Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno

Detalhes bibliográficos
Autor(a) principal: Santos, Brunno Ferreira dos, 1986-
Data de Publicação: 2011
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1616063
Resumo: Orientador: Ana Maria Frattini Fileti
id UNICAMP-30_79405fe6318ac1b35e1e1db19b2a86ba
oai_identifier_str oai::808136
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estirenoDevelopment of a predictive controller based on neural networks for use in a polymerization plant of styreneControle de processos químicosRedes neurais (Computação)Inteligência artificialPolimerizaçãoChemical process controlNeural network (Computer science)PolymerizationArtificial intelligenceOrientador: Ana Maria Frattini FiletiDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia QuímicaResumo: Indústrias de polimerização, em geral, utilizam diferentes sistemas reacionais para obter polímeros com diferentes características. Os processos de polimerização de estireno em batelada podem a apresentar um perfil de temperatura transiente, por causa de efeitos de viscosidade no meio reacional, são chamados de efeitos difusionais. Com a finalidade de controlar a temperatura destes tipos de sistema, engenheiros têm se voltado à busca de modelos que descrevam com fidelidade os processos nãolineares. Controle preditivo baseado em um modelo (MPC) de Redes Neurais Artificiais (RNAs) é uma opção para estes casos. Neste trabalho foram implementadas as equações algébricas e os parâmetros ajustados no treinamento de um modelo neural em uma planilha do Microsoft Excel. A atualização das variáveis do modelo se deu através da comunicação entre o Indusoft Web Studio (IWS) e a planilha via driver DDE (Dynamics Data Exchange). O treinamento do modelo neural aconteceu com algoritmo de Levenberg-Marquardt com regularização bayesiana utilizando o toolbox do MATLAB (comando trainbr). A validação do modelo foi realizada online, para garantir o uso do mesmo. Num primeiro momento, foram estudadas as condições para aplicação de controle fixando a proporção da mistura reacional em 50-50% em volume para monômero e solvente (estireno e tolueno, respectivamente) e a modelagem com RNA mostrou bons resultados. Em outro momento, realizou-se um controle em cascata da temperatura do reator manipulando a potência da resistência (variável manipulada) através da passagem de um fluido pela camisa do reator. Foi utilizado o simulink do MATLAB para fazer a malha de controle em cascata, através de um diagrama de blocos e sua atualização aconteceu via protocolo OPC (OLE for Process Control) de dados do Indusoft. Em paralelo, um modelo fenomenológico validado para processos poliméricos, envolvendo equações e parâmetros relacionados à polimerização de estireno, foi utilizado para estimar valores de conversão, massa molar média numérica (Mn) e massa molar média ponderal (Mw). Observou-se o sucesso da aplicação da estratégia de controle cascata adotada para a planta real, permitindo assim estabelecer uma comparação com as predições do modelo. Para o funcionamento do MPC, foram enviadas, a cada 5 segundos, as informações das variáveis de entrada (temperatura do reator, temperatura do fluido e a variação de potência) para o modelo neural na planilha, calculando automaticamente a temperatura do reator em um instante de amostragem à frente usando-a na função-objetivo do Solver no Excel (minimizar erro quadrático). O valor do Solver foi, então, mandado para o processo através de uma programação em VBA (Visual Basic Applications). Foram analisados os desempenhos dos controladores através do oveshoot, tempo de acomodação, IAE e ITAE. E realizou-se a utilização do controlador Híbrido (controle em cascata e MPC) o que melhorou a performance do sistemaAbstract: Chemical processes are included in several types of industries and demand precise control to reach the final product with quality. Because of the viscosity effects of reactor bulk (diffusional effects), the batch styrene polymerization processes present transient temperature behavior. Aiming at controlling the temperature of these systems, rigorous first principles models that describe nonlinearities precisely have been developed by engineers. The model predictive control (MPC) based on neural network modeling is one of the most approppriate techniques for these processes. In this work, the algebraic equations of a neural network and its adjusted parameters from the training step were implemented in an electronic worksheet (Excel software). The communication from the supervisory software (Indusoft Web Studio - IWS) and the worksheet were done through driver DDE (Dynamics Data Exchange), allowing the update of measured variables. The Bayesian Regularization Levenberg-Marquardt algorithm (trainbr function in the software MATLAB) was employed in network training. The model validation was on line performed in order to prove its suitability to the actual process. Initially, a 50/50 % volume ratio of solvent (Toluene) and monomer (styrene) was used for the control application studies, obtaining precise results using the neural network. Afterwards, a temperature cascade control loop was implemented by manipulating the resistance power inverter of the heating thermal fluid tank. This fluid circulates at the reactor jacket. The cascade control diagram was developed in the Simulink/MATLAB software. Updating measurements occurred by means of the OLE for Process Control protocol (OPC). A validated first principles model, using parameters related to the polymerization of styrene, was used to estimate conversion rates, number average molecular weight (Mn) and weight average molecular weight (Mw). The successful application of the control strategy allowed the comparison to the rigorous model predictions. The neural model input variables (reactor temperature, thermal fluid temperature and power inverter position) were captured from sensors every 5 seconds. At this time, the model in the worksheet calculated automatically the one-step-ahead temperature value, using this prediction in the objective function (squared error minimization) implemented in the solver of the Excel software. Using VBA (Visual Basic Applications) programming, the manipulated variable action was calculated and then sent to the process. The overshoot, settling time, IAE and ITAE were used as controller performance indexes. A hybrid controller (cascade feedback and MPC) was also tested, improving the performance of the systemMestradoSistemas de Processos Químicos e InformáticaMestre em Engenharia Química[s.n.]Fileti, Ana Maria Frattini, 1965-Giudici, ReinaldoLona, Liliane Maria FerraresoUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia QuímicaPrograma de Pós-Graduação em Engenharia QuímicaUNIVERSIDADE ESTADUAL DE CAMPINASSantos, Brunno Ferreira dos, 1986-20112011-04-07T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf87 f. : il.https://hdl.handle.net/20.500.12733/1616063SANTOS, Brunno Ferreira dos. Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno. 2011. 87 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1616063. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/808136porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T06:22:21Zoai::808136Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T06:22:21Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
Development of a predictive controller based on neural networks for use in a polymerization plant of styrene
title Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
spellingShingle Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
Santos, Brunno Ferreira dos, 1986-
Controle de processos químicos
Redes neurais (Computação)
Inteligência artificial
Polimerização
Chemical process control
Neural network (Computer science)
Polymerization
Artificial intelligence
title_short Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
title_full Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
title_fullStr Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
title_full_unstemmed Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
title_sort Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno
author Santos, Brunno Ferreira dos, 1986-
author_facet Santos, Brunno Ferreira dos, 1986-
author_role author
dc.contributor.none.fl_str_mv Fileti, Ana Maria Frattini, 1965-
Giudici, Reinaldo
Lona, Liliane Maria Ferrareso
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Química
Programa de Pós-Graduação em Engenharia Química
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Santos, Brunno Ferreira dos, 1986-
dc.subject.por.fl_str_mv Controle de processos químicos
Redes neurais (Computação)
Inteligência artificial
Polimerização
Chemical process control
Neural network (Computer science)
Polymerization
Artificial intelligence
topic Controle de processos químicos
Redes neurais (Computação)
Inteligência artificial
Polimerização
Chemical process control
Neural network (Computer science)
Polymerization
Artificial intelligence
description Orientador: Ana Maria Frattini Fileti
publishDate 2011
dc.date.none.fl_str_mv 2011
2011-04-07T00:00:00Z
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 https://hdl.handle.net/20.500.12733/1616063
SANTOS, Brunno Ferreira dos. Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno. 2011. 87 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1616063. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1616063
identifier_str_mv SANTOS, Brunno Ferreira dos. Desenvolvimento de um controlador preditivo baseado em redes neurais para aplicação em uma planta de polimerização de estireno. 2011. 87 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1616063. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/808136
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
87 f. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189060623728640

Registros relacionados