Nova metodologia para análise de identificabilidade e estimação de parâmetros de modelos fenomenológicos

A identificação de modelos consiste na atividade de construir modelos matemáticos representativos de sistemas reais. Diversas técnicas estão disponíveis para a sua realização, as quais dependem do nível de informação preliminares disponíveis referentes ao sistema em estudo. Neste trabalho técnicas de identificação caixa-cinza, as quais utilizam estruturas de modelos fenomenológicos e dados experimentais foram estudadas, dando enfoque a duas etapas principais: análise de identificabilidade e estimação de parâmetros. A análise de identificabilidade é uma ferramenta fundamental na identificação e deve preceder a etapa de estimação dos parâmetros. Seu objetivo é verificar, a partir de uma estrutura e de dados experimentais quais parâmetros de um modelo podem ser identificados. Neste trabalho as principais metodologias disponíveis na literatura foram analisadas. Posteriormente, foi desenvolvida uma nova metodologia, fundamentada em conceitos de teoria de controle, a qual visa suprir as limitações inerentes aos demais métodos estudados. A estimação dos parâmetros foi realizada considerando dois métodos de otimização dinâmica distintos: o método single-shooting e método simultâneo. Além disso, nesta mesma etapa diferentes formulações de função objetivo foram testadas, verificando o efeito da minimização do quadrado da derivada do erro e comparando com a abordagem tradicional, a qual não faz uso da derivada. Para ilustrar e testar a aplicação das metodologias, dois estudos de caso foram analisados: Reator de Fermentação Alcóolica Contínua e Reator Semi-Batelada de Williams-Otto. Em ambos os casos, os dados experimentais foram gerados a partir da simulação do modelo sob parâmetros, condições operacionais e inferências conhecidas, a fim de se verificar o efeito de cada uma destas peculiaridades. Para consolidar os estudos desenvolvidos, uma aplicação real também foi testada através da identificação do modelo de um reator de polimerização de PEAD utilizando dados de uma planta industrial.Model identification is the activity of constructing representative mathematical models of real systems. Several techniques are available for its completion, which depend on the level of information available about the studied system. In this work techniques for gray-box identification, which use both phenomenological models and experimental data, were studied by focusing on two main steps: identifiability analysis and parameter estimation. Identifiability analysis is a fundamental tool in the identification process and must precede the parameter estimation. Your goal is to verify, from a model structure and experimental data which parameters of a model can be identified. In this work the most important methodologies available in the literature were analyzed. Subsequently, a new methodology was developed, based on concepts of control theory, which aims to overcome the limitations inherent in other methods. The parameters estimation was made considering two distinct dynamic optimization methods: the single-shooting method and simultaneous method. Furthermore, in this same step, several formulations of objective function were tested, checking the effect of minimizing the square of the derivative of the error when compared to the traditional approach, which does not make use of the derivative. To elucidate the methodology, two case studies were proposed: Continuous Alcoholic Fermentation Reactor and Williams-Otto Semi-Batch Reactor. In both cases, the experimental data were generated from the simulation of the model under know parameters, operational conditions and inference in order to verify the effect of each of these peculiarities. To consolidate the studies developed a real application was also tested, and this identifies the model of a polymerization reactor HDPE using data from an industrial plant