A utilização de turbinas a gás, tanto para propulsão aeronáutica como para geração de energia, vem crescendo significativamente nas últimas décadas em todo o mundo. Devido à alta complexidade dos componentes do motor e à tecnologia avançada empregada, os gastos financeiros com a manutenção e operação de turbinas a gás são muito elevados. Uma grande preocupação para quem utiliza este tipo de motor é proporcionar uma alta potência gerada, melhorar os níveis de segurança, aumentar a confiabilidade, e manter uma alta disponibilidade e baixas emissões de poluentes, tudo isso no menor custo possível. Com o intuito de melhorar cada vez mais estes fatores, este campo de pesquisa tornou-se uma área muito atrativa e promissora. Com os olhos voltados para a operação do motor, vem crescendo a quantidade de adeptos que utilizam sistemas computacionais de monitoramento de desempenho de turbinas a gás. No entanto, esta não é uma tarefa trivial, pois envolve complexidade muito grande a ser aplicada em um ambiente extremamente não-linear. Degradações de desempenho de turbinas a gás podem ocorrer de diversas maneiras durante a operação do motor. A queda no desempenho acarreta maior consumo de combustível, desgaste dos componentes, alterações no fluxo do fluido pelos módulos do motor, emissão excessiva de poluentes, entre outros. Por isso há a necessidade de utilizar técnicas cada vez mais poderosas para realizar um diagnóstico eficaz que possa compreender o comportamento de uma turbina a gás em funcionamento. Redes Neurais Artificiais (RNA) é uma das técnicas em plena evolução e que estão sendo utilizadas atualmente pela comunidade científica. O interesse na utilização de RNA, no diagnóstico de falhas de turbinas a gás, vem crescendo acentuadamente, principalmente devido à redução nos gastos com a manutenção do motor e à confiabilidade obtida. Nesta tese, foi desenvolvido um sistema computacional que utiliza técnicas de RNA que detectam, isolam e avaliam falhas que podem ocorrer em uma turbina a gás. Este sistema é capaz de diagnosticar, com confiabilidade, falhas simples, bem como múltiplas falhas, que podem aparecer nos componentes do motor mesmo quando operado em condições adversas. Técnicas de pré-processamento dos padrões de falhas foram analisadas, testadas e comparadas com outros experimentos realizados, objetivando uma otimização de todo processo envolvido. Foi verificada também a robustez do sistema computacional quanto à presença de ruídos oriundos da aquisição das informações pelos sensores acoplados ao motor em operação. Algumas estratégias foram aplicadas com o intuito de quantificar o grau de confiabilidade do sistema, atestando a viabilidade da aplicação. Por fim, os resultados obtidos foram analisados e comentados qualitativamente, abordando também suas limitações e propostas para trabalhos futuros. Com o intuito de ajudar estudantes e pesquisadores a dar continuidade a este trabalho, os conceitos mais importantes de Redes Neurais Artificiais foram incluídos.
Identifer | oai:union.ndltd.org:IBICT/oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:912 |
Date | 27 November 2009 |
Creators | Gustavo Ravanhani Matuck |
Contributors | João Roberto Barbosa, Benedito Isaias de Lima Lopes |
Publisher | Instituto Tecnológico de Aeronáutica |
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:Biblioteca Digital de Teses e Dissertações do ITA, instname:Instituto Tecnológico de Aeronáutica, instacron:ITA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0011 seconds