Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.

Detalhes bibliográficos
Autor(a) principal: FONTES, Diane Otília Lima.
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/15281
Resumo: A temperatura e a composição de silício no ferro gusa são parâmetros essenciais para o controle térmico do alto-forno. Entretanto, a estrutura física do alto-forno não permite métodos diretos e online para detectar esses parâmetros. Neste estudo, foi proposto um algoritmo híbrido usando fuzzy c-médias (FCM) e modelo exógeno auto-regressivo não linear (NARX) para construir um soft sensor capaz de prever a temperatura do gusa e o teor de silício em um intervalo de amostragem regular. O FCM é uma técnica de modelagem de dados para gerar subconjuntos similares entre si e dissimilares entre os outros subconjuntos. Sua importância se dá pelo fato de descobrir agrupamentos naturais dos dados observados, neste caso, determinar grupos de condições operacionais. O modelo neural NARX visa gerar um modelo de predição dos indicadores. O algoritmo proposto foi avaliado a partir da sua eficiência em um processo industrial de fabricação de ferro gusa em um alto-forno. Os resultados obtidos demonstraram que construir um soft sensor com modelos FCM-NARX apresenta um alto desempenho, tendo um coeficiente de determinação para a predição para a temperatura e teor de silício no gusa de 99,7% e 99,6%, respectivamente.
id UFCG_69794ad2e56796c1b022e01986308f4e
oai_identifier_str oai:localhost:riufcg/15281
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str 4851
spelling Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.Development of a soft sensor to predict the thermal state of pig iron in a blast furnace using fuzzy c-means and exogenous non-linear autoregressive model.Estado TérmicoAlto FornoSoft SensorFCMNARXInteligência ArtificialRedes NeuraisThermal StateBlast FurnaceArtificial IntelligenceNeural NetworksEngenharia QuímicaA temperatura e a composição de silício no ferro gusa são parâmetros essenciais para o controle térmico do alto-forno. Entretanto, a estrutura física do alto-forno não permite métodos diretos e online para detectar esses parâmetros. Neste estudo, foi proposto um algoritmo híbrido usando fuzzy c-médias (FCM) e modelo exógeno auto-regressivo não linear (NARX) para construir um soft sensor capaz de prever a temperatura do gusa e o teor de silício em um intervalo de amostragem regular. O FCM é uma técnica de modelagem de dados para gerar subconjuntos similares entre si e dissimilares entre os outros subconjuntos. Sua importância se dá pelo fato de descobrir agrupamentos naturais dos dados observados, neste caso, determinar grupos de condições operacionais. O modelo neural NARX visa gerar um modelo de predição dos indicadores. O algoritmo proposto foi avaliado a partir da sua eficiência em um processo industrial de fabricação de ferro gusa em um alto-forno. Os resultados obtidos demonstraram que construir um soft sensor com modelos FCM-NARX apresenta um alto desempenho, tendo um coeficiente de determinação para a predição para a temperatura e teor de silício no gusa de 99,7% e 99,6%, respectivamente.The temperature and silicon content of hot metal are essential parameters for the thermal control of a blast furnace. However, the physical structure of the blast furnace prevents direct and online methods from accurately predicting these parameters. In this study, it was proposed a new algorithm based on fuzzy c-means (FCM) and exogenous nonlinear autoregressive model (NARX) to develop a soft sensor for predicting the temperature and silicon content of hot metal. FCM is a data modeling technique that works by clustering similar data objects while separating dissimilar ones. FCM is highly effective in the identification of natural groupings in the observed data; in this case, determination of groups of operational conditions. The NARX neural network presents a model for the accurate prediction of temperature and silicon content of hot metal. The proposed algorithm was evaluated based on its efficiency in simulating the industrial process for manufacturing hot metal in a blast furnace. The results showed that a soft sensor based on FCM-NARX models presents a high performance, with a determination coefficient for the prediction of temperature and silicon content in hot metal of 99.7% and 99.6%, respectively.CapesUniversidade Federal de Campina GrandeBrasilCentro de Ciências e Tecnologia - CCTPÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICAUFCGVASCONCELOS, Luis Gonzaga Sales.VASCONCELOS, L. G. S.http://lattes.cnpq.br/9456860386065509BRITO, Romildo Pereira.RAMOS, Wagner Brandão.MORAIS JUNIOR, Arioston Araújo de.FONTES, Diane Otília Lima.2020-08-282020-09-15T22:59:01Z2020-09-152020-09-15T22:59:01Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/15281FONTES, D. O. L. Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear. 2020. 84 f. Dissertação (Mestrado em Engenharia Química) – Programa de Pós-Graduação em Engenharia Química, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2020-09-15T22:59:01Zoai:localhost:riufcg/15281Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512020-09-15T22:59:01Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.none.fl_str_mv Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
Development of a soft sensor to predict the thermal state of pig iron in a blast furnace using fuzzy c-means and exogenous non-linear autoregressive model.
title Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
spellingShingle Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
FONTES, Diane Otília Lima.
Estado Térmico
Alto Forno
Soft Sensor
FCM
NARX
Inteligência Artificial
Redes Neurais
Thermal State
Blast Furnace
Artificial Intelligence
Neural Networks
Engenharia Química
title_short Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
title_full Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
title_fullStr Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
title_full_unstemmed Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
title_sort Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear.
author FONTES, Diane Otília Lima.
author_facet FONTES, Diane Otília Lima.
author_role author
dc.contributor.none.fl_str_mv VASCONCELOS, Luis Gonzaga Sales.
VASCONCELOS, L. G. S.
http://lattes.cnpq.br/9456860386065509
BRITO, Romildo Pereira.
RAMOS, Wagner Brandão.
MORAIS JUNIOR, Arioston Araújo de.
dc.contributor.author.fl_str_mv FONTES, Diane Otília Lima.
dc.subject.por.fl_str_mv Estado Térmico
Alto Forno
Soft Sensor
FCM
NARX
Inteligência Artificial
Redes Neurais
Thermal State
Blast Furnace
Artificial Intelligence
Neural Networks
Engenharia Química
topic Estado Térmico
Alto Forno
Soft Sensor
FCM
NARX
Inteligência Artificial
Redes Neurais
Thermal State
Blast Furnace
Artificial Intelligence
Neural Networks
Engenharia Química
description A temperatura e a composição de silício no ferro gusa são parâmetros essenciais para o controle térmico do alto-forno. Entretanto, a estrutura física do alto-forno não permite métodos diretos e online para detectar esses parâmetros. Neste estudo, foi proposto um algoritmo híbrido usando fuzzy c-médias (FCM) e modelo exógeno auto-regressivo não linear (NARX) para construir um soft sensor capaz de prever a temperatura do gusa e o teor de silício em um intervalo de amostragem regular. O FCM é uma técnica de modelagem de dados para gerar subconjuntos similares entre si e dissimilares entre os outros subconjuntos. Sua importância se dá pelo fato de descobrir agrupamentos naturais dos dados observados, neste caso, determinar grupos de condições operacionais. O modelo neural NARX visa gerar um modelo de predição dos indicadores. O algoritmo proposto foi avaliado a partir da sua eficiência em um processo industrial de fabricação de ferro gusa em um alto-forno. Os resultados obtidos demonstraram que construir um soft sensor com modelos FCM-NARX apresenta um alto desempenho, tendo um coeficiente de determinação para a predição para a temperatura e teor de silício no gusa de 99,7% e 99,6%, respectivamente.
publishDate 2020
dc.date.none.fl_str_mv 2020-08-28
2020-09-15T22:59:01Z
2020-09-15
2020-09-15T22:59:01Z
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.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/15281
FONTES, D. O. L. Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear. 2020. 84 f. Dissertação (Mestrado em Engenharia Química) – Programa de Pós-Graduação em Engenharia Química, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/15281
identifier_str_mv FONTES, D. O. L. Desenvolvimento de soft sensor para predição do estado térmico do ferro gusa em alto-forno usando fuzzy c-médias e modelo exógeno auto-regressivo não linear. 2020. 84 f. Dissertação (Mestrado em Engenharia Química) – Programa de Pós-Graduação em Engenharia Química, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Ciências e Tecnologia - CCT
PÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICA
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Ciências e Tecnologia - CCT
PÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICA
UFCG
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1809744463290957824

Registros relacionados