Return to search

Otimização aplicada ao planejamento de políticas de testes em sistemas nucleares por enxame de partículas

Submitted by Almir Azevedo (barbio1313@gmail.com) on 2014-01-15T11:33:15Z
No. of bitstreams: 1
dissertacao_mestrado_ien_2006_02.pdf: 387445 bytes, checksum: 255065d79e3220f3ddfa7c2492d6f253 (MD5) / Made available in DSpace on 2014-01-15T11:33:15Z (GMT). No. of bitstreams: 1
dissertacao_mestrado_ien_2006_02.pdf: 387445 bytes, checksum: 255065d79e3220f3ddfa7c2492d6f253 (MD5)
Previous issue date: 2006 / Este trabalho apresenta uma nova abordagem para resolução de problemas de maximização da disponibilidade em sistemas eletro-mecânicos, submetidos a políticas de testes periódicos para supervisão e inspeção. A nova abordagem utiliza ferramenta de otimização recém desenvolvida, Particle Swarm Optimization (PSO) criada por Kennedy e Eberhart (2001), integrada a modelos probabilísticos. São resolvidos dois problemas envolvendo otimização de políticas de manutenção, o primeiro utiliza um sistema eletromecânico clássico hipotético, e o segundo utiliza o sistema de geradores a diesel de emergência da planta nuclear de Angra 1. Para ambos os casos, o PSO é comparado com o algoritmo genético (AG). Nos experimentos realizados, o PSO foi capaz de obter resultados comparáveis aos do AG, ou até, ligeiramente superiores. Entretanto, o algoritmo do PSO é mais simples e a convergência mais rápida, apontando para uma boa alternativa para solução desta classe de problemas. / This work shows a new approach to solve availability maximization problems in electromechanical systems, under periodic preventive schedules tests. This approach uses a new optimization tool called PSO developed by Kennedy and Eberhart (2001), Particle Swarm Optimization, integrated with probabilistic safety analisys model. Two maintenance optimization problems are solved by the proposed technique, the first one is a hypothetical electromechanical configuration and the second one is a real clase from a nuclear power plant (Emergency Diesel Generators). For both problem PSO is compared to a genetic algorithm (GA). In the experiments made, PSO was able to obtain results comparable or even slightly better than those obtained GA. Therefore, the PSO algorithm is simpler and it´s convergence is faster, indicating that PSO is a good alternative for solving such kind of problems

Identiferoai:union.ndltd.org:IBICT/oai:carpedien.ien.gov.br:ien/564
Date12 1900
CreatorsSIQUEIRA, Newton Norat
ContributorsLAPA, Celso Marcelo Franklin, MÓL, Antônio Carlos de Abreu, SACCO, Wagner Figueiredo, PEREIRA, Cláudio Márcio do Nascimento Abreu
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional do IEN, instname:Instituto de Engenharia Nuclear, instacron:IEN
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0017 seconds