Development of a digital controller based on a neural model and an optimizer of an electronic worksheet / Desenvolvimento de controlador digital baseado em um modelo neural e um otimizador de uma planilha eletronica

AUTOR(ES)
DATA DE PUBLICAÇÃO

2009

RESUMO

A demanda de mercado com relação à qualidade dos produtos, à produtividade e lucratividade dos processos e à questão ambiental tem forçado as indústrias a buscar melhorias nos processos. Com esta finalidade, os engenheiros têm buscado no Controle de Processos soluções para sistemas não lineares e/ou transientes. Sistemas de controle avançados, baseados em Redes Neurais Artificiais (RNA), por serem adequados para modelar relações não lineares, podem ser indicados como soluções para estes casos. Neste trabalho, as equações algébricas de um modelo neural foram implementadas numa planilha do Microsoft Excel. O modelo neural foi treinado com o algoritmo de Levenberg- Marquardt, utilizando o toolbox de redes neurais do MATLAB e os pesos e bias encontrados foram inseridos na planilha. O monitoramento do sistema foi feito através de uma rede digital Fieldbus, configurada através do software Syscon. O sistema supervisório utilizado foi o Indusoft Web Studio, sendo a comunicação entre estes dois programas feita através do protocolo Ole for Process Control (OPC). A atualização das variáveis de entrada do modelo neural foi realizada através do sistema Open Data Base Connectivity (ODBC), responsável pela troca de informações entre o Indusoft e o Excel. A variável controlada um instante de amostragem à frente é automaticamente calculada a cada instante de amostragem e usada como função-objetivo no Solver do Excel (minimizar o erro quadrático). Restrições foram adicionadas ao método do gradiente descendente generalizado para que uma solução adequada fosse encontrada dentro de uma faixa de valores da variável manipulada. Como caso-estudo, este sistema de controle alternativo foi utilizado para controlar a temperatura interna de um tanque de precipitação de bromelina com etanol a frio, para evitar desnaturação da enzima. O processo de precipitação a partir de caldo de abacaxi foi realizado num tanque encamisado operando em regime de batelada alimentada, com agitação constante. O controle da temperatura do meio precipitante é feito através da manipulação da rotação da bomba de fluido refrigerante (propilenoglicol). Dados experimentais (75% do banco de dados de ensaios em malha aberta) foram utilizados para treinar a rede feed forward multicamadas. As variáveis de entrada da RNA, atualizadas a cada 4 segundos, são: temperatura do etanol, temperatura do meio precipitante (variável controlada), temperaturas de entrada e de saída do propilenoglicol, nível de líquido, rotação da bomba de propilenoglicol (variável manipulada) e degrau na bomba de propilenoglicol. Na camada intermediária, a função de ativação tangente hiperbólica foi aplicada a 14 neurônios. A variável de saída da rede é a temperatura do meio um instante de amostragem à frente, com a função de ativação linear. Testes offline com dados não vistos no treinamento mostraram que a RNA foi capaz de prever a temperatura do tanque, já que os coeficientes angular e linear dos gráficos de dispersão (saída calculada versus saída real) aproximavam-se de um e zero, respectivamente. O controlador alternativo foi implementado e os resultados experimentais mostraram sua efetividade em manter a temperatura do meio em torno do set-point (5°C)

ASSUNTO(S)

comunicação digital - inovações tecnologicas artificial neural networks redes neurais (computação) electronic worksheet digital process control controle de processos quimicos fieldbus interface planilhas eletronicas

ACESSO AO ARTIGO

Documentos Relacionados