وبلاگ مهندسی پلیمر ۸۷
به وبلاگ تخصصی بچه های مهندسی پلیمر 87 دانشگاه امیدیه خوش آمدید.وبلاگ مهندسی پلیمر ۸۷
به وبلاگ تخصصی بچه های مهندسی پلیمر 87 دانشگاه امیدیه خوش آمدید.کنترل استنتاجی پیش‌بین برج تقطیر
عنوان (انگلیسی): Model Predictive Inferential Control of a Distillation Column
| نویسنده: پردیس رفویی ، محمد شاهرخی | |
| کلیدواژه‌ها : شبکه عصبی مصنوعی ، کنترل پیش‌بین ، تقطیر چند جزئی ، کنترل استنتاجی ، تخمین زننده | |
| کلیدواژه‌ها (انگلیسی): Model predictive control , Artificial neural network , Estimator , Inferential control , Multicomponent distillation column | |
|
چکیده: در این مقاله، عملکرد کنترل استنتاجی پیش‌بین غلظت با بهره‌گیری از شبکه عصبی برای تخمین، در یک برج تقطیر چند جزیی خلوص بالا بررسی شده است. ابتدا یک شبکه عصبی مصنوعی برای تخمین غلظت محصول بالای برج از روی دمای سینی‌های برج طراحی شده و سپس یک کنترلر پیش‌بین برای کنترل غلظت تخمین زده‌شده به کار گرفته شده است. عملکرد سیستم کنترل استنتاجی پیش‌بین ارائه‌شده برای حذف اغتشاش و تغییر مقدار مقرر بررسی شده است. نتایج شبیه‌سازی نشان می‌دهد که کنترلر پیشنهادی از عملکرد مناسبی بهره‌مند است. |
چکیده (انگلیسی):
Typical production objectives in distillation process require the delivery of products whose compositions meet certain specifications. The distillation control system, therefore, must hold product compositions as near the set points as possible in faces of upset. In this project, inferential model predictive control, that utilizes an artificial neural network estimator and model predictive controller, is developed for an industrial multicomponent distillation column. First, composition control by direct measuring composition is used. This method because of large sampling delay has a poor performance. The selection of the temperature measurement points is done for indirect control of the column. The use of temperature loop leads to an offset in the composition; due to the fact that the temperature set-point must be changed when feed disturbances occurred. An artificial neural network estimator is designed to estimate the product compositions from tray temperature measurements. A model predictive controller is used to control column composition based on composition estimates. The performance of the developed inferential model predictive control system is tested for set-point tracking and load rejection.
