Investigaçao do comportamento dinâmico e avaliaçao de estratégias de identificaçao, controle e otimizaçao de um reator FCC

Orientador: Luiz Augusto da Cruz MeleiroDissertaçao (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduaçao em Engenharia - PIPE. Defesa: Curitiba, 2006Inclui bibliografiaResumo: O objetivo desta dissertaçao é apresentar um estudo detalhado sobre a identificaçao de um modelo neural para um reator de craqueamento catalítico em leito fluidizado (FCCU) que possa ser implementado tanto na estrutura de um controlador preditivo quanto na otimizaçao do processo usando métodos heurísticos estocásticos. Estratégias de controle baseadas em modelos nao lineares podem prover significativa melhoria para processos nao lineares quando comparadas com o desempenho dos controladores lineares. Redes neurais artificiais sao usadas em uma grande variedade de aplicaçoes da indústria química por causa de sua capacidade de representar as relaçoes de entrada e saída de um sistema. Há na literatura vários modelos matemáticos para a FCCU, a maioria com abordagem fenomenológica e com descriçao simplificada do processo. Baseado em um conjunto de dados gerado por um modelo mais elaborado, desenvolvido por Moro e Odloack (1995), validado com dados reais da unidade industrial da refinaria Alberto Pasqualini (REFAP) da PETROBRÁS, identificou-se a dinâmica do processo com um modelo neural mais simples e facilmente implementável em algoritmos de controle e otimizaçao do que os modelos fenomenológicos rigorosos. Várias arquiteturas de rede foram testadas e sao apresentados estudos sobre a influencia da estrutura da rede na qualidade da resposta do modelo. Os resultados mostraram que o modelo neural obtido descreveu adequadamente o comportamento dinâmico do processo. Os resultados da otimizaçao, obtidos através do algoritmo genético e do enxame de partículas, foram comparados entre si e com os resultados fornecidos pelo modelo fenomenológico do processo, apresentando ótima convergencia. O modelo neural foi implementado na estrutura de um controlador preditivo do processo apresentando resultados bastante satisfatório