Development of an aluminum reduction vessel signal generator as a data source for learning an artificial neural network.

A eletrólise do alumínio é um método eletroquímico que consiste em produzir metal, pela mediação de uma corrente elétrica e alumina dissolvida num banho de criolita a temperatura elevada. Atualmente, os modelos matemáticos que representam a dinâmica deste método sob a forma de balanços mássicos e energéticos são constituídos de equações diferenciais comuns acopladas, não-lineares e a coeficientes variáveis. Essa dissertação tem como objetivo desenvolver um gerador de sinais em uma cuba eletrolítica que servirá como fonte de dados para a aprendizagem de uma rede neural artificial, partindo de um modelo linear de ordem dez, com dezoito parâmetros, em função de dac e dma, que descreve o comportamento do processo de redução do alumínio. A modelagem e simulação computacional desse modelo permitiram a visualização e estudo de cada variável e parâmetro envolvido. Determinamos os parâmetros ótimos do modelo e efetuamos uma análise de sensibilidade dos parâmetros, o que nos indica a dependência entre eles e o impacto de cada parâmetro no modelo. Através de uma relação típica entre a resistência (R) e a concentração de alumina (C) foi possível desenvolver um modelo empírico e efetuando um ajuste nos parâmetros, verificamos que o modelo é adequado para representar R e C. O software desenvolvido poderá ser usado como alimentação de uma rede neural artificial que vai retornar os parâmetros para cada situação de operação, nos permitindo determinar novos valores de concentração de alumina, temperatura do banho e massa da crosta sem se fazer necessário a medição.The electrolysis of aluminum is an electrochemical method that consists of producing metal through the mediation of an electric current and alumina dissolved in a cryolite bath at high temperature. Currently, the mathematical models that represent the dynamics of this method under the form of mass balance and energy balance are constituted of common connected differential equations, nonlinear and the changeable coefficients. This paper aims to develop a generator of signals in an electrolytic tank that will serve as source of data for the learning of artificial neural network, through a linear model of order ten, with eighteen parameters, in function of dac and dma, that describes the behaviour of the process of reduction of aluminum. The modeling and simulation of this model allowed the visualization and study of each variable and parameter involved. We determine the optimal parameters of the model and effect an analysis of sensitivity of the parameters, that indicates the dependence between these parameters and the impact of each parameter in the model. Through a typical relation between the resistance (R) and the alumina concentration (C) it was possible to develop an empirical model and an adjustment of the parameters was done. We verified that the model is adjusted to represent R and C. Developed software can be used to feed the artificial neural network that will return the parameters for each operation situation, allowing to determine new values of concentration of alumina, temperature of the bath and mass of the crust with no measurement needed.CNP