Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks

Detalhes bibliográficos
Autor(a) principal: Herrera Agudelo, William Eduardo, 1982-
Data de Publicação: 2017
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1633291
Resumo: Orientadores: Rubens Maciel Filho, Elmer Ccopa Rivera
id UNICAMP-30_bfb5b2c807b69e92ee8e63102c9cfce0
oai_identifier_str oai::994978
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networksModeling and control process of first and second generation ethanol production applying neural networksBioetanolFermentação - Modelos matemáticosFermentação - Monitoramento on-lineControle de processos químicosInteligência artificialBioethanolMathematical modelsSoft-sensorProcess controlArtificial intelligenceOrientadores: Rubens Maciel Filho, Elmer Ccopa RiveraTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia QuímicaResumo: O presente trabalho de pesquisa tem como objetivo o desenvolvimento e aplicação de técnicas e ferramentas computacionais, tais como modelos matemáticos, soft-sensors e esquemas de controle preditivo baseado em modelo usando Redes Neurais Artificiais ((neural network model based predictive control ¿ NNMPC), para o processo de produção de etanol, a partir da mistura de hidrolisado com melaço de cana-de-açúcar (1G+2G). Para isso, estudos experimentais de pré-tratamento, hidrólise enzimática e fermentação para cinco sistemas diferentes de produção de etanol foram realizados, definidos principalmente pelo tipo de pré-tratamento e dois níveis de carga de sólidos na hidrólise enzimática. Dados experimentais de concentrações de substrato, etanol e células, bem como medições online (temperatura, vazão de CO2, pH, capacitância), entre outras observações experimentais, foram utilizados para o ajuste e validação dos modelos matemáticos e das ferramentas computacionais geradas. Os modelos cinéticos desenvolvidos podem prever o crescimento celular, o consumo de substrato e a produção de etanol para os diferentes sistemas de fermentação de etanol considerados. Um procedimento avançado de estimativa de parâmetros dependentes da temperatura foi utilizado para garantir a precisão dos modelos propostos. Nesta abordagem, a influência da temperatura sobre o comportamento cinético da fermentação foi explicitamente demonstrada. Posteriormente, os modelos cinéticos foram aplicados na simulação de um processo de fermentação contínua para a produção de etanol. O sistema é um típico processo industrial em larga escala, composto por quatro fermentadores anexados em série e operados com reciclagem celular. Os modelos foram implementados em linguagem de programação Matlab®, e como resultado obteve-se uma planta virtual de produção de etanol 1G+2G para cada sistema estudado. O desempenho da fermentação para os diferentes sistemas foi avaliado. Neste trabalho, foi dado um grande destaque no uso das Redes Neurais Artificias (RNA) no desenvolvimento de soft-sensors para a monitoração online do processo de fermentação de etanol 1G+2G, bem como na obtenção de medições precisas das variáveis de estado do sistema, necessárias para os esquemas propostos de controle preditivo. Os resultados da aplicação dos soft-sensors mostraram que é possível inferir com precisão as concentrações de substrato, etanol e células a partir de informações online facilmente mensuráveis. Uma vantagem adicional desta abordagem consiste no uso de um sistema de sensores com custo relativamente baixo, como termopares, medidor de pH e sonda de capacitância. Com base na simulação dinâmica da planta virtual de produção de etanol 1G+2G, foi aplicado um controle preditivo NNMPC para lidar com as flutuações da concentração de açúcar na matéria-prima. O objetivo do controle é manter a concentração de açúcar da saída do quarto reator no seu set-point, manipulando a vazão de alimentação. Por meio de simulações em malha fechada, foi verificado que os algoritmos de controle não lineares propostos neste trabalho provaram ser eficientes e robustos, pois forneceram bons resultados em problemas de controle dos tipos servo e regulatórioAbstract: The present research work aims at developing and applicating computational techniques and tools, such as mathematical models, software sensors, and a neural network model based predictive control (NNMPC) for ethanol production process from hydrolysate mixture with sugarcane molasses (1G+2G). For this purpose, experimental studies of pre-treatment, enzymatic hydrolysis and fermentation were carried out for five different ethanol production systems, mainly defined by the pretreatment type and two levels of solids loading in the enzymatic hydrolysis. Experimental data of substrate, ethanol and cell concentrations, as well as online measurements (temperature, CO2 flow, pH, capacitance), among other experimental observations, were used to adjust and validate the mathematical models and generated computational tools. The developed kinetic models can predict cell growth, substrate consumption, and ethanol production for the different ethanol fermentation systems. An advanced temperature-dependent parameter estimation procedure was used to ensure the proposed models accuracy. In this approach, the temperature influence on the fermentation kinetic behavior was explicitly demonstrated. Subsequently, the kinetic models were applied in the simulation of a continuous fermentation process for ethanol production. The fermentation system is a typical large-scale industrial process composed of four fermenters attached in series and operated with cell recycling. The models were implemented in Matlab® programming language. As a result, a virtual 1G+2G ethanol production plant was obtained for each studied system. The fermentation performance of different systems was evaluated. In this work, a great prominence was given to the use of Artificial Neural Networks (ANN) in soft-sensors development for online monitoring of fermentation process of 1G+2G ethanol, as well as to obtain accurate measurements of necessary state variables for the proposed predictive control schemes. The results of soft-sensors application showed the possibility of accurate inference of substrate, ethanol, and cells concentrations from easily measurable online information. An additional advantage of this approach is the use of a relatively low-cost sensor system, such as thermocouples, pH meter, and capacitance probe. Based on the dynamic simulation of 1G+2G ethanol production plant, a NNMPC was applied to deal with fluctuations in raw material sugar concentration. The control purpose is to maintain the sugar concentration of the fourth reactor output in its set-point, by manipulating the feed flow. Through closed-loop simulations, it was verified that the proposed nonlinear control algorithms proved to be efficient and robust, since they provided satisfactory results in control problems of servo and regulatory typesDoutoradoDesenvolvimento de Processos QuímicosDoutor em Engenharia QuímicaFAPESP2012/24326-0[s.n.]Maciel Filho, Rubens, 1958-Ccopa Rivera, Elmer Alberto, 1977-Rossell, Carlos Eduardo VazMariano, Adriano PintoDragone, Solange Inês MussattoAtala, Daniel Ibraim PiresUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia QuímicaPrograma de Pós-Graduação em Engenharia QuímicaUNIVERSIDADE ESTADUAL DE CAMPINASHerrera Agudelo, William Eduardo, 1982-20172017-09-27T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online (299 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1633291HERRERA AGUDELO, William Eduardo. Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais: Modeling and control process of first and second generation ethanol production applying neural networks. 2017. 1 recurso online (299 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1633291. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/994978Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2018-04-23T11:03:19Zoai::994978Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2018-04-23T11:03:19Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
Modeling and control process of first and second generation ethanol production applying neural networks
title Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
spellingShingle Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
Herrera Agudelo, William Eduardo, 1982-
Bioetanol
Fermentação - Modelos matemáticos
Fermentação - Monitoramento on-line
Controle de processos químicos
Inteligência artificial
Bioethanol
Mathematical models
Soft-sensor
Process control
Artificial intelligence
title_short Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
title_full Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
title_fullStr Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
title_full_unstemmed Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
title_sort Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais : Modeling and control process of first and second generation ethanol production applying neural networks
author Herrera Agudelo, William Eduardo, 1982-
author_facet Herrera Agudelo, William Eduardo, 1982-
author_role author
dc.contributor.none.fl_str_mv Maciel Filho, Rubens, 1958-
Ccopa Rivera, Elmer Alberto, 1977-
Rossell, Carlos Eduardo Vaz
Mariano, Adriano Pinto
Dragone, Solange Inês Mussatto
Atala, Daniel Ibraim Pires
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 Herrera Agudelo, William Eduardo, 1982-
dc.subject.por.fl_str_mv Bioetanol
Fermentação - Modelos matemáticos
Fermentação - Monitoramento on-line
Controle de processos químicos
Inteligência artificial
Bioethanol
Mathematical models
Soft-sensor
Process control
Artificial intelligence
topic Bioetanol
Fermentação - Modelos matemáticos
Fermentação - Monitoramento on-line
Controle de processos químicos
Inteligência artificial
Bioethanol
Mathematical models
Soft-sensor
Process control
Artificial intelligence
description Orientadores: Rubens Maciel Filho, Elmer Ccopa Rivera
publishDate 2017
dc.date.none.fl_str_mv 2017
2017-09-27T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1633291
HERRERA AGUDELO, William Eduardo. Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais: Modeling and control process of first and second generation ethanol production applying neural networks. 2017. 1 recurso online (299 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1633291. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1633291
identifier_str_mv HERRERA AGUDELO, William Eduardo. Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais: Modeling and control process of first and second generation ethanol production applying neural networks. 2017. 1 recurso online (299 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1633291. 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/994978
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (299 p.) : il., digital, arquivo PDF.
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_ 1809189121753612288

Registros relacionados