ANÁLISE TRANSIENTE E ESTIMATIVA DE VARIÁVEIS CRÍTICAS EM UMA COLUNA INDUSTRIAL DE ALTA PUREZA UTILIZANDO REDES NEURAIS ARTIFICIAIS

Authors

  • Arioston Araújo de Morais Júnior UFPB
  • Jéssica Oliveira de Brito Lira UFPB
  • Romildo Pereira Brito UFCG

DOI:

https://doi.org/10.26512/ripe.v2i9.15035

Abstract

Colunas de destilação de alta pureza apresentam diversas características inerentes, dentre as quais se destacam as não linearidades, o longo tempo de resposta e a presença de distúrbios não diretamente mensuráveis. Para superar essas e outras dificuldades, nesse trabalho é proposta um estudo sistemático sobre o comportamento transiente de uma coluna de destilação industrial de alta pureza (processo do 1,2-Dicloroetano), propondo melhorias desde a construção do modelo matemático e termodinâmico, validação (simulação) e estudo sobre os efeitos das principais variáveis do processo. Esse estudo é a base para construção de modelos de inferência, sensores virtuais baseados em redes neurais artificiais (RNA), para estimativa dos teores de compostos considerados críticos no processo, concentrações do Tetracloreto de Carbono (CCl4) e Clorofórmio (CHCl3), ambos na corrente de base da coluna. Nesse contexto é utilizado um algoritmo de seleção de variáveis, baseado em estatística multivariável, através de regressão linear múltipla (MLR) e análise de componentes principais (PCA). Os resultados obtidos nos trazem diversas conclusões, tanto do ponto de vista do controle em colunas de alta purezas quanto da seleção de variáveis (regressores), além das avaliações sobre as estimativas do modelo de inferência gerado pelas redes neurais artificiais.

Keywords: Coluna de destilação, Compostos críticos, Alta pureza, Rede neurais artificiais

Downloads

Download data is not yet available.

References

Fortuna, L.; Graziani, S.; Rizzo, A.; & Xibilia, M.G. , 2007. Soft sensors for monitoring and control of industrial processes. London, UK: Springer.

Haykin, S., 2001. Redes neurais: princípios e prática. 2ª Edição, Bookman.

Himmelblau, D., 2008. “Accounts of Experiences in the Application of Artificial Neural Networks in Chemical Engineering”. Industrial & Engineering Chemistry Research, 47, 5782-5796.

Jolliffe, I. T. , 2002. Principal component analysis. 2nd ed., Springer series in statistic.

Kadlec, P.; Gabrys, B.; Strandt, S., 2009. Data-driven Soft Sensors in the process industry. Computers and Chemical Engineering, pages 795”“814.

Morais JR, A. A., 2011. Elaboração de um Analisador Virtual Utilizando Sistema Híbrido Neuro-Fuzzy para Inferenciar a Composição em um Processo de Destilação. Dissertação de mestrado, Universidade Federal de Alagoas.

Montgomery, D.C.; and Runger, G. C. , 2014. Applied Statistics and Probability for Engineers. Sixth Edition, WILEY.

Published

2017-01-25

How to Cite

de Morais Júnior, A. A., Lira, J. O. de B., & Brito, R. P. (2017). ANÁLISE TRANSIENTE E ESTIMATIVA DE VARIÁVEIS CRÍTICAS EM UMA COLUNA INDUSTRIAL DE ALTA PUREZA UTILIZANDO REDES NEURAIS ARTIFICIAIS. Revista Interdisciplinar De Pesquisa Em Engenharia, 2(9), 77–97. https://doi.org/10.26512/ripe.v2i9.15035