Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Santos, Gean Ribeiro dos
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Ant Colony Optimization
Artificial Neural Networks
centrais nucleares
Colônia de Formigas
monitoração
monitoring
nuclear power plants
Redes Neurais Artificiais
Link de acesso: http://www.teses.usp.br/teses/disponiveis/85/85133/tde-02082016-144618/
Resumo: Um desafio recorrente em processos produtivos é o desenvolvimento de sistemas de monitoração e diagnóstico. Esses sistemas ajudam na detecção de mudanças inesperadas e interrupções, prevenindo perdas e mitigando riscos. Redes Neurais Artificiais (RNA) têm sido largamente utilizadas na criação de sistemas de monitoração. Normalmente as RNA utilizadas para resolver este tipo de problema são criadas levando-se em conta apenas parâmetros como o número de entradas, saídas e quantidade de neurônios nas camadas escondidas. Assim, as redes resultantes geralmente possuem uma configuração onde há uma total conexão entre os neurônios de uma camada e os da camada seguinte, sem que haja melhorias em sua topologia. Este trabalho utiliza o algoritmo de Otimização por Colônia de Formigas (OCF) para criar redes neurais otimizadas. O algoritmo de busca OCF utiliza a técnica de retropropagação de erros para otimizar a topologia da rede neural sugerindo as melhores conexões entre os neurônios. A RNA resultante foi aplicada para monitorar variáveis do reator de pesquisas IEA-R1 do IPEN. Os resultados obtidos mostram que o algoritmo desenvolvido é capaz de melhorar o desempenho do modelo que estima o valor de variáveis do reator. Em testes com diferentes números de neurônios na camada escondida, utilizando como comparativos o erro quadrático médio, o erro absoluto médio e o coeficiente de correlação, o desempenho da RNA otimizada foi igual ou superior ao da tradicional.
id USP_1d2c0a44bae81f0d82d33e05a028ca73
oai_identifier_str oai:teses.usp.br:tde-02082016-144618
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nuclearesAnt Colony Optimization and Artificial Neural Networks applied on monitoring and fault detection in nuclear power plantsAnt Colony OptimizationArtificial Neural Networkscentrais nuclearesColônia de Formigasmonitoraçãomonitoringnuclear power plantsRedes Neurais ArtificiaisUm desafio recorrente em processos produtivos é o desenvolvimento de sistemas de monitoração e diagnóstico. Esses sistemas ajudam na detecção de mudanças inesperadas e interrupções, prevenindo perdas e mitigando riscos. Redes Neurais Artificiais (RNA) têm sido largamente utilizadas na criação de sistemas de monitoração. Normalmente as RNA utilizadas para resolver este tipo de problema são criadas levando-se em conta apenas parâmetros como o número de entradas, saídas e quantidade de neurônios nas camadas escondidas. Assim, as redes resultantes geralmente possuem uma configuração onde há uma total conexão entre os neurônios de uma camada e os da camada seguinte, sem que haja melhorias em sua topologia. Este trabalho utiliza o algoritmo de Otimização por Colônia de Formigas (OCF) para criar redes neurais otimizadas. O algoritmo de busca OCF utiliza a técnica de retropropagação de erros para otimizar a topologia da rede neural sugerindo as melhores conexões entre os neurônios. A RNA resultante foi aplicada para monitorar variáveis do reator de pesquisas IEA-R1 do IPEN. Os resultados obtidos mostram que o algoritmo desenvolvido é capaz de melhorar o desempenho do modelo que estima o valor de variáveis do reator. Em testes com diferentes números de neurônios na camada escondida, utilizando como comparativos o erro quadrático médio, o erro absoluto médio e o coeficiente de correlação, o desempenho da RNA otimizada foi igual ou superior ao da tradicional.A recurring challenge in production processes is the development of monitoring and diagnosis systems. Those systems help on detecting unexpected changes and interruptions, preventing losses and mitigating risks. Artificial Neural Networks (ANN) have been extensively used in creating monitoring systems. Usually the ANN used to solve this kind of problem are created by taking into account only parameters as the number of inputs, outputs, and number of neurons in the hidden layers. This way, the result networks are generally fully connected and have no improvements in its topology. This work uses an Ant Colony Optimization (ACO) algorithm to create a tuned neural networks. The ACO search algorithm uses Back Error Propagation (BP) to optimize the network topology by suggesting the best neuron connections. The outcome ANN was applied to monitoring the IEA-R1 research reactor at IPEN. The results show that the algorithm is able to improve the performance of the model which estimates the values of the reactor variables. In tests with different numbers of neurons in the hidden layer, using as comparison the mean squared error, the mean absolute error, and the correlation coefficient, the performance of the optimized ANN proved equal or better than the equivalent traditional neural networks.Biblioteca Digitais de Teses e Dissertações da USPGonçalves, Iraci Martinez PereiraSantos, Gean Ribeiro dos2016-06-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/85/85133/tde-02082016-144618/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2017-09-04T21:05:36Zoai:teses.usp.br:tde-02082016-144618Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212017-09-04T21:05:36Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
Ant Colony Optimization and Artificial Neural Networks applied on monitoring and fault detection in nuclear power plants
title Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
spellingShingle Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
Santos, Gean Ribeiro dos
Ant Colony Optimization
Artificial Neural Networks
centrais nucleares
Colônia de Formigas
monitoração
monitoring
nuclear power plants
Redes Neurais Artificiais
title_short Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
title_full Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
title_fullStr Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
title_full_unstemmed Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
title_sort Algoritmo de Colônia de Formigas e Redes Neurais Artificiais aplicados na monitoração e detecção de falhas em centrais nucleares
author Santos, Gean Ribeiro dos
author_facet Santos, Gean Ribeiro dos
author_role author
dc.contributor.none.fl_str_mv Gonçalves, Iraci Martinez Pereira
dc.contributor.author.fl_str_mv Santos, Gean Ribeiro dos
dc.subject.por.fl_str_mv Ant Colony Optimization
Artificial Neural Networks
centrais nucleares
Colônia de Formigas
monitoração
monitoring
nuclear power plants
Redes Neurais Artificiais
topic Ant Colony Optimization
Artificial Neural Networks
centrais nucleares
Colônia de Formigas
monitoração
monitoring
nuclear power plants
Redes Neurais Artificiais
description Um desafio recorrente em processos produtivos é o desenvolvimento de sistemas de monitoração e diagnóstico. Esses sistemas ajudam na detecção de mudanças inesperadas e interrupções, prevenindo perdas e mitigando riscos. Redes Neurais Artificiais (RNA) têm sido largamente utilizadas na criação de sistemas de monitoração. Normalmente as RNA utilizadas para resolver este tipo de problema são criadas levando-se em conta apenas parâmetros como o número de entradas, saídas e quantidade de neurônios nas camadas escondidas. Assim, as redes resultantes geralmente possuem uma configuração onde há uma total conexão entre os neurônios de uma camada e os da camada seguinte, sem que haja melhorias em sua topologia. Este trabalho utiliza o algoritmo de Otimização por Colônia de Formigas (OCF) para criar redes neurais otimizadas. O algoritmo de busca OCF utiliza a técnica de retropropagação de erros para otimizar a topologia da rede neural sugerindo as melhores conexões entre os neurônios. A RNA resultante foi aplicada para monitorar variáveis do reator de pesquisas IEA-R1 do IPEN. Os resultados obtidos mostram que o algoritmo desenvolvido é capaz de melhorar o desempenho do modelo que estima o valor de variáveis do reator. Em testes com diferentes números de neurônios na camada escondida, utilizando como comparativos o erro quadrático médio, o erro absoluto médio e o coeficiente de correlação, o desempenho da RNA otimizada foi igual ou superior ao da tradicional.
publishDate 2016
dc.date.none.fl_str_mv 2016-06-03
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/85/85133/tde-02082016-144618/
url http://www.teses.usp.br/teses/disponiveis/85/85133/tde-02082016-144618/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1865490779439366144

Registros relacionados