Orientador: Secundino Soares Filho, Rosangela Ballini / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-05T12:09:15Z (GMT). No. of bitstreams: 1 Marinho_ManoelHenriquedaNobrega_D.pdf: 2444321 bytes, checksum: f87889cc170b6491d56fb7b2058b7973 (MD5) Previous issue date: 2005 / Resumo: Modelos de redes neurais artificiais treinados com algoritmos de retropropagação do erro foram desenvolvidos para a previsão de vazões médias mensais vários passos à frente. Essas previsões foram utilizadas em políticas de controle em malha aberta para o planejamento da operação energética de sistemas hidrotérmicos de potência. O posto hidrológico da usina hidrelétrica de Furnas foi selecionado para estudo de caso. Dois métodos foram implementados e testados para a previsão de vazões médias mensais vários passos à frente. O primeiro, denominado Método Direto, utiliza uma rede neural específica para prever cada passo à frente. O segundo, denominado Método Agregado, utiliza inicialmente uma rede neural para prever a soma das vazões vários passos à frente, desagregando posteriormente em valores mensais proporcionalmente aos valores médios do histórico de vazões. Os resultados indicaram que embora o Método Agregado tenha obtido pior desempenho que o Método Direto na comparação dos erros de previsão a cada passo, essa abordagem apresentou melhor desempenho quando comparados os erros de previsão da soma das vazões vários passos à frente. Os dois métodos foram então avaliados através da simulação da operação energética utilizando a política de controle em malha aberta. O resultado indicou um desempenho significativamente melhor para o Método Agregado, proporcionando uma maior geração hidrelétrica e um menor custo operacional / Abstract: Not informed / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica

Orientadores: Ana Maria Frattini Fileti, Fernando Palu / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-05T22:21:40Z (GMT). No. of bitstreams: 1 Eyng_Eduardo_M.pdf: 616784 bytes, checksum: 5124ded82b67d3d54bfa60a9d0b1a28e (MD5) Previous issue date: 2006 / Resumo: O etanol perdido por evaporação durante o processo de produção por fermentação pode ser recuperado por uma coluna de absorção, a qual requer um sistema de controle robusto de acordo com sua complexidade. Sendo assim, no presente trabalho foi proposto e testado, o emprego de um controlador feedforward, baseado em um modelo inverso de redes neurais, para realizar a manipulação da vazão de solvente que é alimentado a esta coluna. O desempenho do controlador feedforward proposto foi superior ao proporcionado pelo Controle por Matriz Dinâmica (DMC) (Palú, 2001), para situações nas quais uma perturbação degrau foi inserida na composição do gás à entrada da coluna. Outro teste realizado foi o de implementar um distúrbio não previsto na etapa de treinamento da rede neural, e analisar o comportamento do sistema de controle RNA. Houve uma queda de eficiência, sendo gerado off set. Para solucionar este problema, agregou-se ao sistema de controle, um dispositivo de segurança. Também se procurou testar a tolerância do sistema de controle a distorções nos dados de entrada da rede. Neste sentido, acrescentou-se às variáveis de entrada do tipo concentração, um ruído. O desempenho do controlador RNA foi prejudicado, no entanto, a faixa de oscilação da variável controlada foi reduzida à aproximadamente 50% da faixa de ruído empregada. Aplicando-se um filtro aos dados distorcidos, esta redução foi ainda maior, cerca de 75% / Abstract: Some of ethanol lost by evaporation during its fermentation production process may be recovered using an absorption column, which requires a robust control system. In this work the use of a feedforward controller (NN controller), based on a neural network inverse model, was proposed and tested to manipulate the solvent flow, which was fed in the analyzed column. The feedforward controller performance was better than the Dynamic Matrix Control (Palú, 2001) one, when step disturbances were inserted on the inlet gas composition. Another test done was the insert of a not trained disturbance. The NN controller performance decrease, and a off set could be observed. To solve this problem, a security device was added to the control system. The control system tolerance to modified input neural network data also was tested. In this way, a noise was added to input data. The NN control performance decreased, but the amplitude of the control variable oscillation band was reduced to the half of the noise amplitude employed. When the modified data was filtered the NN control performance decrease was smaller, about 75% of the noise amplitude / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

Orientadores: Ana Maria Frattini Fileti, Andre Pitasse da Cunha / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-06T08:56:35Z (GMT). No. of bitstreams: 1 Medeiros_FernandoTadeuPereirade_D.pdf: 2343033 bytes, checksum: 9407aef56d1977bfd109c78806bb29de (MD5) Previous issue date: 2006 / Resumo: Este trabalho descreve o desenvolvimento de um modelo capaz de prever as condições operacionais do processo de redução de minério de ferro em alto-forno a partir de características das matérias-primas e da composição da carga e do sopro, fornecendo aos operadores e engenheiros de processo, uma ferramenta de planejamento e de análise de desempenho da operação. A motivação para este trabalho deveu-se à constatação de que existe uma deficiência de modelos capazes de identificar cotidianamente os fatores críticos na operação dos altos-fornos siderúrgicos. Os modelos encontrados são excessivamente simples para preverem condições futuras de processo ou são demasiadamente complexos para o uso operacional diário ou no pJanejamento estratégico da produção. Os altos-fornos e os conversores de aço são as unidades centrais de uma usina siderúrgica integrada. O primeiro obtém o ferro primário a partir dos óxidos contidos nos minérios e o segundo refina e ajusta a composição química do metal produzindo o aço. O modelo desenvolvido e aplicado tem natureza híbrida, combinando algoritmos simuladores baseados em balanços de massa e energia com variável grau de desvio estequiométrico e térmico. O valor de cada indicador de desvio é previsto por uma rede neural cujas variáveis de entrada quantificam características das matérias-primas e condições de sopro e carga do alto-forno. A aplicação industrial do modelo comprovou sua capacidade de prever as condições do processo e sua aplicação resultou em aumento da produtividade média do processo e menor consumo específico de redutores, decorrentes da melhor efetividade das ações operacionais. Além disso, o modelo, associado a um módulo de balanço do setor primário da usina, vem sendo aplicado na simulação de alternativas de padrões operacionais, atividade fundamental para o planejamento estratégico do negócio / Abstract: This work describes the development of a model capable of evaluating and predicting iron ore reduction process in blast-furnaces based on raw materiais characteristics as well as burden and blast composition. It provides a planning and analysing toll to operators and process engineers. The motivation for this development resides on the lack of this kind of model in the ironmaking industry. The many models found are either toa simple and not capable of predicting raw materiais parameters effects on the furnace performance or toa complexo The latter are useful in technology potential identifications but not in the daily work or ordinary operation planning. Blast-furnaces and oxygen converters are the core units in a integrated steel works. The former one produces primary iron from oxides bared by iron ores and the latter one refines molten iron into steel, adjusting its chemical compositiono The developed and applied model is hybrid in nature, combining simulating algorithms based on mass and energy balances with variable lack of fitnesso The value of each lack-of-fitness index is estimated by a neural model in which the input quantify burden materiais characteristics as well as blow and charging conditions. The model has shown its predicting capacity during its industrial application, which lead to higher average productivity and lower specific fuel consumption are expected following better operation action and process planning efficiency. In addition, the model is now being associated to a plant mass balance module to asses alternative operation pattern simulation for the hole company which is a fundamental activity in strategic business planning / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientador: Akebo Yamakami / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T10:47:10Z (GMT). No. of bitstreams: 1 Bonfim_TatianeRegina_D.pdf: 1154007 bytes, checksum: 1b6dd7bc9c2e3eef16c1e3258710730c (MD5) Previous issue date: 2006 / Resumo: Este trabalho apresenta uma nova abordagem de resolução, por algoritmo memético e pela coevolução de algoritmo memético com redes neurais, para o problema de escalonamento de tarefas em máquinas paralelas idênticas e para o problema de job shop com parâmetros precisos. Para os problemas de escalonamento com parâmetros com incertezas, onde os parâmetros não são precisamente conhecidos, toma-se dificil classificar um determinado escalonamento ótimo. A noção de ótimo também torna-se imprecisa e o grau de otimalidade de um dado escalonamento ("o quanto um escalonamento é ótimo") pode ser caracterizada por um número fuzzy. Foi aplicado também o conceito de otimalidade possível para medir a possibilidade de um determinado escalonamento ser ótimo. O algoritmo memético foi aplicado para encontrar soluções para o problema, a rede neural foi aplicada para encontrar a função de fitness das soluções encontradas pelo algoritmo memético, e o conceito de possibilidade foi aplicado para avaliar as melhores soluções. Foram utilizadas as redes neurais backpropagation e com aprendizado por reforço para encontrar o valor da função de fitness. As simulações mostraram que as redes neurais apresentaram uma boa performance na coevolução com o algoritmo memético e na resolução dos problemas, e mostraram que o conceito de possibilidade teve uma boa perfomance na avaliação da otimalidade das soluções / Abstract: This work presents a new approach for the resolution of the problem of identical parallel machine scheduling and job shop scheduling with precise parameters, with memetic algorithm and memetic algorithm coevolving with neural networks. For problems with parameters with uncertainties, where the parameters of the problem are not precisely known, it is difficult to say in prior which schedule will be optimal. The notion of optimal also becomes imprecise and the degree of optimality of a given schedule ("how much a schedule is optimal") can be characterized by a fuzzy number. We was used also the concepts of possibility to measure the possibility of a given schedule be optimal. Memetic algorithm has been used to find the solutions of the problem, the neural network has been used to find the fitness function of these solutions, and the concept of possibility has been used to evaluate the best solutions. We was used neural networks with backpropagation and reinforcement learning to find the fitness function. Simulations showed that the neural networks presents a good performance in the coevolution of the memetic algorithm and in the resolution of the problems, and showed that the concept of possibility present a good performance in the evaluation of solutions optimality / Doutorado / Telecomunicações e Telemática / Doutor em Engenharia Elétrica

Orientador: Robson Pederiva / Dissertação (mestrado) - Universidade Estadual de Campinas. Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-07T00:56:52Z (GMT). No. of bitstreams: 1 Silva_GilbertoMachadoda_M.pdf: 1128289 bytes, checksum: e5a6e2d7aeb16be17a0a3d45dd834193 (MD5) Previous issue date: 2006 / Resumo: Aplica-se neste trabalho a metodologia de diagnóstico de falhas em sistemas mecânicos rotativos sustentados por mancais magnéticos ativos em conjunto com um sistema de controle ativo de vibração, excitados por forças de desbalanço e ruído branco. Este diagnóstico baseia-se no emprego das equações de correlações, através da formulação matricial de Ljapunov, para sistemas lineares estacionários juntamente com redes neurais artificiais. Este procedimento utiliza apenas as variáveis de estado medidas, através da correlação das variáveis de saída. É gerado um conjunto de relações envolvendo os parâmetros físicos do sistema juntamente com as matrizes de correlações das variáveis medidas. As falhas no sistema são detectadas através do monitoramento da variação dos parâmetros físicos e da comparação das funções de correlação teóricas e estimadas. As redes neurais artificiais são usadas para mapear as correlações que envolvem estados que não são medidos. Dado ao grande número de equações de compatibilidade resultantes, é proposta uma metodologia para selecionar as equações relacionadas com as falhas propostas. Com o método de diagnóstico de falhas proposto é possível detectar e discernir as falhas tanto mecânicas quanto elétricas, bem como sua localização no sistema / Abstract: This work applies the methodology of fault diagnosis in rotating machinery supported by active magnetic bearings and active con1rol systems, excited by unbalance and white noise. This diagnostic applies the correlation matrices based on the Ljapunov matrix formulation and artificial neural network for linear stationary systems. The procedure uses only measured state variables, computing the correlation between the output variables. It is possible to derive specific relations involving the physical parameter of the system and the correlation matrices of the measured variables. Faults in the system can be detected by monitoring the variation of the physical parameter through a comparison of theoretical and estimated correlation functions. Artificial neural networks are used to map the correlations involving the variables, which are difficult to be measured. There is a large number of resultant compatibility equations and it is proposed a methodology to select the equations that establish relationships with the faults. The proposed fault diagnosis method can detect the fault present in the system and it is also possible to distinguish between mechanical and electrical fault as well as their location in the system / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientador: Alberto Luiz Serpa / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-12T19:17:55Z (GMT). No. of bitstreams: 1 Silva_GabrielHattorida_M.pdf: 1021601 bytes, checksum: 4cc8fdf21ddc6d423c4f3264c5c4a0f2 (MD5) Previous issue date: 2009 / Resumo: Este projeto tem o objetivo de estudar o efeito dos principais parâmetros que afetam a solução do problema de contato entre corpos elásticos. Foi utilizado o software comercial ANSYS 11.0 para realizar as análises de contato. A influência dos principais parâmetros considerados pelo ANSYS no problema de contato, tais como a rigidez de contato normal, o limite de penetração, os algoritmos de contato e métodos de solução, é investigada no trabalho. Observou-se que a rigidez de contato normal influi diretamente na convergência e nos resultados obtidos. Foram estudados alguns exemplos com resultados conhecidos (analíticos ou numéricos) para uma comparação com a solução do ANSYS, e exemplos de maior interesse prático, como o problema de contato do olhal menor de uma biela automotiva. A partir dos casos analisados, algumas recomendações foram feitas para a escolha dos parâmetros de contato. No entanto, existem parâmetros que dependem do conhecimento do usuário ou da realização de testes preliminares, o que requer em muitas situações um maior tempo para se obter os resultados. Como alternativa, foi investigado o potencial das redes neurais para contornar esta limitação. As redes neurais foram treinadas com resultados obtidos da solução do problema de contato (penetração e variação da pressão de contato) de modelos simplificados, tendo como saída da rede a rigidez de contato normal, que é então usada para estimar a rigidez de contato normal de problemas mais complexos. Foi usada a implementação de redes neurais do software MATLAB 7.0 para o treinamento e a simulação das redes neurais / Abstract: The objective of this project is to study the effect of the main contact parameters that affect the solution of the elastic bodies contact problem. The commercial software ANSYS 11.0 was used to run the contact analysis. The influence of ANSYS main parameters in the contact problem, such as normal contact stiffness, penetration limit, contact algorithms and solvers, is investigated in this work. The normal contact stiffness acts directly in convergence and in the obtained results. Some examples with known results (analytic or numeric) were studied to be compared with ANSYS solution, and some examples of more practical interest, as the connecting rod small end contact problem, were also studied. With the analysed cases, some recommendations were done to the choice of the contact parameters. However, there are parameters that depend on the user's knowledge or it is necessary to run some preliminary tests. As an alternative, it was investigated the neural networks potential to overcome this limitation. The neural networks were trained with obtained results of the contact problem solution (penetration and contact pressure variation) of simplified models. The normal contact stiffness was used as output of the network, which was used to estimate the normal contact stiffness of more complex problems. It was used the neural network implementation of the softwareMATLAB 7.0 to the training and simulation of the neural networks / Mestrado / Mecanica dos Solidos / Mestre em Engenharia Mecânica

Orientadores: Fernando Jose Von Zuben, Clodoaldo Aparecido de Moraes Lima / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-13T12:09:04Z (GMT). No. of bitstreams: 1 PumaVillanueva_WilfredoJaime_M.pdf: 2240734 bytes, checksum: a645fed1284c994e9fa5a37d9bce0ccb (MD5) Previous issue date: 2006 / Resumo: A capacidade de aproximação universal apresentada por redes neurais artificiais foi explorada nos últimos anos junto a problemas de classificação e regressão de dados, envolvendo técnicas de treinamento supervisionado. No entanto, as redes neurais resultantes podem produzir queda de desempenho frente a amostras de teste. Esta é a principal motivação para o emprego de comitês de máquinas, na forma de um ensemble ou uma mistura de especialistas. Um ensemble toma propostas de solução completas para um problema e se ocupa em selecionar e combinar essas propostas na obtenção de uma única resposta. Já numa mistura de especialistas, cada especialista é responsável por parte do problema e os especialistas, assim como o módulo que decide qual especialista irá atuar em cada caso, são sintetizados simultaneamente. A aplicação de comitês de máquinas em predição de séries temporais indica que esta estratégia pode conduzir a ganhos de desempenho, quando comparado ao uso de um único preditor e considerando vários casos de estudo. Ainda no contexto de predição, foram investigadas duas técnicas para seleção de variáveis, além de ser avaliado o desempenho de duas propostas de partição da série temporal em conjuntos de treinamento, validação e teste. Os resultados de teste de significância do ganho de desempenho permitem apontar uma técnica de seleção e uma proposta de partição como as mais indicadas / Abstract: The universal approximation capability presented by artificial neural networks has been explored in recent years to solve classification and regression problems, using the supervised learning framework. However, the resulting neural networks may present degradation of performance when the test dataset is considered. This is the main motivation for the use of committee machines, in the form of an ensemble or a mixture of experts. An ensemble takes full-solution proposals and tries to select and combine them toward a single response. In the realm of a mixture of experts, each expert is devoted to a parcel of the original problem, and the experts, together with the module that allocates the individual role for each expert, are synthesized simultaneously. The application of committee machines to time series prediction indicates that these machine learning strategies can promote improvement in performance, when compared to the use of a single predictor and taking several case studies. Still in the context of prediction, two techniques for variable selection have been investigated, and two proposals for the partition of the time series in training, validation, and test datasets have been compared. The results in terms of test of significance of the gain in performance clearly indicate the superiority of one of the selection techniques and one of the partition proposals / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: Ana Maria Frattini Fileti / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-13T14:31:54Z (GMT). No. of bitstreams: 1 Lopreato_LuizGuilhermeRoquette_M.pdf: 1170459 bytes, checksum: af98261941e40b4030182bcc609c0fa6 (MD5) Previous issue date: 2009 / Resumo: A aplicação de redes neurais artificiais (RNA) na solução de problemas de equilíbrio líquido-vapor de misturas multicomponentes apresenta resultados consistentes com valores experimentais observados. Sua principal vantagem, frente às abordagens tradicionais, reside na capacidade de modelar o sistema em equilíbrio sem a necessidade da definição prévia de um modelo específico, tarefa muitas vezes árdua. No presente trabalho utilizam-se dados de três sistemas binários para o treinamento de modelo neural com o objetivo de predizer o equilíbrio de sistema ternário em condições isobáricas. O algoritmo de treinamento utilizado foi o de Levenberg-Marquardt com Regularização Bayesiana, implementado por meio do software MATLAB. A estrutura de rede que apresentou os melhores resultados contém as frações molares dos três componentes na fase líquida, como parâmetros de entrada, e as frações molares dos três componentes na fase vapor e a temperatura como parâmetros de saída. O escalonamento dos dados foi realizado entre 0 e 1, sendo utilizada a função de ativação sigmoidal na camada oculta da rede e a função linear na camada de saída. O desempenho dos modelos foi analisado a partir dos coeficientes de correlação, coeficientes regressão linear, resíduos entre os valores experimentais e preditos, além da raiz dos desvios quadráticos médios (RMSD). O principal sistema estudado foi Acetona-Metanol-Água, sendo os conceitos desenvolvidos extrapolados para os sistemas polares Metanol-Etanol-Água, Metanol-2-Propanol-Água e para o sistema apolar Benzeno-Ciclohexano-Hexano. Os resultados obtidos indicam que a predição de equilíbrio através do modelo neural se mostra consistente com os dados experimentais e as predições realizadas via modelo UNIQUAC. Destaca-se que a construção do modelo neural baseia-se no uso de dados de sistemas binários para a predição de sistemas ternários, enquanto que o modelo UNIQUAC utiliza parâmetros regredidos a partir de dados experimentais para o equilíbrio ternário. Dessa forma, os conceitos utilizados nas duas modelagens são bastante distinto sendo, à priori, favoráveis ao modelo termodinâmico, fato não condizente com os resultados obtidos no presente estudo. / Abstract: Modeling multicomponent vapor-liquid equilibrium (VLE) by means of Artificial Neural Networks (ANN) showed to be able to successfully reproduce observed experimental points. The main advantage of this approach, regards to the traditional approaches, resides in the capacity to modeling the equilibrium condition without the necessity of the prior definition of a specific model, which is a task very often strenuous. In the present work data of three binary systems were used to training a neural network model with the objective to predict the equilibrium of a ternary system at isobaric conditions. The training algorithm used was Levenberg-Marquardt with Bayesian Regularization, implemented through the software MATLAB. The best network structure contains the molar fractions of three components in the liquid phase, as input parameters, and the molar fractions of three components at vapor phase besides the temperature as the output parameters. The data normalization was carried out in the interval between 0 and 1. The sigmoid activation function was used in the hidden layer and linear function was used in the calculations of the exit layer. The performance of the models was analyzed from the coefficients of correlation, linear regression coefficients, residues between the experimental and predicted values, besides the root of the quadratic middle diversions (RMSD). The principal system studied was Methanol-Acetone-Water, being the developed concepts extrapolated to the polar systems Ethanol-Methanol-Water, Methanol-2-propanol-Water and to the nonpolar system Benzene-Cyclohexane-Hexane. Results presented indicate that vapor-liquid equilibrium prediction through neural network is consistent with experimental data and UNIQUAC model predictions. Moreover, when comparing the ANN model with the thermodynamic model it is important to notice that the first model uses binary systems to predict ternary system equilibrium, whereas the thermodynamic model uses parameters obtained from experimental ternary data regressions. Thus, the concepts used in both models are quite different, being favorable to the thermodynamic model. Even so the ANN model showed to be very reliable, in the present study. / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-13T23:08:44Z (GMT). No. of bitstreams: 1 Polowski_NataschaVigdis_D.pdf: 3937033 bytes, checksum: 67463e72c2fe6b2c2bf718ee1aefe5cd (MD5) Previous issue date: 2009 / Resumo: Neste trabalho foram desenvolvidos três modelos para predição de Número Kappa (Modelo Determinístico, Modelo Neural e Modelo Híbrido). O Modelo determinístico inclui transferência de massa e reações cinéticas intrínsecas baseadas em reações paralelas de lignina, celulose e hemicelulose. Este divide o processo de deslignificação em 3 estágios ou fases, sendo que as 3 fases correspondem a 3 diferentes tipos de lignina (inicial, principal e residual). O modelo é específico para polpa de eucalipto (fibra curta) e digestor batelada. Umas das contribuições para este modelo proposto foram às inclusões de reações para lignina, hemicelulose e celulose total, carboidratos, além do Número Kappa. Para Modelo Determinístico foram utilizados dados experimentais coletados no RAIZ - Instituto de Investigação da Floresta e Papel e dados gerados pelas simulações. As variáveis operacionais utilizadas como dados de entrada foram: espessura, temperatura inicial, álcali efetivo, relação licor madeira, tempo de cozimento, densidade e porosidade. O Modelo Determinístico também foi desenvolvido para digestor contínuo e foi validado com dados industriais para fibra curta de eucalipto. A modelagem feita para um digestor batelada é a mesma que para um digestor contínuo, sendo que no contínuo existem de 3 a 4 etapas dentro do equipamento. Por conseguinte, o digestor contínuo é modelado como se fosse um batelada só que fracionadamente (temperaturas e tempos para cada estágio do equipamento e de forma seqüencial). Neste trabalho foi empregado um método de otimização (Programação Quadrática Sucessiva) para definir o procedimento de operação no digestor contínuo permitisse a obtenção do produto (polpa) com teores inferiores a 1,5 % de lignina residual. Industrialmente este valor está em torno de 3 % de lignina residual. O Modelo Neural proposto é do tipo "feedforward" e com treinamento por retropropagação. Para este modelo as variáveis de entrada (inputs) foram temperatura, álcali efetivo e Fator H. A variável de saída (output) é o Número Kappa. A quantidade de neurônios ocultos foi definida pelo modelo neural que apresentou o menor erro para o conjunto de validação e treinamento. O número de interações também foi definido a partir do menor erro gerado pelas simulações. Este modelo foi validado com dados industriais e experimentais. O Modelo Híbrido utilizou como variáveis de entrada Kappa Neural e Teórico, temperatura e Fator H e a variável de saída é o Número Kappa Híbrido. Este foi validado com dados industriais. Os modelos apresentados (Determinístico, Neural e Híbrido) são ferramentas úteis para as fábricas de celulose e papel, uma vez que existe a possibilidade de serem aplicados para simulação de processos, otimização e controle. Os modelos podem ser testados para diferentes condições operacionais sem alterar a produção. Além de possibilitarem melhor controle de algumas variáveis no processo fabril, isto, sem perda de qualidade do produto. Neste estudo a rede neural e os modelos cinéticos apresentaram resultados equivalentes. Palavras-chaves: Número Kappa, Modelo Determinístico, Modelo Neural e Modelo Híbrido / Abstract: In this work three models were developed for prediction of Kappa number (Deterministic Model, Neural and Hybrid Model). The Deterministic Model includes mass transfer and reaction kinetics based on intrinsic parallel reactions of lignin, cellulose and hemicellulose. This divides the process of Delignification in 3 stages or phases, with the 3 phases correspond to 3 different types of lignin (initial, bulk and residual). The model is specific to the eucalyptus pulp (short fiber) and batch digester. One of the contributions to this proposed model were the inclusion of reactions for lignin, cellulose and hemicellulose total, carbohydrates, than the Kappa number. Deterministic model was used for experimental data collected in the RAIZ - Instituto de Investigação da Floresta e Papel and data generated by simulations. The operating variables used as input data were: thickness, initial temperature, effective alkali, liquor ratio wood, the cooking time, density and porosity. The Deterministic Model was developed for continuous digester, and was validated with industrial data for short fiber eucalyptus. The modeling done for a batch digester is the same as for a continuous digester, which are continuous in 3 to 4 steps inside the equipment. Wherefore the continuous digester is modeled as a single batch that fractionation (temperatures and times for each stage of the equipment and sequential manner). This study employed a method of optimization (Successive Quadratic Programming) to define the procedure for operation in continuous digester allowed to obtain the product (pulp) with levels below 1.5% of residual lignin. Industrially this value is around 3% of residual lignin. The Neural Model is proposed as "feedforward" and training by backpropagation. For this model the input variables were temperature, effective alkali and H-Factor. The variable output is the Kappa number. The number of hidden neurons was defined by the neural model that showed the smallest error for the set of validation and training. The number of interactions was also determined from the smallest error generated by simulations. This model was validated with experimental and industrial data. The hybrid model used as input variables and Kappa Neural theoretical, temperature, and factor H and the output variable is the number Kappa Hybrid. This was validated with industrial data. The models presented (deterministic, Neural and Hybrid) are useful tools for the manufacture of pulp and paper, since there is the possibility to be applied to simulation of processes, optimization and control. The models can be tested for different operating conditions without changing the output. Besides, allowing better control of some variables in the manufacturing process, ie without loss of quality of product. In this study, the neural network and the kinetic models showed similar results. Keywords: Kappa number, Deterministic Model, Neural Model and Hybrid Model / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

Orientadores: Rubens Maciel Filho, Laercio Ender / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-08T18:03:43Z (GMT). No. of bitstreams: 1 Duarte_ElisRegina_D.pdf: 5707651 bytes, checksum: d1348f1129ff1981af5a94400a0f9040 (MD5) Previous issue date: 2007 / Resumo:0 objetivo deste trabalho foi desenvolver e avaliar diferentes algoritmos de controle para o processo extrativo de fermentação alcoólica contínua. Para isto foram comparados controladores do tipo preditivo e adaptativo. Para o controle preditivo, foi avaliado o Controle por Matriz Dinâmica (DMC) e foi desenvolvido um algoritmo de controle preditivo baseado em modelo usando redes neurais artificiais (MPC Neural) com aprendizagem em tempo real das redes. Para o controle adaptativo, foi proposto o aperfeiçoamento do algoritmo de controle CONDEG (Controle Neural Direto Baseado no Erro Global) Modificado, desenvolvido por Duarte (2004), O algoritmo está baseado em redes neurais artificiais, com aprendizagem em tempo real, de acordo com as alterações que ocorrem no processo. Os parâmetros de penalização das ações de controle, que são parâmetros de projeto do controlador, foram ajustados ao longo do tempo através da aplicação de um algoritmo do Filtro de Kalman. Para o procedimento de investigação foi utilizada a simulação computacional para o qual todos os algoritmos de controle estudados foram implementados em linguagem de programação Fortran 90 e aplicados a um processo extrativo de fermentação alcoólica contínua para produção de etanol desenvolvido por Silva (1999). O modelo matemático utilizado foi desenvolvido por Costa et al(2001). As simulações em malha fechada realizadas utilizando os algoritmos propostos mostraram melhores resultados para os algoritmos de controle usando redes com aprendizagem ao longo do tempo e que o algoritmo de controle CONDEG Modificado usando filtro de Kalman com fator de velocidade associado foi eficiente e robusto, pois apresentou bons resultados em problemas dos tipos servos e regulador. / Abstract: The objective of the present work is to develop and to evaluate the performance of predictive and adaptive controllers, applied to an extractive fermentative process. As predictive controllers the Dynamical Matrix Control (DMC) and a model predictive control based on artificial neural networks with on-line learning were considered. The adaptive controller is an improvement of the Modified Condeg strategy control (Direct Neural Control based on Global Error), developed by Duarte (2004). The strategy is based on artificial neural networks, with on-line learning, according to modifications that occur in the process. The control actions penalization parameters, that are in fact controller design parameters, are on-line adjusted through an algorithm based on Kalman filter. The performance evaluation was carried out through computer simulation with all algorithms implemented in Fortran 90,.As a case study, an extractive fermentation alcoholic process developed by Silva (1999) was taken into account with the mathematical model developed by Costa et. al (2001). The results obtained from closed-loop simulations using the proposed algorithms showed better results for the neural networks with on-line learning. The Modified Condeg wsth Kalman Filter plus velocity factor is efficient and robust for servo and regulatory applications. / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química