1. Universidade Federal do Rio Grande do Norte
2. BDTD - Biblioteca Digital de Teses e Dissertações
3. Programa de Pós-Graduação em Ciência e Engenharia do Petróleo
4. PPGCEP - Mestrado em Ciência e Engenharia do Petróleo

Título:	Controle preditivo neural aplicado à processos petroquímicos
Autor(es):	Popoff, Luiz Henrique Gomes
Palavras-chave:	Rede neural artificial;Controle avançado;Controle preditivo;Artificial neural network;Advanced control;Predictive control
Data do documento:	7-Ago-2009
Editor:	Universidade Federal do Rio Grande do Norte
Citação:	POPOFF, Luiz Henrique Gomes. Controle preditivo neural aplicado à processos petroquímicos. 2009. 94 f. Dissertação (Mestrado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2009.
metadata.dc.description.resumo:	A pesquisa tem como objetivo desenvolver uma estrutura de controle preditivo neural, com o intuito de controlar um processo de pH, caracterizado por ser um sistema SISO (Single Input - Single Output). O controle de pH é um processo de grande importância na indústria petroquímica, onde se deseja manter constante o nível de acidez de um produto ou neutralizar o afluente de uma planta de tratamento de fluidos. O processo de controle de pH exige robustez do sistema de controle, pois este processo pode ter ganho estático e dinâmica nãolineares. O controlador preditivo neural envolve duas outras teorias para o seu desenvolvimento, a primeira referente ao controle preditivo e a outra a redes neurais artificiais (RNA s). Este controlador pode ser dividido em dois blocos, um responsável pela identificação e outro pelo o cálculo do sinal de controle. Para realizar a identificação neural é utilizada uma RNA com arquitetura feedforward multicamadas com aprendizagem baseada na metodologia da Propagação Retroativa do Erro (Error Back Propagation). A partir de dados de entrada e saída da planta é iniciado o treinamento offline da rede. Dessa forma, os pesos sinápticos são ajustados e a rede está apta para representar o sistema com a máxima precisão possível. O modelo neural gerado é usado para predizer as saídas futuras do sistema, com isso o otimizador calcula uma série de ações de controle, através da minimização de uma função objetivo quadrática, fazendo com que a saída do processo siga um sinal de referência desejado. Foram desenvolvidos dois aplicativos, ambos na plataforma Builder C++, o primeiro realiza a identificação, via redes neurais e o segundo é responsável pelo controle do processo. As ferramentas aqui implementadas e aplicadas são genéricas, ambas permitem a aplicação da estrutura de controle a qualquer novo processo
URI:	http://repositorio.ufrn.br:8080/jspui/handle/123456789/12922
Aparece nas coleções:	PPGCEP - Mestrado em Ciência e Engenharia do Petróleo

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.