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

Brunno Ferreira dos Santos

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 sistema.

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

AUTOR(ES)

FONTE

DATA DE PUBLICAÇÃO

RESUMO

ASSUNTO(S)

ACESSO AO ARTIGO

Documentos Relacionados