Orientadores: Euripedes Guilherme de Oliveira Nobrega, Fernando Jose Von Zuben / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Enhegenharia Mecanica / Made available in DSpace on 2018-07-25T20:23:56Z (GMT). No. of bitstreams: 1
NinaHuallpa_Belisario_D.pdf: 3512265 bytes, checksum: 82015cca74d28070ac6c88fec3015059 (MD5)
Previous issue date: 1999 / Resumo: Métodos de detecção e diagnóstico de falhas têm sido muito estudados ultimamente, como resultado da demanda por sistemas de maior confiabilidade. Neste trabalho, adotam-se métodos de inteligência computacional, em uma configuração que faz uso de redes neurais artificiais e lógica nebulosa para a monitoração de sistemas dinâmicos representados por modelos de estado adequadamente dimensionados. Os parâmetros do modelo de estado são estimados recursivamente utilizando uma rede neural recorrente do tipo Hopfield, à qual foram adicionados mecanismos de otimização. As saídas do estimador são sintomas submetidos a um módulo de pré-diagnóstico, o qual discrimina perturbações nos valores identificados para os parâmetros, detectando a falha. Um terceiro módulo é utilizado para executar o diagnóstico propriamente dito, através de um método de inferência baseado em lógica nebulosa. A base de conhecimento é
determinada a partir da interpretação de grafos direcionados e sinalizados, que relacionam os parâmetros físicos aos parâmetros do modelo de estado. Além de simulações em diversos sistemas lineares invariantes no tempo, a configuração foi testada também em sistemas variantes no tempo e com não-linearidades suaves, incluindo sistemas artificiais e do mundo real. Os resultados obtidos permitem concluir que os métodos desenvolvidos podem ser aplicados com sucesso a diversos tipos de sistemas dinâmicos / Abstract: Fault detection and diagnosis methods have been intensively studied lately, as a result of the demand for systems of greater reliability. In this work, computational intelligence methods were adopted, in a configuration that uses artificial neural networks and fuzzy logic for monitoring dynamic systems represented by state-space models of adequate dimension. The parameters of the model are recursively estimated using a Hopfield-type recurrent neural network, endowed with additional optimization mechanisms. The outputs of the estimator are taken as symptoms submitted to a pre-diagnostic module, in order to establish the nominal reference parameter values. A third module is used to implement the diagnosis itself, based on a fuzzy inference method. The knowledge base is determined by means of a signed directed graph, that represents the relations among the physical parameters and the parameters of the state-space model. Besides several simulations using time-invariant linear systems, the configuration was also tested in the presence of time-varying dynamics and smooth nonlinearities including artificial and real world systems. The results guide to the conclusion that the developed methods can be successfully applied to a wide range of dynamic systems / Doutorado / Doutor em Engenharia Mecânica
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/264136 |
Date | 06 January 1999 |
Creators | Nina Huallpa, Belisario |
Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Von Zuben, Fernando José, 1968-, Nóbrega, Eurípedes Guilherme de Oliveira, 1950-, Junior, Cairo Lucio Nascimento, Goes, Luiz Carlos Sandoval, Pederiva, Robson, Arruda, José Roberto de França |
Publisher | [s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Mecânica, Programa de Pós-Graduação em Engenharia Mecânica |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | 185p. : il., application/pdf |
Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds