Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/7816
Título: Controle de um reator de polimerização de propeno utilizando filtro de partículas e rede neural
Título(s) alternativo(s): Propylene polymerization reactor control through particle filter and neural network
Autor(es): Dias, Ana Carolina Spindola Rangel
Orientador: Dutra, Julio Cesar Sampaio
Coorientador: Silva, Wellington Betencurte da
Data do documento: 15-Fev-2017
Editor: Universidade Federal do Espírito Santo
Resumo: Os materiais poliméricos estão presentes em diversos setores industriais e na vida diária da sociedade, apresentando vantagens como menores custos e maior durabilidade. O polipropileno, obtido pela formação de longas cadeias de monômero de propeno, é uma das oleofinas mais importantes da atualidade, possuindo ampla gama de aplicações. Devido ao forte interesse econômico que desperta, existe uma busca contínua por melhorias em seu processo produtivo. Vários métodos para sua fabricação podem ser encontrados, combinando tecnologias de produção e de catalizadores. Para garantir a segurança, as necessidades e atingir os objetivos das operações, torna-se necessário inserir estruturas para um controle eficaz do processo. Entretanto, sem um bom monitoramento, isto não é possível. Em plantas reais de polimerização, os dispositivos de medição estão sujeitos a incertezas e nem sempre estão disponíveis; ou o equipamento de fato não existe ou seu custo de obtenção/manutenção torna seu uso inviável. Assim, esta dissertação propõe um esquema de sensor virtual baseado em filtro de partículas (FP) e rede neural artificial (RNA), que é aplicado a um reator de polimerização de propeno simulado. Este esquema permite a redução da incerteza e a observação de variáveis latentes por meio do FP. Na sequência, a RNA permite a detecção de propriedades finais do polipropileno a partir dos dados melhorados. O intuito é fornecer aos controladores informações mais completas e melhoradas. Os resultados mostraram que o sensor virtual possibilitou melhorias no controle do processo, fornecendo estimativas precisas e tempo de ação consistente com intervalos de amostragens industriais, o que destaca seu potencial para aplicação prática.
Polymeric materials are present in several industrial sectors and in the society daily life, presenting advantages such as lower costs and higher durability. Polypropylene, obtained by the formation of propylene monomer long chains, is one of the most important olefins today, having a wide range of applications. Due to strong economic interest it arouses, there is a continuous search for improvements in its production process. Several methods for its obtaining it can be found by combining production technologies and catalysts. To ensure safety and achieve the operations objectives, it becomes necessary to insert structures for the process effective control. However, without a quality monitoring, this is not possible. In actual polymerization plants, the measuring devices are subject to uncertainties and are not always available; or the equipment does not exist or its purchase/maintenance cost makes its use unfeasible. Thus, this work proposes a virtual sensor scheme based on particle filter (PF) and artificial neural network (ANN), which is applied to a simulated propylene polymerization reactor. This structure allows the uncertainty reduction and the latent variables observation by means of PF. In turn, the ANN detects the polypropylene final properties from the improved data. The concern was to provide controllers with more complete and improved information. The results showed that the virtual sensor allowed improvements in process control, providing accurate estimates and consistent action time with industrial sampling intervals, which highlights its potential for practical application.
URI: http://repositorio.ufes.br/handle/10/7816
Aparece nas coleções:PPGEQ - Dissertações de Mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_10048_Dissertação Carol_Versão final.pdf8.7 MBAdobe PDFVisualizar/Abrir


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