH foi utilizado no estudo das variáveis mais relevantes, sendo estas variáveis utilizadas no processamento das informações. Para realizar as simulações computacionais, foram propostos cinco modelos: Modelo 1 (Modelo Teórico) e Modelos 2, 3, 4 e 5 (Dados de operação do reator). Após a realização de um estudo exaustivo dedicado a Monitoração, iniciou-se a etapa de Detecção de Falhas em sensores, onde foram simuladas falhas na base de dados dos sensores. Para tanto as leituras dos sensores tiveram um acréscimo dos seguintes valores: 5%, 10%, 15% e 20%. Os resultados obtidos utilizando o algoritmo GMDH na escolha das melhores variáveis de entrada para as RNA foram melhores do que aqueles obtidos utilizando apenas RNA, o que viabiliza o uso da nova metodologia de Monitoração e Detecção de Falhas em sensores apresentada. / The increasing demand in the complexity, efficiency and reliability in modern industrial systems stimulated studies on control theory applied to the development of Monitoring and Fault Detection system. In this work a new Monitoring and Fault Detection methodology was developed using GMDH (Group Method of Data Handling) algorithm and Artificial Neural Networks (ANNs) which was applied to the IEA-R1 research reactor at IPEN. The Monitoring and Fault Detection system was developed in two parts: the first was dedicated to preprocess information, using GMDH algorithm; and the second part to the process information using ANNs. The GMDH algorithm was used in two different ways: firstly, the GMDH algorithm was used to generate a better database estimated, called matrix_z, which was used to train the ANNs. After that, the GMDH was used to study the best set of variables to be used to train the ANNs, resulting in a best monitoring variable estimative. The methodology was developed and tested using five different models: one Theoretical Model and four Models using different sets of reactor variables. After an exhausting study dedicated to the sensors Monitoring, the Fault Detection in sensors was developed by simulating faults in the sensors database using values of 5%, 10%, 15% and 20% in these sensors database. The results obtained using GMDH algorithm in the choice of the best input variables to the ANNs were better than that using only ANNs, thus making possible the use of these methods in the implementation of a new Monitoring and Fault Detection methodology applied in sensors.

Made available in DSpace on 2014-06-11T19:22:33Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-05-05Bitstream added on 2014-06-13T19:08:07Z : No. of bitstreams: 1 rodrigues_fb_me_ilha.pdf: 1021426 bytes, checksum: 028694c19f815498611014f84cf91e78 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Usando uma função de resíduos, é proposto um novo esquema para melhoria da robustez e acomodação de falhas através de sistemas com multicontroladores. O projeto de um preditor contínuo e um Controlador com Estrutura Variável e Modos Deslizantes (CEV-MD) contínuo são apresentados para obter bomdesempenho na presença de atraso no sinal de entrada. Projetos de Controladores Discreto com Modos Deslizantes (CDMD) são apresentados de modo a obter boa performance para o sistema mesmo na presença de várias situações de falhas e incertezas paramétricas. Para adaptar o controlador a cada situação de operação do sistema, uma estratégia baseada na menor das funções de resíduos é proposta. O esquema proposto é aplicado em um modelo de eixos laterais que descrevem as condições de vôo de um avião L-1011, em um Sistema Pêndulo Invertido Rotacional e em um Sistema de Simulação de Vôo de Helicóptero para ilustrar os procedimentos do projeto e a efetividade do método. / Using the residuals functions, it is proposed a new scheme to improve robustness and fault accommodation by controller adaptation. A Variable Structure Control and Sliding Mode VSCSM design is presented to improve the performance of systems when computation time delay fault is present. A Discrete SlidingMode Control (DSMC) design is presented to control several fault situations and parametric uncertainties. To adapt the controller to fault condition, a strategy based on the residuals functions is proposed. The scheme is applied to a lateral axis model of a L-1011 in cruise flight conditions, a RotaryMotion Inverted Pendulum System and a Helicopter Flight Simulation System to illustrate the design procedures and the effectiveness of the method.

A demanda crescente na complexidade, eficiência e confiabilidade nos sistemas industriais modernos têm estimulado os estudos da teoria de controle aplicada no desenvolvimento de sistemas de Monitoração e Detecção de Falhas. Neste trabalho foi desenvolvida uma metodologia inédita de Monitoração e Detecção de Falhas através do algoritmo GMDH e Redes Neurais Artificiais (RNA) que foi aplicada ao reator de pesquisas do IPEN, IEA-R1. O desenvolvimento deste trabalho foi dividido em duas etapas: sendo a primeira etapa dedicada ao pré-processamento das informações, realizada através do algoritmo GMDH; e a segunda o processamento das informações através de RNA. O algoritmo GMDH foi utilizado de duas maneiras diferentes: primeiramente, o algoritmo GMDH foi utilizado para gerar uma melhor estimativa da base de dados, tendo como resultado uma matriz denominada matriz_z, que foi utilizada no treinamento das RNA. Logo após, o GMDH foi utilizado no estudo das variáveis mais relevantes, sendo estas variáveis utilizadas no processamento das informações. Para realizar as simulações computacionais, foram propostos cinco modelos: Modelo 1 (Modelo Teórico) e Modelos 2, 3, 4 e 5 (Dados de operação do reator). Após a realização de um estudo exaustivo dedicado a Monitoração, iniciou-se a etapa de Detecção de Falhas em sensores, onde foram simuladas falhas na base de dados dos sensores. Para tanto as leituras dos sensores tiveram um acréscimo dos seguintes valores: 5%, 10%, 15% e 20%. Os resultados obtidos utilizando o algoritmo GMDH na escolha das melhores variáveis de entrada para as RNA foram melhores do que aqueles obtidos utilizando apenas RNA, o que viabiliza o uso da nova metodologia de Monitoração e Detecção de Falhas em sensores apresentada. / The increasing demand in the complexity, efficiency and reliability in modern industrial systems stimulated studies on control theory applied to the development of Monitoring and Fault Detection system. In this work a new Monitoring and Fault Detection methodology was developed using GMDH (Group Method of Data Handling) algorithm and Artificial Neural Networks (ANNs) which was applied to the IEA-R1 research reactor at IPEN. The Monitoring and Fault Detection system was developed in two parts: the first was dedicated to preprocess information, using GMDH algorithm; and the second part to the process information using ANNs. The GMDH algorithm was used in two different ways: firstly, the GMDH algorithm was used to generate a better database estimated, called matrix_z, which was used to train the ANNs. After that, the GMDH was used to study the best set of variables to be used to train the ANNs, resulting in a best monitoring variable estimative. The methodology was developed and tested using five different models: one Theoretical Model and four Models using different sets of reactor variables. After an exhausting study dedicated to the sensors Monitoring, the Fault Detection in sensors was developed by simulating faults in the sensors database using values of 5%, 10%, 15% and 20% in these sensors database. The results obtained using GMDH algorithm in the choice of the best input variables to the ANNs were better than that using only ANNs, thus making possible the use of these methods in the implementation of a new Monitoring and Fault Detection methodology applied in sensors.

A detecção de falhas em uma plataforma distribuída é um componente essencial para uma grande quantidade de estratégias de tolerância a falhas, como a restauração do estado das aplicações distribuídas através de checkpointing e message logging. Porém, esta detecção frequentemente depende da comunicação confiável entre os nós de processamento e os módulos de detecção de falhas. Em grades computacionais hierárquicas com limitações de conectividade, a comunicação direta entre nós e módulos de detecção é muitas vezes impossível. Outro fator que dificulta a detecção de falhas em grades computacionais é a localização geograficamente esparsa entre as instituições e os recursos computacionais disponíveis na grade e a consequente utilização de redes de longa distância para os conectar. Esta dissertação apresenta uma arquitetura para a detecção de falhas em plataformas distribuídas otimizada para o funcionamento em grades computacionais hierárquicas, levando suas limitações e requisitos em consideração. A arquitetura, denominada GFDA (Grid Fault Detection Architecture), é estruturada em módulos de detecção das falhas que afetam nós computacionais disponibilizados na grade, módulos de detecção de falhas das aplicações distribuídas, e módulos de coleção, processamento e encaminhamento das notificações de falha e recuperação emitidas pelos módulos de detecção. Detalhes da implementação e da verificação do funcionamento correto da arquitetura são apresentados, bem como resultados obtidos através da execução de componentes da arquitetura em um cluster de computadores simulado através de máquinas virtuais. São propostas técnicas para a otimização da qualidade de serviço de detecção de falhas. Os resultados obtidos com a utilização destas técnicas são comparados com resultados obtidos com abordagens tradicionais. Observa-se que as técnicas implementadas na arquitetura GFDA para o processamento de notificações de falha e recuperação e a introdução de redundância nas mensagens trocadas entre os módulos de detecção de falhas traz resultados positivos em condições adversas de conectividade. Conclui-se que a arquitetura GFDA contribui para o estabelecimento de uma solução viável para a detecção de falhas em uma grade computacional hierárquica em que há restrições de conectividade entre os nós computacionais. / In distributed platforms, fault detection is an essential requirement to a wide range of fault tolerance techniques, such as restoring the state of distributed applications with checkpointing and message logging. However, fault detection often depends on reliable communication between the processing nodes and detection fault modules. Direct communication between the nodes and detection modules is often impossible in hierarchical grid computing platforms. The physical distance between the institutions and resources available on the grid, and thus the requirement of long distance networks connecting them, is another factor that makes direct fault detection in computer grids a challenge. This thesis presents a fault detection architecture for distributed platforms, optimized for usage in hierarchical grids and thus taking into account its restrictions and requirements. The architecture, named GFDA (Grid Fault Detection Architecture), is structured as fault detection modules for faults that affect the computing nodes available on the grid, detection modules for faults that affect the distributed applications, and modules that perform the collection, processing and forwarding of the fault and recovery notifications generated by the detection modules. This thesis presents implementation details, an evaluation of the correctness of the designed architecture, and results obtained through the deployment of parts of the architecture in a simulated cluster that uses virtual machines to simulate computing nodes. Techniques to optimize the quality of the detection fault service are proposed. The results obtained through the usage of such techniques are compared to the results obtained through traditional approaches. Positive results were extracted even under adverse connectivity conditions by using techniques such as the processing of fault and recovery notifications and the introduction of redundant information in the messages exchanged between the detection modules. It is concluded that the GFDA architecture contributes to the establishment of a viable solution for fault detection in a hierarchical grid computing platform that presents connectivity restrictions between the nodes.

A presente tese apresenta proposições para o uso da seleção de variáveis no aprimoramento do controle estatístico de processos multivariados (MSPC) em bateladas, a fim de contribuir com a melhoria da qualidade de processos industriais. Dessa forma, os objetivos desta tese são: (i) identificar as limitações encontradas pelos métodos MSPC no monitoramento de processos industriais; (ii) entender como métodos de seleção de variáveis são integrados para promover a melhoria do monitoramento de processos de elevada dimensionalidade; (iii) discutir sobre métodos para alinhamento e sincronização de bateladas aplicados a processos com diferentes durações; (iv) definir o método de alinhamento e sincronização mais adequado para o tratamento de dados de bateladas, visando aprimorar a construção do modelo de monitoramento na Fase I do controle estatístico de processo; (v) propor a seleção de variáveis, com propósito de classificação, prévia à construção das cartas de controle multivariadas (CCM) baseadas na análise de componentes principais (PCA) para monitorar um processo em bateladas; e (vi) validar o desempenho de detecção de falhas da carta de controle multivariada proposta em comparação às cartas tradicionais e baseadas em PCA. O desempenho do método proposto foi avaliado mediante aplicação em um estudo de caso com dados reais de um processo industrial alimentício. Os resultados obtidos demonstraram que a realização de uma seleção de variáveis prévia à construção das CCM contribuiu para reduzir eficientemente o número de variáveis a serem analisadas e superar as limitações encontradas na detecção de falhas quando bancos de elevada dimensionalidade são monitorados. Conclui-se que, ao possibilitar que CCM, amplamente utilizadas no meio industrial, sejam adequadas para banco de dados reais de elevada dimensionalidade, o método proposto agrega inovação à área de monitoramento de processos em bateladas e contribui para a geração de produtos de elevado padrão de qualidade. / This dissertation presents propositions for the use of variable selection in the improvement of multivariate statistical process control (MSPC) of batch processes, in order to contribute to the enhacement of industrial processes’ quality. There are six objectives: (i) identify MSPC limitations in industrial processes monitoring; (ii) understand how methods of variable selection are used to improve high dimensional processes monitoring; (iii) discuss about methods for alignment and synchronization of batches with different durations; (iv) define the most adequate alignment and synchronization method for batch data treatment, aiming to improve Phase I of process monitoring; (v) propose variable selection for classification prior to establishing multivariate control charts (MCC) based on principal component analysis (PCA) to monitor a batch process; and (vi) validate fault detection performance of the proposed MCC in comparison with traditional PCA-based and charts. The performance of the proposed method was evaluated in a case study using real data from an industrial food process. Results showed that performing variable selection prior to establishing MCC contributed to efficiently reduce the number of variables and overcome limitations found in fault detection when high dimensional datasets are monitored. We conclude that by improving control charts widely used in industry to accomodate high dimensional datasets the proposed method adds innovation to the area of batch process monitoring and contributes to the generation of high quality standard products.

This work presents an application of failure prognosis in the system command actuator of a commercial aircraft. An efficient failure prognostic algorithm provides a reduction in the number of unscheduled events and consequently generates a significant reduction in the maintenance costs. Although this is a simulation-based work, it presents a pre validation with bench tests data. The method starts by computational mathematical modeling of the system and this further validation by laboratory results. The sensitivity study of the variables is necessary in order to understand which parameters affect the system. The estimation of a confidence interval to determine the nominal behavior failure allows detection and isolation. Parity state techniques will be used for the residue signals design which will be the of the degradation measurement. A simulation of the failure behavior over the time to forecast when the system will reach a determined threshold is also presented.

A pronta detecção da ocorrência de falhas é de grande importância para a segurança de operação de sistemas dinâmicos, além de reduzir custos de manutenção. Com efeito, tendo-se detectado uma falha no sistema, ações mitigatórias podem ser tomadas de modo a evitar danos ao meio ambiente, prejuízos econômicos e principalmente perdas de vidas humanas. Os métodos tradicionais de detecção de falhas, contudo, esbarram em restrições físicas, ausência de um modelo acurado do sistema e indisponibilidade de dados do comportamento do sistema com falha. Neste trabalho, um esquema de detecção de falhas, é implementado para uma planta-piloto na forma de um helicóptero de três graus de liberdade, baseado no histórico de funcionamento normal do sistema, sem a necessidade de equipamentos adicionais e nem de um modelo acurado do sistema. Para isso, um método estatístico multivariado e outro de análise de agrupamentos são comparados, são eles: uso da estatística T de Hotelling e agrupamento K-means, respectivamente. A situação de falha implementada está associada à redução de 10% na potência de um dos motores. A investigação envolve o uso das variáveis de ângulo e velocidade estimada de arfagem, uso da tensão dos motores e uso das velocidades angulares estimadas. Os resultados em termos de tempo de detecção e curva ROC indicam que os dois métodos, quando comparados, apresentaram melhor eficiência em diferentes situações. Os resultados obtidos demonstram que, com o uso das tensões nos motores, o método K-means tem um desempenho superior, já com o emprego das velocidades angulares estimadas, a estatística T de Hotelling apresentou melhor resultado em relação ao método de agrupamento K-means.

Aeronaves são equipadas com múltiplos sensores que medem grandezas como a velocidade e o ângulo de ataque, além dos comandos dos pilotos. Em geral, cada grandeza é medida por vários sensores redundantes, devido à possibilidade de falha dos sensores e à criticidade da perda da medida ou da sua medição errônea. Os diversos valores medidos para uma mesma variável devem ser consolidados em um único valor por uma lógica de votação. Esta informação pode ser usada para indicação aos pilotos no cockpit e/ou para cálculo dos comandos de deflexão das superfícies de controle da aeronave. Sendo assim, se o votador fornecer um valor errôneo de uma grandeza para o sistema aviônico e para o sistema de controle, os pilotos poderão ser induzidos a tomar decisões equivocadas e os comandos calculados e aplicados às superfícies de controle estarão incorretos, o que pode provocar acidentes catastróficos. Portanto, o votador deve ser capaz de detectar falhas nos sensores e consolidar um valor único e confiável de cada grandeza, evitando a propagação de falhas para os sistemas de controle e de indicação. O objetivo deste trabalho é desenvolver um algoritmo de votação de quatro sinais orientado para aplicação em sensores redundantes de aeronaves. O trabalho também inclui a apresentação dos conceitos básicos sobre votação no meio aeronáutico, simulações de casos de falhas e verificação da resposta do algoritmo proposto nestas situações, bem como uma análise sobre a configuração dos parâmetros.