Author(s):
Calisto, Hugo Miguel Filipe 
Date: 2005
Persistent ID: http://hdl.handle.net/10773/2416
Origin: RIA - Repositório Institucional da Universidade de Aveiro
Subject(s): Engenharia mecânica; Diagnóstico de falhas; Reconhecimento de padrão; Redes neuronais
Description
Um sistema de diagnóstico e supervisão adequado é essencial em qualquer
processo industrial, especialmente considerando os custos de aquisição e
operação dos equipamentos. É por isso particularmente desejável um aumento
tanto da sua disponibilidade como da sua fiabilidade. Um sistema de
diagnóstico para caldeiras e fornalhas deve ser capaz de avaliar pelo menos
três parâmetros essenciais, a saber a eficiência de combustão, o estado de
sujamento das paredes e a ocorrência de fugas de vapor, factores estes cuja
importância na operação de instalações de geração de energia é evidente.
Modelos analíticos padrão podem e têm sido utilizados em casos mais ou
menos simples mas a sua aplicabilidade diminui com o aumento da
complexidade tanto dos sistemas como dos processos, principalmente devido
à ocorrência de comportamentos não-lineares ou transientes, tornando
atraentes técnicas e abordagens de modelização alternativas.
No presente trabalho são utilizadas ferramentas CFD (Computational Fluid
Dynamics) de modo a criar um modelo “virtual” de uma caldeira, validado com
base num dispositivo existente. Este modelo é utilizado na geração de dados
referentes tanto a condições normais de funcionamento como a conjuntos ditos
de falha, relativos à ocorrência de situações anormais, nomeadamente em
relação aos parâmetros essenciais acima mencionados. Um conjunto de falha
consiste num dado número de inputs para o sistema de diagnóstico,
representando as leituras dos sensores virtuais, que por sua vez caracterizam
os vários padrões de falha.
Técnicas baseadas em redes neuronais são então utilizadas de modo a
processar adequadamente a base de dados obtida e a efectuar o
reconhecimento de padrão necessário à identificação das causas das
anomalias verificadas. Visto um dado padrão de falha poder ter várias origens
possíveis, o sistema de diagnóstico deve também ser capaz de avaliar a
probabilidade de ocorrência de cada uma, fundamentando deste modo o
diagnóstico.
ABSTRACT: A proper diagnostic and monitoring system is essential in any
industrial operation, especially considering the costs of equipment purchase
and operation. The increase of both their availability and reliability is therefore
highly desirable. A boiler and furnace diagnostic system should be able to
assess at the very least three main parameters, namely combustion efficiency,
fouling and the occurrence of steam leaks, their importance in the performance
of power generation facilities being rather self-evident.
Standard analytical models can and have been used in more or less simple
instances but their ease of application diminishes as the complexity of both the
system and the occurring phenomena increase due to nonlinear and time-
-varying behaviour, the attractiveness of alternative modelling techniques thus
becoming fairly obvious.
In this work, CFD tools are used to model a “virtual” furnace validated with
basis on an existing apparatus. This model is used to generate both normal
behaviour data and fault sets intended to be representative of abnormal
situations occurring, namely regarding the aforementioned main parameters. A
fault set comprises a number of diagnostic system inputs representing the
virtual sensor readings, which in turn characterize various fault patterns.
Neural-network-based techniques are then used to adequately process the
generated database and perform the pattern recognition necessary in order to
identify the root causes of the various anomalies. Since for a given fault pattern
a certain number of possibilities must be considered, the diagnostic system
must also be able to provide an assessment of the likelihood of each possibility
in order to fundament the diagnostic. Mestrado em Engenharia Mecânica
