Implementação de controle adaptativo com base em rede neural a uma coluna de destilação

Detalhes bibliográficos
Ano de defesa: 2003
Autor(a) principal: Fernando Araújo Britto, Antonio
Orientador(a): Rodrigues de Carvalho, Florival
Banca de defesa: Não Informado pela instituição
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