Use este identificador para citar ou linkar para este item: http://repositorio.uem.br:8080/jspui/handle/1/3654
Autor(es): Franchi, Claiton Moro
Orientador: Mauro Antonio da Silva Sá Ravagnani
Título: Aplicação de estratégias de controle em coluna de destilação
Banca: Fernando Palú
Banca: Liliane Maria Ferrareso Lona - UNICAMP
Banca: Cid Marcos Gonçalves Andrade - UEM
Banca: Flávio Faria de Moraes
Palavras-chave: Etanol;Química;Controle de processos;Coluna de destilação;Instrumentação;Identificação;Brasil.
Data do documento: 2010
Editor: Universidade Estadual de Maringá
Resumo: A destilação é o processo de separação mais utilizado na indústria química. Devido ao fato de ser um processo que consome uma grande quantidade de energia, é fundamental conhecer adequadamente o seu funcionamento, para que se possam aplicar técnicas eficientes de controle, obtendo-se assim, o rendimento máximo do processo, bem como um produto final de elevada pureza, com menor consumo energético. O presente trabalho tem como objetivo o desenvolvimento e a implementação de uma placa de aquisição de dados e controle de processos, juntamente com um sistema de supervisão de dados. O sistema desenvolvido foi implementado em uma coluna de destilação utilizada como módulo didático para disciplinas do curso de graduação em Engenharia Química da Universidade Estadual de Maringá. Para a aplicação das estratégias de controle na coluna de destilação foi primeiramente obtido um modelo aproximado do processo por meio de técnicas de identificação de processos utilizando redes neurais artificiais e modelos clássicos de identificação ARX, ARMAX, OE, BJ e Espaço de Estados. Para implementar as técnicas de identificação foram desenvolvidos algoritmos com o auxílio do software MATLABTM, tendo como resultado um modelo obtido por meio de identificação usando redes neurais artificiais com um erro médio quadrático de 0,66% em relação ao conjunto de dados de entrada-saída. Com o modelo obtido foram feitas simulações no software MATLABTM, aplicando estratégias de controle convencional (PID), fuzzy e neuro-fuzzy. O software de simulação foi empregado para sintonia dos respectivos controladores, bem como na avaliação do desempenho dos mesmos quando sujeitos a perturbações. Nesta etapa de projeto, o controlador neuro-fuzzy apresentou os melhores resultados, com tempos de resposta, overshoot e tempo de acomodação menores, bem como menores índices de erro (ITAE, IAE e ISE), mediante aplicações de perturbações na carga e no setpoint. Após a fase de simulação, as estratégias de controle foram implementadas na coluna de destilação com o auxílio da placa da aquisição de dados e de controle e do sistema de supervisão, integrados ao software MATLABTM por meio de uma interface serial. A aplicação dos controladores, implementados e configurados no software MATLABTM na coluna de destilação serviram para confirmar o melhor desempenho do controlador neuro-fuzzy, perante os controladores PID e fuzzy. Os resultados experimentais comprovaram a eficácia do modelo do processo e da sintonia dos controladores obtidas via simulação, melhorando a operação da coluna de destilação com um consumo energético adequado para a produção de um produto final dentro das especificações requeridas.
Abstract: Distillation is the most widely used separation process in industry. It is a process that consumes a large amount of energy and it is essential to understand its operation properly to apply efficient control techniques, thus obtaining the maximum process performance, as well as an end high purity product, with lower energy consumption. This work aims to develop and implement a data acquisition and control card, along with a data monitoring system. The system has been implemented in a distillation column used as a module for Chemical Engineering undergraduate course teaching at State University of Maringá. To apply the control strategies in the distillation column, was first obtained an approximate process model using identification process techniques with artificial neural networks and classical identification methods ARX, ARMAX, OE, BJ and State Space. To implement the identification techniques, algorithms were developed with MATLABTM software, resulting in a model obtained by identification using artificial neural networks with a mean square error of 0,66% on the input-output set. Simulations were made with obtained model in MATLABTM software, applying conventional control strategies (PID), fuzzy and neuro-fuzzy. The simulation software was used to tune controllers, as well to evaluate the performance when applied disturbances. Neuro-fuzzy controller presents the best results, with smaller response times, overshoot and settling time, as well as lower performance criteria (ITAE, IAE, and ISE) by the disturbance application in the load and set point. The control strategies were implemented in the distillation column with control and data acquisition card and supervisory system, integrated with MATLABTM software by one serial interface. The controllers application in the distillation column, tuned and implemented in MATLABTM software play the role to confirm the better neuro-fuzzy controller performance comparing with PID and fuzzy controllers. The experimental results confirm the process model effectiveness and the controllers tuned via simulation, improving the distillation column operation with an appropriate energy consumption to produce a final product within the required specifications.
URI: http://repositorio.uem.br:8080/jspui/handle/1/3654
Aparece nas coleções:3.4 Tese - Ciências de Tecnologia (CTC)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
000184811.pdf3,15 MBAdobe PDFVisualizar/Abrir


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