Made available in DSpace on 2014-12-17T14:55:50Z (GMT). No. of bitstreams: 1
DiogoLR_DISSERT.pdf: 2166475 bytes, checksum: 3d70392d30b6b18a8ab0f79aa206e435 (MD5)
Previous issue date: 2011-06-21 / In a real process, all used resources, whether physical or developed in software, are
subject to interruptions or operational commitments. However, in situations in which
operate critical systems, any kind of problem may bring big consequences. Knowing
this, this paper aims to develop a system capable to detect the presence and indicate the
types of failures that may occur in a process. For implementing and testing the proposed
methodology, a coupled tank system was used as a study model case. The system should
be developed to generate a set of signals that notify the process operator and that may
be post-processed, enabling changes in control strategy or control parameters. Due to
the damage risks involved with sensors, actuators and amplifiers of the real plant, the
data set of the faults will be computationally generated and the results collected from
numerical simulations of the process model. The system will be composed by structures
with Artificial Neural Networks, trained in offline mode using Matlab? / Em um processo real, todos os recursos utilizados, sejam f?sicos ou desenvolvidos em
software, est?o sujeitos a interrup??es ou a comprometimentos operacionais. Contudo,
nas situa??es em que operam os sistemas cr?ticos, qualquer tipo de problema pode vir a
trazer grandes consequ?ncias. Sabendo disso, este trabalho se prop?e a desenvolver um
sistema capaz de detectar a presen?a e indicar os tipos de falhas que venham a ocorrer
em um determinado processo. Para implementa??o e testes da metodologia proposta, um
sistema de tanques acoplados foi escolhido como modelo de estudo de caso. O sistema
desenvolvido dever? gerar um conjunto de sinais que notifiquem o operador do processo
e que possam vir a ser p?s-processados, possibilitando que sejam feitas altera??es nas
estrat?gias ou nos par?metros dos controladores. Em virtude dos riscos envolvidos com
rela??o ? queima dos sensores, atuadores e amplificadores existentes na planta real, o
conjunto de dados das falhas ser? gerado computacionalmente e os resultados coletados
a partir de simula??es num?ricas do modelo do processo, n?o havendo risco de dano aos
equipamentos. O sistema ser? composto por estruturas que fazem uso de Redes Neurais
Artificiais, treinadas em modo offline pelo software matem?tico Matlab?
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15356 |
| Date | 21 June 2011 |
| Creators | Rebou?as, Diogo Leite |
| Contributors | CPF:82675090468, http://lattes.cnpq.br/5473196176458886, Maitelli, Andr? Laurindo, CPF:42046637100, http://lattes.cnpq.br/0477027244297797, Gabriel Filho, Oscar, CPF:11376040697, http://lattes.cnpq.br/4171033998524192, Ara?jo, F?bio Meneghetti Ugulino de |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds