Submitted by Almir Azevedo (barbio1313@gmail.com) on 2014-01-08T16:07:54Z
No. of bitstreams: 1
dissertacao_mestrado_ien_2009_05.pdf: 1496500 bytes, checksum: 84d0c3aed109ed3cb59befb4de26aece (MD5) / Made available in DSpace on 2014-01-08T16:07:54Z (GMT). No. of bitstreams: 1
dissertacao_mestrado_ien_2009_05.pdf: 1496500 bytes, checksum: 84d0c3aed109ed3cb59befb4de26aece (MD5)
Previous issue date: 2009 / A identificação de transientes numa central nuclear é freqüentemente uma tarefa muito difícil e, normalmente, depende, basicamente, da cognição humana. A
identificação precoce dos desvios inesperados nos comportamentos com estado
estacionário é um passo essencial para a operação, controle e gestão de acidentes em
centrais nucleares. As bases para a identificação estão na percepção de que diferentes falhas e anomalias no sistema conduzem a distintos padrões evolutivos nas variáveis envolvidas no processo. Durante um evento anormal, o operador deve controlar uma grande quantidade de informação a partir dos instrumentos, próprios a cada tipo específico de evento. Contudo, diversos modelos baseados em sistemas especialistas, redes neurais e lógica fuzzy estão sendo desenvolvidos para a identificação de transientes. No presente trabalho, a investigação centra-se na possibilidade de se utilizar uma ferramenta de modelagem Neuro-Fuzzy para uma eficiente identificação de transientes, com o objetivo de auxiliar o operador a tomar decisões em relação ao procedimento a ser seguido em situações de acidentes / transientes em centrais nucleares. O sistema proposto utiliza redes neurais artificiais (RNA), como primeiro nível de diagnóstico. A partir da identificação de transientes preliminar desenvolvida pela RNA, o sistema de
lógica fuzzy analisa os resultados, emitindo importante grau de confiabilidade. Uma
avaliação preliminar do sistema desenvolvido foi feita no Laboratório de Interface
Homem-Sistema (LABIHS). / Transient identification in Nuclear Power Plant (NPP) is often a very hard task
and may involve a great amount of human cognition. The early identification of
unexpected departures from steady state behavior is an essential step for the operation,
control and accident management in NPPs. The bases for the transient identification
relay on the evidence that different system faults and anomalies lead to different pattern
evolution in the involved process variables. During an abnormal event, the operator
must monitor a great amount of information from the instruments that represents a
specific type of event. Several systems based on specialist systems, neural-networks,
and fuzzy logic have been developed for transient identification. In the work, we
investigate the possibility of using a Neuro-Fuzzy modeling tool for efficient transient
identification, aiming to helping the operator crew to take decisions relative to the
procedure to be followed in situations of accidents/transients at NPPs. The proposed
system uses artificial neural networks (ANN) as first level transient diagnostic. After the
ANN has done the preliminary transient type identification, a fuzzy-logic system
analyzes the results emitting reliability degree of it. A preliminary evaluation of the
developed system was made at the Human-System Interface Laboratory (LABIHS). The
obtained results show that the system can help the operators to take decisions during
transients/accidents in the plant.
| Identifer | oai:union.ndltd.org:IBICT/oai:carpedien.ien.gov.br:ien/556 |
| Date | 07 1900 |
| Creators | COSTA, Rafael Gomes da |
| Contributors | CARVALHO, Paulo Victor Rodrigues de, LAPA, Celso Marcelo Franklin, SANTOS, Isaac José Antonio Luquetti dos, VIDAL, Mario Cesar Rodríguez, MÓL, Antônio Carlos de Abreu |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional do IEN, instname:Instituto de Engenharia Nuclear, instacron:IEN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0107 seconds