Implementação de controle adaptativo com base em rede neural a uma coluna de destilação
| Ano de defesa: | 2003 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://repositorio.ufpe.br/handle/123456789/6816 |
Resumo: | Este trabalho teve como objetivo estudar métodos baseados em Inteligência Artificial (IA), em particular, as Redes Neurais Artificiais (RNA), aplicados em controle de processos. O sistema a ser estudado é composto de uma coluna de destilação existente na planta da PETROFLEX de Cabo de Santo Agostinho, a qual faz parte do sistema de purificação de solvente. O principal processo de produção da PETROFLEX se dá através da reação de polimerização do Butadieno-1,3 formando a borracha sintética. Ocorre através do mecanismo conhecido como polimerização aniônica em solução em presença de um iniciador, onde o solvente, principalmente constituído de N-Hexano e Ciclohexano, é o meio no qual a reação ocorre. A mistura de borracha sintética e solvente, conhecida como cemento é encaminhada para um sistema onde o solvente é separado da borracha e em seguida, é enviado ao sistema de purificação de solvente. A função do sistema em estudo é remover impurezas representadas por compostos leves, na faixa de 4 átomos de carbono, que contaminando a corrente de solvente traz grandes perturbações ao sistema de reação. Esses são principalmente o cis-Buteno-2 e o próprio Butadieno-1,3 não convertido. Embora, em si não sejam contaminantes, sua presença normalmente está associada a teores bastante diminutos de outros compostos altamente indesejáveis como os acetilenos (Etilacetileno, Vinilacetileno ou Metilacetileno). A coluna de destilação opera com seus controladores ajustados em valores fixos, devido ao fato de não se conhecer a todo instante a composição da carga e a de fundo da coluna. Isto nem sempre produz bons resultados e na maior parte do tempo gasta-se mais energia que o necessário. Propõe-se, então, a implementação de um sistema de controle que deverá se ajustar às diferentes condições de operação, como uma conseqüência da variação da composição da carga. O trabalho foi constituído de três etapas : Na primeira, utilizou-se o simulador de processos ASPEN PLUS para simular e validar as condições operacionais da coluna de destilação; na segunda, utilizou-se o conjunto de dados gerados pelo simulador para realizar a identificação do processo via uma rede neural (RNA). Na terceira, foi implementado um controlador adaptativo, onde o sinal de processo para o controlador vem da RNA. O simulador de processos ASPEN PLUS se baseia em modelos fenomenológicos. A RNA a ser implementada e treinada, tomará por base os dados gerados por este simulador, numa etapa denominada de identificação do processo, resultando em mais agilidade à obtenção dos dados necessários ao treinamento da rede. O controle do processo, denominado de Controle Adaptativo fará uso desta rede, que será responsável pela predição do sinal de controle. O controlador adaptativo baseado no modelo de rede neural, modifica a sintonia do controlador da variável controlada atuando de acordo com o critério especificado, enquanto ao mesmo tempo, o sinal de processo para o controlador adaptativo é predito pelo modelo de rede neural. Os resultados obtidos pelo simulador demonstraram um alto grau de compatibilidade com as condições reais da planta, dando boa representatividade ao processo. A RNA também após treinada e validada apresentou um erro inferior a 0,9 %. De posse destas informações, realizou-se a implementação de um controlador adaptativo para a vazão de refluxo da coluna de destilação, onde definiu-se equações relacionando os parâmetros de sintonia do controlador ao teor de leves na corrente de carga da coluna. A opção de implementação de um controlador adaptativo na coluna de destilação da PETROFLEX deverá proporcionar uma melhor estabilidade na qualidade das especificações dos produtos da coluna devido à maior sensibilidade que este tipo de controle apresenta,adequando-se melhor às perturbações e apresentando uma performance superior ao controle regulatório padrão baseado em controladores PID (Proporcional-Integral-Derivativo) |
| id |
UFPE_fe30fdcad034a76e3f2ddc895ee9fd41 |
|---|---|
| oai_identifier_str |
oai:repositorio.ufpe.br:123456789/6816 |
| network_acronym_str |
UFPE |
| network_name_str |
Repositório Institucional da UFPE |
| repository_id_str |
|
| spelling |
Fernando Araújo Britto, AntonioRodrigues de Carvalho, Florival 2014-06-12T18:07:39Z2014-06-12T18:07:39Z2003Fernando Araújo Britto, Antonio; Rodrigues de Carvalho, Florival. Implementação de controle adaptativo com base em rede neural a uma coluna de destilação. 2003. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Química, Universidade Federal de Pernambuco, Recife, 2003.https://repositorio.ufpe.br/handle/123456789/6816Este trabalho teve como objetivo estudar métodos baseados em Inteligência Artificial (IA), em particular, as Redes Neurais Artificiais (RNA), aplicados em controle de processos. O sistema a ser estudado é composto de uma coluna de destilação existente na planta da PETROFLEX de Cabo de Santo Agostinho, a qual faz parte do sistema de purificação de solvente. O principal processo de produção da PETROFLEX se dá através da reação de polimerização do Butadieno-1,3 formando a borracha sintética. Ocorre através do mecanismo conhecido como polimerização aniônica em solução em presença de um iniciador, onde o solvente, principalmente constituído de N-Hexano e Ciclohexano, é o meio no qual a reação ocorre. A mistura de borracha sintética e solvente, conhecida como cemento é encaminhada para um sistema onde o solvente é separado da borracha e em seguida, é enviado ao sistema de purificação de solvente. A função do sistema em estudo é remover impurezas representadas por compostos leves, na faixa de 4 átomos de carbono, que contaminando a corrente de solvente traz grandes perturbações ao sistema de reação. Esses são principalmente o cis-Buteno-2 e o próprio Butadieno-1,3 não convertido. Embora, em si não sejam contaminantes, sua presença normalmente está associada a teores bastante diminutos de outros compostos altamente indesejáveis como os acetilenos (Etilacetileno, Vinilacetileno ou Metilacetileno). A coluna de destilação opera com seus controladores ajustados em valores fixos, devido ao fato de não se conhecer a todo instante a composição da carga e a de fundo da coluna. Isto nem sempre produz bons resultados e na maior parte do tempo gasta-se mais energia que o necessário. Propõe-se, então, a implementação de um sistema de controle que deverá se ajustar às diferentes condições de operação, como uma conseqüência da variação da composição da carga. O trabalho foi constituído de três etapas : Na primeira, utilizou-se o simulador de processos ASPEN PLUS para simular e validar as condições operacionais da coluna de destilação; na segunda, utilizou-se o conjunto de dados gerados pelo simulador para realizar a identificação do processo via uma rede neural (RNA). Na terceira, foi implementado um controlador adaptativo, onde o sinal de processo para o controlador vem da RNA. O simulador de processos ASPEN PLUS se baseia em modelos fenomenológicos. A RNA a ser implementada e treinada, tomará por base os dados gerados por este simulador, numa etapa denominada de identificação do processo, resultando em mais agilidade à obtenção dos dados necessários ao treinamento da rede. O controle do processo, denominado de Controle Adaptativo fará uso desta rede, que será responsável pela predição do sinal de controle. O controlador adaptativo baseado no modelo de rede neural, modifica a sintonia do controlador da variável controlada atuando de acordo com o critério especificado, enquanto ao mesmo tempo, o sinal de processo para o controlador adaptativo é predito pelo modelo de rede neural. Os resultados obtidos pelo simulador demonstraram um alto grau de compatibilidade com as condições reais da planta, dando boa representatividade ao processo. A RNA também após treinada e validada apresentou um erro inferior a 0,9 %. De posse destas informações, realizou-se a implementação de um controlador adaptativo para a vazão de refluxo da coluna de destilação, onde definiu-se equações relacionando os parâmetros de sintonia do controlador ao teor de leves na corrente de carga da coluna. A opção de implementação de um controlador adaptativo na coluna de destilação da PETROFLEX deverá proporcionar uma melhor estabilidade na qualidade das especificações dos produtos da coluna devido à maior sensibilidade que este tipo de controle apresenta,adequando-se melhor às perturbações e apresentando uma performance superior ao controle regulatório padrão baseado em controladores PID (Proporcional-Integral-Derivativo)porUniversidade Federal de PernambucoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessRedes neuraisColunaControle adaptativoImplementação de controle adaptativo com base em rede neural a uma coluna de destilaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALarquivo7972_1.pdfapplication/pdf731773https://repositorio.ufpe.br/bitstream/123456789/6816/1/arquivo7972_1.pdf55304014acdffd7e9fb943248ed1bcd2MD51LICENSElicense.txttext/plain1748https://repositorio.ufpe.br/bitstream/123456789/6816/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTarquivo7972_1.pdf.txtarquivo7972_1.pdf.txtExtracted texttext/plain179626https://repositorio.ufpe.br/bitstream/123456789/6816/3/arquivo7972_1.pdf.txt0db46d8a35736a1923561072c19d9279MD53THUMBNAILarquivo7972_1.pdf.jpgarquivo7972_1.pdf.jpgGenerated Thumbnailimage/jpeg1413https://repositorio.ufpe.br/bitstream/123456789/6816/4/arquivo7972_1.pdf.jpgea0503ba9ede60c220cdbcc3f563e8deMD54123456789/68162019-10-25 02:27:35.252oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T05:27:35Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
| dc.title.pt_BR.fl_str_mv |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação |
| title |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação |
| spellingShingle |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação Fernando Araújo Britto, Antonio Redes neurais Coluna Controle adaptativo |
| title_short |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação |
| title_full |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação |
| title_fullStr |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação |
| title_full_unstemmed |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação |
| title_sort |
Implementação de controle adaptativo com base em rede neural a uma coluna de destilação |
| author |
Fernando Araújo Britto, Antonio |
| author_facet |
Fernando Araújo Britto, Antonio |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Fernando Araújo Britto, Antonio |
| dc.contributor.advisor1.fl_str_mv |
Rodrigues de Carvalho, Florival |
| contributor_str_mv |
Rodrigues de Carvalho, Florival |
| dc.subject.por.fl_str_mv |
Redes neurais Coluna Controle adaptativo |
| topic |
Redes neurais Coluna Controle adaptativo |
| description |
Este trabalho teve como objetivo estudar métodos baseados em Inteligência Artificial (IA), em particular, as Redes Neurais Artificiais (RNA), aplicados em controle de processos. O sistema a ser estudado é composto de uma coluna de destilação existente na planta da PETROFLEX de Cabo de Santo Agostinho, a qual faz parte do sistema de purificação de solvente. O principal processo de produção da PETROFLEX se dá através da reação de polimerização do Butadieno-1,3 formando a borracha sintética. Ocorre através do mecanismo conhecido como polimerização aniônica em solução em presença de um iniciador, onde o solvente, principalmente constituído de N-Hexano e Ciclohexano, é o meio no qual a reação ocorre. A mistura de borracha sintética e solvente, conhecida como cemento é encaminhada para um sistema onde o solvente é separado da borracha e em seguida, é enviado ao sistema de purificação de solvente. A função do sistema em estudo é remover impurezas representadas por compostos leves, na faixa de 4 átomos de carbono, que contaminando a corrente de solvente traz grandes perturbações ao sistema de reação. Esses são principalmente o cis-Buteno-2 e o próprio Butadieno-1,3 não convertido. Embora, em si não sejam contaminantes, sua presença normalmente está associada a teores bastante diminutos de outros compostos altamente indesejáveis como os acetilenos (Etilacetileno, Vinilacetileno ou Metilacetileno). A coluna de destilação opera com seus controladores ajustados em valores fixos, devido ao fato de não se conhecer a todo instante a composição da carga e a de fundo da coluna. Isto nem sempre produz bons resultados e na maior parte do tempo gasta-se mais energia que o necessário. Propõe-se, então, a implementação de um sistema de controle que deverá se ajustar às diferentes condições de operação, como uma conseqüência da variação da composição da carga. O trabalho foi constituído de três etapas : Na primeira, utilizou-se o simulador de processos ASPEN PLUS para simular e validar as condições operacionais da coluna de destilação; na segunda, utilizou-se o conjunto de dados gerados pelo simulador para realizar a identificação do processo via uma rede neural (RNA). Na terceira, foi implementado um controlador adaptativo, onde o sinal de processo para o controlador vem da RNA. O simulador de processos ASPEN PLUS se baseia em modelos fenomenológicos. A RNA a ser implementada e treinada, tomará por base os dados gerados por este simulador, numa etapa denominada de identificação do processo, resultando em mais agilidade à obtenção dos dados necessários ao treinamento da rede. O controle do processo, denominado de Controle Adaptativo fará uso desta rede, que será responsável pela predição do sinal de controle. O controlador adaptativo baseado no modelo de rede neural, modifica a sintonia do controlador da variável controlada atuando de acordo com o critério especificado, enquanto ao mesmo tempo, o sinal de processo para o controlador adaptativo é predito pelo modelo de rede neural. Os resultados obtidos pelo simulador demonstraram um alto grau de compatibilidade com as condições reais da planta, dando boa representatividade ao processo. A RNA também após treinada e validada apresentou um erro inferior a 0,9 %. De posse destas informações, realizou-se a implementação de um controlador adaptativo para a vazão de refluxo da coluna de destilação, onde definiu-se equações relacionando os parâmetros de sintonia do controlador ao teor de leves na corrente de carga da coluna. A opção de implementação de um controlador adaptativo na coluna de destilação da PETROFLEX deverá proporcionar uma melhor estabilidade na qualidade das especificações dos produtos da coluna devido à maior sensibilidade que este tipo de controle apresenta,adequando-se melhor às perturbações e apresentando uma performance superior ao controle regulatório padrão baseado em controladores PID (Proporcional-Integral-Derivativo) |
| publishDate |
2003 |
| dc.date.issued.fl_str_mv |
2003 |
| dc.date.accessioned.fl_str_mv |
2014-06-12T18:07:39Z |
| dc.date.available.fl_str_mv |
2014-06-12T18:07:39Z |
| 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.citation.fl_str_mv |
Fernando Araújo Britto, Antonio; Rodrigues de Carvalho, Florival. Implementação de controle adaptativo com base em rede neural a uma coluna de destilação. 2003. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Química, Universidade Federal de Pernambuco, Recife, 2003. |
| dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/6816 |
| identifier_str_mv |
Fernando Araújo Britto, Antonio; Rodrigues de Carvalho, Florival. Implementação de controle adaptativo com base em rede neural a uma coluna de destilação. 2003. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Química, Universidade Federal de Pernambuco, Recife, 2003. |
| url |
https://repositorio.ufpe.br/handle/123456789/6816 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
| eu_rights_str_mv |
openAccess |
| dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
| publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
| instname_str |
Universidade Federal de Pernambuco (UFPE) |
| instacron_str |
UFPE |
| institution |
UFPE |
| reponame_str |
Repositório Institucional da UFPE |
| collection |
Repositório Institucional da UFPE |
| bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/6816/1/arquivo7972_1.pdf https://repositorio.ufpe.br/bitstream/123456789/6816/2/license.txt https://repositorio.ufpe.br/bitstream/123456789/6816/3/arquivo7972_1.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/6816/4/arquivo7972_1.pdf.jpg |
| bitstream.checksum.fl_str_mv |
55304014acdffd7e9fb943248ed1bcd2 8a4605be74aa9ea9d79846c1fba20a33 0db46d8a35736a1923561072c19d9279 ea0503ba9ede60c220cdbcc3f563e8de |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
| repository.mail.fl_str_mv |
attena@ufpe.br |
| _version_ |
1862741731226681344 |