Orientadores: Rubens Maciel Filho, Aline Carvalho da Costa / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-07T06:46:12Z (GMT). No. of bitstreams: 1 Mantovaneli_IvanaCristinaCordeiro_M.pdf: 4744367 bytes, checksum: 648b4b28d0ad3fff1bfeda9851005fc1 (MD5) Previous issue date: 2005 / Resumo: A utilização do etanol como combustível tem muitas vantagens; ele tem competido economicamente com a gasolina e diversos outros combustíveis, substituindo-os em várias utilidades. Desta forma, existe um grande interesse em se otimizar todos os passos da produção de etanol. Apenas um conhecimento profundo da dinâmica do processo gera uma operação ótima, e este pode ser conseguido através de simulações realizadas usando um modelo preciso. Muitos modelos fenomenológicos foram desenvolvidos considerando condições industriais, mas estes só são válidos para condições específicas nas quais foram determinados, invalidando a predição do modelo em outras condições. Mudanças acontecem normalmente em uma unidade industrial e a re-estimação freqüente dos parâmetros do modelo é usualmente difícil e demorada. O objetivo deste trabalho é desenvolver um modelo híbrido neuronal para o processo de fermentação alcoólica usando balanços de massa combinados com redes neuronais do tipo Functional Link. Será implementado um esquema para atualização dos pesos da rede sempre que esta não descrever o comportamento dinâmico da planta. O modelo desenvolvido será usado para descrever um processo real no lugar dos modelos fenomenológicos existentes, já que estes têm sido capazes de descrever o processo apenas por curtos espaços de tempo / Abstract: The use of ethanol as a fuel has many advantages; it has economically competed with gasoline and others fuels, substituting them in various uses. Thus, there is a great interest in optimizing all the steps of ethanol production. Only a detailed knowledge of the process dynamics can lead to optimal operation and this can be achieved through simulation using an accurate model. Many phenomenological models were developed considering industrial fermentations, but they are only valid for specific conditions. Changes occur frequently in an industrial unity and frequent reestimation of model parameters is usually expensive and time consuming. The objective of this work is to develop a hybrid neural model for the alcoholic fermentation process using mass balances combined with Functional Link Neural Networks. A scheme to update network weights always that it does not describe plant behavior accurately is implemented. The developed model is used to describe an industrial process substituting the existing phenomenological models, since they have been able to describe the process only for short periods / Mestrado / Desenvolvimento de Processos Biotecnologicos / Mestre em Engenharia Química