Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/17075
Title: Sistema de controle inteligente baseado em redes neurais artificiais aplicado ao processo de destilação extrativa.
Other Titles: Intelligent control system based on artificial neural networks applied to the extractive distillation process.
???metadata.dc.creator???: NEVES, Thiago Gonçalves das.
???metadata.dc.contributor.advisor1???: BRITO , Romildo Pereira.
???metadata.dc.contributor.referee1???: MORAIS JÚNIOR, Arioston Araújo de.
???metadata.dc.contributor.referee2???: VASCONCELOS, Luís Gonzaga Sales.
???metadata.dc.contributor.referee3???: ANDRADE, Márcio Henrique dos Santos.
???metadata.dc.contributor.referee4???: RAMOS, Wagner Brandão.
Keywords: Anhydrous ethanol;Extractive distillation;Artificial neural networks;Non-ideal mixtures;Intelligent control;Etanol anidro;Destilação extrativa;Destilación extractiva;Redes neurais artificiais;Redes neuronales artificiales;Misturas não ideais;Mezclas no ideales;Controle inteligente
Issue Date: 27-Nov-2020
Publisher: Universidade Federal de Campina Grande
Citation: NEVES, T. G. das. Sistema de controle inteligente baseado em redes neurais artificiais aplicado ao processo de destilação extrativa. 2020. 132 f. Tese (Doutorado em Engenharia Química) – Programa de Pós-Graduação em Engenharia Química, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.
???metadata.dc.description.resumo???: Os processos de destilação extrativa são amplamente utilizados nas indústrias químicas para a separação de misturas não ideais, por exemplo, na desidratação de etanol pelo seu grande interesse industrial por causa de suas diversas aplicações, exigindo que a produção se ajuste as diferentes demandas do mercado, principalmente no que diz respeito à composição. Além disso, rígidas especificações de qualidade do produto e rigorosas regulamentações ambientais exigem que o sistema de controle possua alto grau de desempenho. Devido à dificuldade da medição de composição de uma forma contínua, o controle em coluna de destilação ainda é um desafio, e uma alternativa muito utilizada é a instalação de sensores de temperatura para inferir a concentração. Porém para misturas multicomponentes não-ideais, com comportamento termodinâmico complexo, a temperatura é um fraco indicador da composição. O objetivo principal desse trabalho é desenvolver alternativas de controle inteligente, baseadas em Redes Neurais Artificiais, capazes de fazer com que a composição dos produtos em um processo de destilação extrativa siga em direção a novas especificações e que, independente dos distúrbios, mantenham a saída no set-point estabelecido. As malhas de controle incluem o controle convencional, o avançado e o baseado em modelos, evitando o uso de analisadores de composição caros e de alta manutenção. Os modelos foram baseados no uso de Redes Neurais Artificiais (RNA), desenvolvidas no software MATLAB®, sendo necessário usar tantos dados quantos possíveis a fim de construir modelos que cubram uma larga faixa de condições operacionais do processo, os quais foram obtidos com auxílio do Aspen Plus™. Uma análise feita no Aspen Plus Dynamics™ mostrou que o controle inteligente por meio da modificação de set-points de controladores presentes na instrumentação original é capaz de fazer com que os distúrbios na alimentação não afetem a qualidade do produto final ou através de um simples comando do operador, o sistema de controle é capaz de utilizar uma lógica matemática para modificar a composição do produto a fim de alcançar a especificação desejada dependendo do planejamento da produção. Diante dessas características, o controle inteligente, com relação ao controle convencional, apresentou melhor desempenho e flexibilidade para o problema proposto, com baixa oscilação e respostas rápidas.
Abstract: Extractive distillation processes are widely used in chemical industries for the separation of non-ideal mixtures, for example, in the dehydration of ethanol due to its great industrial interest because of its diverse applications, requiring that production adjust to different market demands, mainly about composition. In addition, strict product quality specifications and strict environmental regulations require that the control system has a high degree of performance. In addition, strict product quality specifications and strict environmental regulations require that the control system has high performance. Due to the difficulty of measuring composition continuously, the control in a distillation column is still a challenge, and a widely used alternative is the installation of temperature sensors to infer the concentration. However, for non-ideal multicomponent mixtures, with complex thermodynamic behavior, temperature is a weak indicator of composition. The main objective of this work is to develop alternatives for intelligent control, based on Artificial Neural Networks, capable of making the composition of the products in an extractive distillation process move towards new specifications and that, regardless of the disturbances, keep the output in the set point established. Control loops include conventional, advanced and model-based control, without the use of expensive, highmaintenance composition analyzers. The models were based on the use of Artificial Neural Networks (ANN), developed in the MATLAB® software, being necessary to use as much data as possible in order to build models that cover a wide range of operational conditions of the process, which were obtained with the help of Aspen Plus ™. An analysis in Aspen Plus Dynamics ™ showed that the intelligent control through the set points modification gifts controllers in the original instrumentation is able to cause disturbances in power do not affect the quality of the final product or through a simple command operator, the control system is able to use mathematical logic to modify the composition of the product to achieve the desired specification depending on production planning. In view of these characteristics, intelligent control, in relation to conventional control, presented better performance and flexibility for the proposed problem, with low oscillation and fast responses.
Keywords: Anhydrous ethanol
Extractive distillation
Artificial neural networks
Non-ideal mixtures
Intelligent control
Etanol anidro
Destilação extrativa
Destilación extractiva
Redes neurais artificiais
Redes neuronales artificiales
Misturas não ideais
Mezclas no ideales
Controle inteligente
???metadata.dc.subject.cnpq???: Engenharia Química
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/17075
Appears in Collections:Doutorado em Engenharia Química.

Files in This Item:
File Description SizeFormat 
THIAGO GONÇALVES DAS NEVES – TESE (PPGEq) 2020.pdf3.84 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.