Os controladores padrões são projetados para manter uma determinada condição operacional, rejeitando perturbações inerentes ao processo. Entretanto, não são capazes de compensar mudanças bruscas de operação. Neste trabalho, são investigadas duas técnicas de detecção de falhas, uma baseada em modelos e outra baseada em dados históricos de processos. Na primeira, utiliza-se um reator de decomposição de peróxido de hidrogênio para demonstrar a detecção de falhas, para isto, uma estrutura composta por um controlador preditivo linear, que apesar de não funcionar como um sistema de monitoramento e correção de falhas, quando acoplado a uma estrutura de estimação de estados com o filtro de Kalman e geração de resíduos pelo método dos observadores dinâmicos, pode satisfatoriamente detectar falhas no sistema. A segunda técnica manipula estatisticamente dados históricos do processo Tennessee Eastman para implementar um algoritmo de detecção. Para isto, são utilizadas duas técnias estatísticas de vertentes diferentes para identificar pardrões de comportamento dos dados, a PCA (Principal Componente Analysis), que captura a variância dos dados e medidas de estatística multivariável para a detecção de falhas e a ICA (Independent Component Analysis), capaz de revelar as fontes responsáveis pela variação dos dados, nesta, a hipótese de dados não-gaussianos é assumida enquanto que naquela dados gaussianos são requeridos. O algoritmo gerado é capaz de decidir qual tipo de técnica é mais adequada.

Trabalho com estrutura teórico-computacional com utilização do software livre Scilab para implementação das rotinas e subrotinas necessárias, no qual desenvolveu-se e avaliou-se um sistema detector de falhas acoplado a controlador preditivo linear com estabilidade garantida e estimação dos dados estados através do filtro de Kalman por um algoritmo, bem como um sistema detector de falhas baseado em dados históricos do processo Tennessee Eastman, ou seja, desenvolvimento de um algoritmo capaz de detectar falhas através da análise dos componentes principais (PCA) aliada a técnica de redução de ordem denominada análise paralela e análise dos componentes independentes (ICA), utilizando também recursos estatísticos para analisar a distribuição de freqüência dos dados observados. Isto sugere uma nova etapa no pré-tratamento dos dados, ou seja, acrescentar ao procedimento de centrar os dados na média e dividir pelo desvio padrão a identificação da gaussianidade dos dados através da análise da sua distribuição de freqüência. Limites de monitoramento de variáveis são calculados pela estatística multivariável de Hotelling T2.

No método de detecção baseado em modelo, em que utilizou-se um reator de decomposição de peróxido de hidrogênio para demonstrar a técnica, o algoritmo de controle preditivo desenvolvido é utilizado para simular o comportamento do sistema com o tempo. Acoplado ao controlador preditivo existe um sistema detector de falhas que avalia continuamente a possibilidade de falhas baseando-se em uma norma que quantifica a distância entre valor esperado para variáveis observadas e valores medidos. Verifica-se através de gráficos gerados que o método é eficaz para detectar falhas neste sitema. Já para o método de detecção de falhas baseado em dados históricos do processo Tennessee Eastaman, o algoritmo desenvolvido se adapta a qualquer sistema que possua dados históricos e informativos para o processo, permitindo assim a avaliação da variação das dimensões do sistema investigado utilizando a técnica PCA e a técnica ICA. São investigados dois tipos de falhas diferentes e os resultados são apresentados na forma gráfica, mostrando que a detecção pode ser realizada com sucesso utilizando a PCA e a ICA. A necessidade de se conhecer a distribuição de freqüência antes de aplicar qualquer uma das duas técnicas é necessária pelo desempenho de detecção em cada falha.

A inclusão de um sistema detector de falhas ao algoritmo de controle resulta em uma estrutura com potencial de evolução de monitoramento de desempenho até o diagnóstico e operação tolerante a falhas. Os resultados encontrados para um reator de decomposição de peróxido de hidrogênio indicam que a abordagem proposta é capaz de detectar as várias falhas nos cenários testados, exigindo, entretanto, uma caracterização adequada dos ruídos do processo. Já a estrutura abstraída pela PCA e ICA é útil na identificação de variáveis responsáveis pela falha e/ou variáveis mais afetadas. A estrutura estatística aplica limites derivados estatisticamente para automatizar o procedimento de detecção e remoção dos valores incorretos das medidas isoladas. As particularidades da estrutura são apresentadas e resultados comprovam a eficácia do método de detecção bem como as suas limitações para o processo Tennessee Eastman.

Instituição de fomento: FAPEMIG

Trabalho de Iniciação Científica