diagnóstico

Sistema de diagnóstico para caldeiras e fornalhas – 2.ª Parte

Uma vez obtidos via CFD os padrões de distribuição de variáveis de diagnóstico, estes foram processados…

Uma vez obtidos via CFD os padrões de distribuição de variáveis de diagnóstico, estes foram processados de modo a elaborar um sistema de diagnóstico recorrendo a ANN (Artificial Neural Networks – Redes Neuronais Artificiais), com a expetativa inicial destas últimas garantirem um desempenho adequado mesmo sob as suas formas mais simples
e usuais disponíveis na toolbox própria do MATLAB®. Isto tanto em termos de arquitetura de sistema, usando redes feedforward com em múltiplas camadas, como no que aos algoritmos de treino diz respeito, concretamente os algoritmos backpropagation padrão [7, 8].

Os fluxos de calor resultantes das simulações CFD foram exportados para Excel, onde foram processados e associados ao caso particular a que se referem, em termos de normalidade ou anormalidade da situação. Este processo inclui nomeadamente uma normalização dos valores para o intervalo [-1,1], a sua colocação em ordem aleatória (de modo a eliminar enviesamentos associados à ordem de apresentação dos valores) e uma separação em três subconjuntos de dados distintos, designados conjunto de treino, validação e teste e contendo tipicamente 60, 30 e 10% do número total de conjuntos de dados [9, 10].

O motivo para esta divisão é intrínseco ao processo de treino, em que os conjuntos de dados são apresentados sequencialmente à rede neuronal, que
ajusta os seus coeficientes sinápticos de modo a representar da forma mais adequada as relações entre os parâmetros de diagnóstico usados como vetores de input de rede e os valores-objetivo definidos como outputs. Um dos problemas passíveis de ocorrer no processo de treino é usualmente designado por overfitting. Este sobreajuste pode ocorrer para um dado número de iterações a partir do qual a rede passa a estar demasiado “especializada” no reconhecimento dos padrões com que foi treinada e perde consequentemente qualquer capacidade de generalização, sendo incapaz de reconhecer e classificar padrões que não tenham sido utilizados no processo de treino.

Hugo Calisto e Nelson Martins
Departamento de Engenharia Mecânica – Universidade de Aveiro, Portugal

Para ler o artigo completo faça o download gratuito da revista “Manutenção” nº113. Verifique o seu email após o download. Pode também solicitar apenas este artigo através do emaila.pereira@cie-comunicacao.pt

      Selecione as sua(s) área(s) de interesse

      Utilize a tecla Ctrl para selecionar mais que uma opção

    Outros artigos relacinados

    Translate »