Utilização de redes neurais artificiais para detecção e diagnóstico de falhas

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 físicos ou desenvolvidos em software, estão sujeitos a interrupções ou a comprometimentos operacionais. Contudo, nas situações em que operam os sistemas críticos, qualquer tipo de problema pode vir a trazer grandes consequências. Sabendo disso, este trabalho se propõe a desenvolver um sistema capaz de detectar a presença e indicar os tipos de falhas que venham a ocorrer em um determinado processo. Para implementação e testes da metodologia proposta, um sistema de tanques acoplados foi escolhido como modelo de estudo de caso. O sistema desenvolvido deverá gerar um conjunto de sinais que notifiquem o operador do processo e que possam vir a ser pós-processados, possibilitando que sejam feitas alterações nas estratégias ou nos parâmetros dos controladores. Em virtude dos riscos envolvidos com relação à queima dos sensores, atuadores e amplificadores existentes na planta real, o conjunto de dados das falhas será gerado computacionalmente e os resultados coletados a partir de simulações numéricas do modelo do processo, não havendo risco de dano aos equipamentos. O sistema será composto por estruturas que fazem uso de Redes Neurais Artificiais, treinadas em modo offline pelo software matemático Matlab®