DETECCAO E DIAGNOSTICO DE AGARRAMENTO EM VALVULAS Posicionadoras
Agarramento de Válvulas Posicionadoras, Detectar de Falhas, Redes Neurais.
Com o advento de equipamentos de campo cada vez mais inteligentes e baratos, uma grande variedade de dados proveniente desses equipamentos pôde ser disponibilizada em tempo real para os sistemas supervisórios ou mesmo para outras aplicações. Assim, o grande desafio atual da engenharia é transformar essa grande quantidade de dados em informação útil à tomada de decisão, de modo que venha a contribuir efetivamente na melhoria da operação e planejamento do processo como um todo.
Além disso, a detecção e o diagnóstico prematuro de uma falha, enquanto o processo ainda está operando em uma região controlável, pode ajudar a evitar um comportamento inesperado do sistema, que em última análise poderia ocasionar perdas bastante consideráveis como: paralização de processos, danos a equipamentos de custo elevado e principalmente, acidentes envolvendo vidas humanas, etc. O que se traduz, entre outras coisas, em perdas financeiras que podem chegar a valores bastante elevados, dependendo do tamanho e do setor da indústria em questão.
Um problema muito comum nos processos industriais modernos é o agarramento, ou atrito estático, em válvulas posicionadoras. Recentemente, muitos estudos são desenvolvidos para tentar entender, modelar e detectar esse tipo de problema. Porém quantificar o agarramento ainda é um desafio. Uma vez que a posição da válvula (mv) é normalmente desconhecida em um processo industrial, o principal desafio é diagnosticar agarramento tendo conhecimento apenas dos sinais de saída do processo (pv) e o sinal de controle (op).
É diante dessa realidade que este trabalho vem a contribuir com o estudo e análise de técnicas de detecção de falhas em válvulas posicionadoras. Neste trabalho é apresentada uma proposta baseada em Redes Neurais Artificiais para detectar e quantificar a quantidade de agarramento em válvulas utilizando apenas as informações de pv e op. São apresentados diferentes métodos para o pré-processamento do conjunto de treinamento da Rede Neural baseados no cálculo de Centroide e de Transformada de Fourier.