Análise de vibração das bombas do circuito primário do reator IEA-R1 a partir de técnicas de Inteligência Artificial

Abstract

Redes neurais raramente são empregadas em reatores nucleares de pesquisa, especialmente em aplicações envolvendo medições de vibração. A disponibilidade de uma base de dados de vibração, aliada à análise especializada desses dados, inspirou o desenvolvimento de uma técnica de inteligência artificial projetada para automatizar o diagnóstico de falhas nas bombas do reator IEA-R1. Neste trabalho, é proposto um método de diagnóstico preditivo para identificar falhas nas bombas do circuito primário de resfriamento do reator nuclear de pesquisa IEA-R1. Dois tipos de Redes Neurais Artificiais (RNAs) são aplicados aos sinais de vibração das bombas, tanto no domínio do tempo quanto no domínio da frequência. A arquitetura das redes inclui um Perceptron Multicamadas, que utiliza uma função de transferência sigmoidal e Softmax na camada de saída, e uma Rede Neural Paraconsistente, que emprega a função de transferência sigmoidal em todas as camadas. Em ambas as redes, são apresentadas 12 entradas para classificação de cinco tipos de defeitos, sendo os dados divididos em conjuntos de treinamento, validação e teste. As métricas utilizadas para avaliação foram: curva de performance, matriz de confusão e Curva ROC. A eficácia do método proposto é validada por meio da comparação com o histórico de falhas registrado durante manutenções programadas das bombas. Os resultados obtidos estão alinhados com as previsões das redes neurais, evidenciando a robustez e confiabilidade da abordagem proposta.