Desenvolvimento de um Sensor Virtual para Monitoramento de Temperatura em Motores Elétricos com Aplicação de Redes Neurais Recorrentes

Abstract

RESUMO: Em inúmeras plantas industriais, a medição de temperatura em tempo real é de suma importância no que tange à qualidade do produto em questão, aos riscos pessoais e operacionais, inerentes ao processo. Incontáveis são os sensores de temperatura espalhados dentro de um processo industrial. Para cada um destes sensores, existe a necessidade de instalação física, cabeamento até os transdutores e/ou cartões de entrada analógica de controladores e os sensores necessitam de manutenção, uma vez que eles estão diretamente ligados ao processo que, geralmente, é muito agressivo. Soma-se a isto os problemas de medições gerados por más conexões, interferência eletromagnética e baixa resistência de isolamento dos cabos dos sensores devido à degradação natural por fatores externos. Deve-se mencionar ainda a perda do sinal dos sensores uma vez que o elemento sensor e/ou o cabo de sinal se rompa, gerando assim um sinal de fundo de escala do componente, diferente do valor real. Tendo em vista a problemática apresentada, a utilização de sensores virtuais para monitoramento da planta pode ser considerada uma boa alternativa afim de diminuir custos de implementação e manutenção, aumento da confiabilidade do sinal de feedback e aumento na segurança das operações na usina. Portanto, o presente estudo objetiva a modelagem computacional de sensores virtuais utilizando técnicas de machine learning para inferência de temperatura em motores de elevação em pontes rolantes, tendo como base os dados reais da planta.

ABSTRACT: In numerous industrial plants, real-time temperature measurement is of paramount importance regarding the quality of the product in question, the personal and operational risks inherent in the process. Countless are the temperature sensors scattered within an industrial process. For each of these sensors, there is a need for physical installation, cabling to the transducers and/or analog input cards of controllers and the sensors need maintenance, since they are directly connected to the process, which is usually very aggressive. Added to this, there are the measurement problems generated by bad connections, electromagnetic interference, low insulation resistance of the sensor cables due to natural degradation by external factors. It should also be mentioned the loss of signal from the sensors once the sensor element and/or the signal cable breaks, thus generating a full-scale signal of the component, different from the actual value. In view of the problem presented, the use of virtual sensors for plant monitoring can be considered a good alternative in order to reduce implementation and maintenance costs, increase the reliability of the feedback signal, and increase the safety of operations at the plant. Therefore, the present study aims at the computational modeling of virtual sensors using machine learning techniques for temperature inference in hoist motors in overhead cranes, based on real plant data.