PENGEMBANGAN METODA VALIDASI SENSOR DENGAN MENGGUNAKAN AUTOASSOCIATIVE NEURAL NETWORK

PENGEMBANGAN METODA VALIDASI SENSOR DENGAN MENGGUNA-KAN
AUTOASSOCIATIVE NEURAL NETWORK. Penurunan unjuk kerja sebuah sensor
umumnya terjadi bersamaan dengan operasi reaktor sehingga metoda perawatan periodik tidak
mampu mendeteksinya. Penelitian ini menitikberatkan pada metode perawatan prediktif yaitu
validasi sinyal sensor yang dapat memberikan peringatan dini adanya penurunan unjuk kerja
dan kegagalan pada sensor secara on-line tanpa menganggu operasi reaktor. Dengan
menggunakan sinyal-sinyal dari sensor yang memiliki korelasi tinggi dibuat sebuah model
dengan menggunakan Auto Associative Neural Network (AANN) yang memiliki jumlah input
dan output yang sama banyaknya. AANN dilatih dengan menggunakan data pada berbagai
kondisi operasi sehingga menghasilkan sinyal output yang sama dengan input pada keadaan
normal. Adanya gangguan anomali pada salah satu input akan diindikasikan pada perbedaan
sinyal output dan input pada kanal yang bersangkutan (sinyal deviasi). Sinyal deviasi yang
dihasilkan selanjutnya dianalisis dengan penganalisis sinyal deviasi jenis SPRT (Sequential
Prrobability Ratio Test). Pengujian model AANN dilakukan dengan menggunakan data off-line
dari RSG-GAS dan PWR Borssele untuk memperoleh topologi AANN yang optimal dan teknik
pelatihan yang optimal. Selanjutnya dilakukan penerapan metoda validasi ini pada reaktor
sebenarnya yaitu dengan cara mengintegrasikan sistem validasi sensor pada Sistem Monitoring
Reaktor (SIMOR) RSG-GAS. Pengujian pada sistem SIMOR dilakukan dengan menggunakan
sinyal-sinyal yang memiliki korelasi tinggi dengan daya reaktor. Berdasarkan pengamatan awal,
sistem validasi sensor ini dapat berfungsi dengan baik dan hingga saat ini belum menemukan
adanya penurunan unjuk kerja sensor ataupun kegagalan sensor.