PROYECTO DEL TRABAJO DE DIPLOMA “Diagnóstico de fallas en Generadores de Vapor”
amortegaTesis28 de Octubre de 2015
2.998 Palabras (12 Páginas)126 Visitas
Universidad Central “Marta Abreu” de Las Villas
Facultad de Ingeniería Eléctrica
Departamento de Automática y Sistemas Computacionales
[pic 1]
PROYECTO DEL TRABAJO DE DIPLOMA
“Diagnóstico de fallas en Generadores de Vapor”
Autor: Alejandro Morejón Ortega
Tutor(es): Ing. Ailet Abreu López
Dr. José Rafael Abreu García
Santa Clara
2015
“Año 56 de la Revolución”
Universidad Central “Marta Abreu” de Las Villas
Facultad de Ingeniería Eléctrica
Departamento de Automática y Sistemas Computacionales
[pic 2]
PROYECTO DEL TRABAJO DE DIPLOMA
“Diagnóstico de fallas en Generadores de Vapor”
PROYECTO DEL TRABAJO DE DIPLOMA
Autor: Alejandro Morejón Ortega
Email: amorejon@uclv.edu.cu
Tutor: Ing. Ailet Abreu López
Dr. José Rafael Abreu García
Dpto. de Automática, Facultad de Ing. Eléctrica, UCLV
Email: aileta@uclv.edu.cu
abreu@uclv.edu.cu
Santa Clara
2015
“Año 56 de la Revolución”
[pic 3]
Hago constar que el presente PROYECTO DE TRABAJO DE DIPLOMA fue realizado en la Universidad Central “Marta Abreu” de Las Villas como parte de la culminación de estudios de la especialidad de Ingeniería en Automática, autorizando a que el mismo sea utilizado por la Institución, para los fines que estime conveniente, tanto de forma parcial como total y que además no podría ser presentado en eventos, ni publicados sin autorización de la Universidad.
[pic 4][pic 5]
Alejandro Morejón Ortega Fecha
Autor
Los abajo firmantes certificamos que el presente trabajo ha sido realizado según acuerdo de la dirección de nuestro centro y el mismo cumple con los requisitos que debe tener un trabajo de esta envergadura referido a la temática señalada.
[pic 6][pic 7]
Alejandro Morejón Ortega Fecha
Autor
[pic 8][pic 9]
Boris Luis Martínez Jiménez, Dr. Fecha
Jefe del Departamento
[pic 10][pic 11]
Responsable ICT o J’ de Carrera, (Dr., M.Sc. o Ing.) Fecha
Responsable de Información Científico-Técnica
GUÍA DEL PROYECTO DE TRABAJO DE DIPLOMA
Título del Proyecto:
“Diagnóstico de fallas en Generadores de Vapor”
Clasificación del Proyecto: Investigación + Desarrollo (I + D)
Justificación
En la actualidad una de las tareas más importantes de la ingeniería consiste en aumentar la fiabilidad, seguridad, protección medioambiental y disponibilidad de los procesos industriales. Esta necesidad se observa en procesos críticos como centrales nucleares, eléctricas, químicas, farmacéuticas o en cualquier tipo de proceso de fabricación automatizado como son líneas de montajes, construcción de automóviles, etcétera.
Es por ello que los sistemas modernos de control son cada vez más complejos y sus algoritmos de control son altamente sofisticados. En sistemas con una seguridad crítica la ocurrencia de fallos puede provocar consecuencias extremadamente peligrosas en términos de vidas humanas, impacto medioambiental y pérdidas económicas. Este hecho justifica el auge del diagnóstico de fallos en línea con el objetivo de incrementar la fiabilidad y evitar fallos irreversibles que puedan implicar la paralización de un proceso o provocar grandes catástrofes. El diagnóstico de fallos en línea puede contribuir, además, a una rápida y adecuada reacción ante una situación de avería y favorecer la eficiencia, mantenimiento y disponibilidad de la planta.
El problema de diseño de sistemas efectivos de detección y diagnóstico automático de fallos en generadores de vapor no ha sido suficientemente tratado en la industria cubana, debido a las complejidades técnicas que caracterizan a esta clase de plantas. Es por ello que estrategias que posibiliten la detección de fallos incipientes o el inicio de la degradación en algunos de sus procesos merece una gran atención.
Entidad que representa el proyecto:
Universidad Central “Marta Abreu” de Las Villas
Nombre y apellidos del Diplomante:
Alejandro Morejón Ortega
Nombre y apellidos del Tutores:
Ing. Ailet Abreu López
Dr. José Rafael Abreu García
Antecedentes
La introducción de las nuevas tecnologías en la industria ha permitido el desarrollo del diagnóstico de fallos, no solo desde el punto de vista de la seguridad de los sistemas sino además para mantener la producción y la calidad en los procesos. Esta área ha recibido atención tanto desde el punto de vista industrial como desde el académico en todas partes del mundo (incluyendo nuestro país, aunque en menor medida), debido al gran impacto económico y de seguridad que trae consigo(Venkatasubramanian et al., 2003, García et al., 2009).
Muchas aplicaciones de modelado cualitativo y cuantitativo, procesamiento estadístico y técnicas de inteligencia Artificial (IA) son en la actualidad tomadas para el diseño y desarrollo de sistemas de diagnóstico de fallos para procesos industriales(García et al., 2009, Zambrano and Rocca, 2009).
Existen un gran número de métodos de diagnóstico, clasificados en dos grupos fundamentales según su enfoque(Venkatasubramanian et al., 2003); los basados en modelos cualitativos y cuantitativos(observadores, espacio de paridad, árboles de fallos y otros) y los basados en la historia del proceso(sistemas expertos, clasificadores estadísticos, redes neuronales, entre otros).
Las técnicas basadas en modelos, enfrentan problemas frente a procesos complejos por las no linealidades (Zambrano and Rocca, 2009) y las múltiples interacciones y acoplamientos, que hacen extremadamente difícil el desarrollo de un modelo preciso. En estas situaciones los métodos basados en el conocimiento, utilizados en el ámbito de la Inteligencia Artificial constituyen una opción nada despreciable, algunos de ellos como: la estimación y predicción, clasificación y agrupamiento; redes neuronales, árboles de decisión y la lógica difusa, son ampliamente utilizados en la industria(Angeli and Chatzinikolaou, 2004).
En(Gouveia et al., 2008) son aplicadas algunas técnicas estadísticas multivariables para realizar la detección, identificación y diagnóstico de fallas en un proceso industrial. El proceso de un tanque de reacción no isotérmico agitado continuamente (CSTR) fue simulado en presencia de fallas típicas, para generar los datos históricos de donde se obtiene un patrón que luego permite identificar una falla similar en el futuro. PCA (Análisis de Componentes Principales), FDA (Análisis Discriminante de Fisher) y GDA (Análisis Discriminante Generalizado) son algunas de las técnicas estadísticas que son estudiadas en este trabajo. Se demostró la aplicabilidad del (GDA) para mejorar el diagnóstico de las fallas en aquellos casos donde las técnicas de clasificación lineales tales como el FDA no presentan buenos resultados.
...