• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.3.2005.tde-21022006-163655
Documento
Autor
Nome completo
Diogo Rafael Prado Zanata
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2005
Orientador
Banca examinadora
Garcia, Claudio (Presidente)
Campos, Mario Cesar Mello Massa de
Guardani, Roberto
Título em português
Desenvolvimento de sensor virtual empregando redes neurais para medição da composição em uma coluna de destilação.
Palavras-chave em português
coluna de destilação
inferência da composição
redes neurais
sensor virtual
soft sensor
Resumo em português
Sensores virtuais empregando modelos de inferência da composição(responsável pela qualidade) dos produtos de uma coluna de destilação correspondem a medidores implementados em software, capazes de estimar, em tempo real, a composição dos produtos da mesma, a partir de informações do tipo temperaturas e pressões em diversos pontos da coluna e vazões de entrada, de saída e de reciclo. O objetivo deste trabalho é obter esse tipo de sensor para uma coluna de destilação, capaz de estimar instantaneamente a composição dos produtos no topo de uma coluna de destilação multicomponente com condensador parcial, empregando redes neurais artificiais. Foi desenvolvido um simulador dinâmico baseado em modelo não-linear da coluna para aquisição de dados. Neste projeto foi incluído um estudo sobre a influência do treinamento parcial no desempenho do sensor virtual. A idéia é estudar o desempenho para o caso de um sensor virtual treinado de antemão, com dados coletados a partir de um simulador da coluna. Este procedimento disponibiliza um sensor operacional, treinado através de um conjunto de dados simulados ou através de um pequeno conjunto de pontos e retreinado, quando dados reais ou um conjunto maior de dados estiver disponível. Outra contribuição importante é o estudo realizado sobre os principais erros que podem ocorrer neste tipo de sensores, que são raramente tratados em publicações científicas. É também proposta uma metodologia para detecção e correção destes erros que foram encontrados e que afetam o comportamento do sensor, alterando sua precisão e capacidade de ser utilizado em um controle inferencial da planta.
Título em inglês
Soft sensor development using neural networks for inferential composition in a distillation column.
Palavras-chave em inglês
composition estimator
distillation column
neural network
soft sensor
Resumo em inglês
Soft sensors for composition inference models (that are responsible for the quality) of distillation column products, correspond to virtual instruments implemented in software. This software is able to estimate, in real time, the composition of the output products of the column, based on information such as temperature and pressure on several points of the column and on input, output and recycle flow. The purpose of this work is to obtain a soft sensor that estimates the instantaneous composition of the product at the top of a multicomponent distillation column with a partial condenser, employing artificial neural networks. The chosen architecture was the feedforward neural network with three layers. It was chosen based on many tested options. It was developed a dynamical simulator of this column for data acquisition based on a non-linear model. In this study, it was included an investigation about the influence of partial training in the performance of the soft sensor. The goal is to study the results achieved in the case of a soft sensor trained beforehand, with data acquired from the simulator of this column. This procedure makes possible to have an operational soft sensor, trained based on a simulated data set or on a small amount of points and then retrained when a real or larger data set is available. Another important contribution is the study performed about the main errors that may appear in this kind of sensor. These errors are rarely mentioned in scientific papers. It also aims at implementing techniques to enable detection and correction of those errors that the soft sensor may present, and that affect the performance of the soft sensor, changing its precision and making it inadequate for inferential control.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Zanata2005.pdf (1.64 Mbytes)
Data de Publicação
2006-02-23
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2018. Todos os direitos reservados.