Detecção e diagnóstico de falhas em alto - forno - um estudo de caso: um estudo de caso
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Carmen Dea Moraes Pataro
Fernando Antônio Campos Gomide
Fernando Antônio Campos Gomide
Resumo
O presente trabalho consiste no desenvolvimento de um sistema para detecção de cascão em um alto-forno. A formação de cascão é uma falha que pode causar grandes prejuízos financeiros e riscos de acidentes, sendo de difícil detecção pelo operador do alto-forno. Utilizando técnicas de inteligência computacional, o sistema é capaz de detectar, em tempo real, a formação do cascão, alarmando e indicando a provável posição de crescimento da camada do mesmo. Por ser umproblema de detecção e diagnóstico de falhas em um sistema dinâmico de difícil modelagem matemática, o mesmo será abordado sob a ótica de classificação de padrões. Para classificação dos padrões é proposta uma nova topologia de rede neurofuzzy, que é uma variação da topologiaANFIS. Para treinamento da rede foram utilizados dados adquiridos da planta. Para validação foram utilizados dados operacionais da planta, no período de Dezembro de 2001 a Abril de 2002. Durante este período o sistema indicou corretamente sete ocorrências de formação de cascão. Estes resultados preliminares o credenciam como uma alternativa promissora para resolver o problema de detecção de cascão.
Abstract
This work consists in a system developed to detect scaffold in blast furnace. The scaffold is a failure, which can cause big money losses, and injury employees, and is very difficult to be detected by blast furnaces operators. Using computing intelligence techniques, this system isallowed to detect, in real time, the scaffold growing, alarming and showing the scaffold position inside the blast furnace. How this is a detection and diagnoses problem in a difficult modeling dynamics system, it will be solved using pattern classification theory. To pattern classification, will be proposed a new neurofuzzy topology, which is an ANFIS topology variation. To training this network, was used data acquired from the plant. To validate, was used data from the same plantduring the last eight. During this time, the system detected seven real scaffold situations. These preliminary results certify this system as a useful solution to solve problems of scaffold detection in blast furnaces.
Assunto
Engenharia elétrica
Palavras-chave
Engenharia elétrica