Polliana Corrêa Morais (bolsista); Leandro Osmar Werle (colaborador/

Apresentação em tema: "Polliana Corrêa Morais (bolsista); Leandro Osmar Werle (colaborador/"— Transcrição da apresentação:

1 APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE  MEDIDAS DE COMPOSIÇÃO COM O USO DE MATLAB
Polliana Corrêa Morais (bolsista); Leandro Osmar Werle (colaborador/ co-orientador); Ricardo Antônio Francisco Machado (orientador) MOTIVAÇÃO: A destilação é a mais importante técnica de separação da indústria de processos em todo o mundo. Nos EUA contam-se colunas de destilação que consomem aproximadamente 3% de toda a energia utilizada neste país. Por esta razão, melhorar o processo e seu controle pode ter um impacto significativo na redução de consumo de energia, na melhora da qualidade do produto e na proteção dos recursos ambientais. A modelagem e o controle de colunas de destilação é uma APLICAÇÃO NA INDÚSTRIA DO PETRÓLEO: A habilidade das redes neurais de modelar funções não-lineares é utilizada em muitas aplicações na indústria de petróleo, tais como: identificação de sistemas, controle de processos, detecção de falhas e no reconhecimento de padrões. Após a construção e o treinamento da rede neural, tarefa complexa. O processo reúne várias características como não linear, acoplado e está sujeito a restrições de operação que dificultam o controle. A variação freqüente da composição na alimentação de colunas de fracionamento de óleo cru em refinarias resulta no ajuste de inúmeras variáveis. Sensores virtuais que existirá a possibilidade do monitoramento de composições das correntes da destilação e, conseqüente Figura II – Coluna Hipotética a) Convencional b) Com Aquecimentos Distribuídos. aplicação de estratégias de controle avançado nas colunas. Na Figura III, tem-se um exemplo de uma configuração de rede neural em treinamento. Figura III – Configuração de uma Rede Neural . RESULTADOS OBTIDOS: Pretende-se fazer uso de uma rede neural artificial do MATLAB a qual será treinada com dados simulados obtidos no software comercial HYSYS®. A validação será feita com dados reais da planta piloto, conforme a Figura IV, totalmente instrumentada em fieldbus, destilando uma mistura de etanol e água. Os dados reais de processo foram obtidos através de experimentos dos quais lançaram mão da utilização de resistências elétricas nos pratos, caracterizando o que será chamado de “controle distribuído”. Também foram realizados experimentos com a configuração convencional. empregam modelos de inferência da composição dos produtos de uma coluna de destilação correspondem a medidores implementados em software capazes de estimar, em tempo real, a composição dos produtos de saída da mesma. Isso é feito a partir de informações como temperatura e pressão em diversos pontos da coluna e vazões de entrada, de saída e de reciclo. Uma das ferramentas mais utilizadas no projeto e implementação dos sensores por software são as redes neurais artificiais (Figura I), pela capacidade de aprendizado e generalização de funções não lineares. As redes neurais são capazes de atuar como mapeadores universais de funções multivariáveis, com custo computacional que cresce apenas linearmente com o número de variáveis. Outras características importantes são a capacidade de auto-organização e de processamento temporal que, aliadas àquelas citadas anteriormente, fazem das redes neurais. Figura IV – Unidade Piloto de Destilação LCP/EQA/UFSC. CONCLUSÕES: Espera-se que a utilização de Redes Neurais permita a inferência das composições nas correntes de destilação a partir de medidas normalmente realizadas em colunas de destilação (pressão e temperatura). Portanto, a correta construção e treinamento de uma rede neural pode permitir o monitoramento das composições e conseqüentemente a aplicação de estratégias de controle avançado. Logo, a solução de problemas através de redes neurais é bastante atrativa, já que a forma como estes são representados internamente pela rede e o paralelismo natural inerente a arquitetura das redes neurais criam a possibilidade de um desempenho superior ao dos modelos convencionais. A utilização de redes neurais no desenvolvimento de soft-sensors é difundida amplamente e apresenta resultados acima da média comparada com outras técnicas de identificação de sistemas. Figura I – Ilustração de uma Rede Neural Artificial. uma ferramenta computacional extremamente poderosa e atrativa para a solução de problemas complexos OBJETIVOS DO TRABALHO: Obter a predição da composição das extremidades e da alimentação da coluna com aquecimento distribuído (Figura II) utilizando redes neurais previamente treinadas, prevendo alterações desta corrente. Através desta informação o sistema de controle pode atuar de forma eficaz sobre o processo evitando perturbações que desloquem o perfil de composição. AGRADECIMENTOS: