PENGEMBANGAN TEKNIK VALIDASI SINYAL

PENGEMBANGAN TEKNIK VALIDASI SINYAL. Metoda perawatan periodik tidak mampu mendeteksi penurunan unjuk kerja sebuah sensor yang pada umumnya terjadi bersamaan dengan operasi reaktor. 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. Secara khusus sinyal-sinyal dari sensor yang memiliki korelasi tinggi dan sinyal dari sensor redundan dapat digunakan untuk membuat sebuah model dengan menggunakan Artificial Neural Network (ANN). ANN 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). Sistem validasi sinyal yang telah dikembangkan di uji pada sistem instrumentasi RSG_GAS pada kanal-kalan Fluks Neutron, Radiasi N-16, Flowrate sistem Primer dan Suhu Masukan Teras. Selain itu validasi sinyal di aplikasikan pada data off-line dari Feedwater Flow PLTN PWR Florida Power Corporation’s Crystal River USA. Pengujian pada RSG-GAS tidak menunjukkan adanya anomali, sedangkan pengujian pada feedwater flow dapat mendeteksi adanya ventury fouling sesuai dengan penelitian lain yang telah dilakukan oleh Hines dkk. Penggunaan pendeteksi kegagalan SPRT memberikan hasil alaram yang lebih dapat diandalkan karena didasarkan pada pertimbangan-pertimbangan statistik.

Kata kunci: Validasi Sinyal, Sensor, neural network.

ABSTRACT

DEVELOPMENT OF SIGNAL VALIDATION TECHNIQUES. Performance deterioration of sensor usually could not be detected by conventional periodic maintenance, since it is occure when the reactor in operation. This paper will be focused on the introduction of predictive maintenance methods using sensor signal validation. This method provides an on-line early warning system which appear when sensor degradation or sensor faulty happened. Specifically this research dealed with highly correlated signals which usually comes from redundant sensors. This condition is sensitive with ill condition so the modeling using Artificial Neural Network (ANN) needs special treatment to deal with this ill condition. As a predictive models, ANN’s, were trained using data from various operation conditions. This training procedure provides a predictive model which produce similar input and output signal under normal condition. The signal difference between input and output is called deviation signal. The deviation signals are sent to Sequential Probability Ratio Test (SPRT) module, to generate alarm. This signal validation techniques has been applied in RSG-GAS sensors (Neutron flux, N-16, primary coolant flow rate and inlet temperature) and feed water flow PWR Florida NPP. RSG-GAS system did not indicated any anomaly or performance degradation, however PWR feed water flow indication a flaw. This result is confirmed with previous research developed by Hines at al. The application of SPRT provides a more reliable alarm system since it is analyzed based on statistical consideration.

Key words: signal validation, Sensor, neural network.