Detecção e identificação de falhas em válvulas de controle

Abstract

Uma operação estável e segura em sistemas industriais cada vez mais complexos é um dos maiores desafios e objetivo de profissionais de engenharia química, sendo um dos mais importantes campos de pesquisa e desenvolvimento da área. Um elemento crucial para o êxito dessa tarefa está no bom funcionamento do elemento atuador em sistemas de controle: a válvula de controle. Sistemas de detecção e identificação de falhas em válvulas de controle devem ser capazes de identificar em tempo real quando uma falha ocorre durante a operação e, mais do que isso, identificar qual falha ocorreu, para que a devida ação seja executada. Nesse trabalho é proposta uma metodologia capaz de detectar avarias em válvulas de controle e, caso o tal teste seja positivo, distinguir qual a causa, sendo minimamente invasivo. Essa ferramenta é construída primeiramente com simulação computacional do sistema saudável e dos possíveis problemas que podem ocorrer: agarramento, backlash e problema de suprimento de pressão. O segundo passo é reconhecer padrões de distúrbios de cada falha, encontrar sinais que sejam como impressão digital de cada falha, e assim criar índices que diferenciem tais características. Tendo-se esses índices, fez-se então o treinamento da rede neural. As redes neurais configuradas desempenharam bem sua função tanto de detectar quanto de identificar qual falha ocorreu. O bom desempenho foi demonstrado através de métricas de coeficiente de regressão e matrizes de confusão em três situações distintas: sistema em malha aberta, malha fechada e malha fechada com ruído. As RNA’s se mostraram capazes de servir de base para monitoramento das válvulas de controle, avalizando sua aplicação em processos reais.