Process identification and model predictive control using artificial intelligence techniques applied to bioethanol production

Orientador: Aline Carvalho da CostaTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia QuímicaResumo: Na presente tese foram abordados problemas no contexto da produção de etanol de primeira e segunda geração. No caso de etanol de segunda geração foi abordado o problema de melhorar a eficiência da hidrolise enzimática, com as seguintes contribuições: (1) otimização da carga enzimática utilizando técnicas de modelagem por redes neurais. (2) substituição de um modelo com limitações na representatividade dos pontos experimentais obtido por desenho experimental pela superfície de resposta de um modelo de redes neurais que permite a exploração da região do ótimo no espaço de fatores e respostas. Os resultados obtidos mostram (1) boa precisão para a localização das coordenadas da região ótima de trabalho. (2) um mapeamento da evolução do processo com localização do ótimo global utilizando algoritmos genéticos e técnicas de computação evolutiva. No caso dos processos de produção de etanol de primeira geração foi estudado o problema do controle com modelo de um processo de fermentação continua com extração de etanol utilizando vácuo quando não se tem modelo fenomenológico disponível com as seguintes contribuições e resultados: (1) foi desenvolvida uma abordagem que integrou redes neurais artificiais, com o controle preditivo com modelo (MPC). (2) foram desenvolvidos modelos empíricos do processo com redes neurais artificiais (3) foi desenvolvida uma abordagem que utiliza o "conhecimento aprendido" pelas redes neurais o qual e armazenado em pesos sinápticos e bias. (4) foram desenvolvidos vários modelos empíricos de redes neurais para o monitoramento das concentrações de etanol que podem ser utilizados para desenvolver software sensores. (5) foram implementadas diferentes estruturas de controle preditivo com diferentes modelos internos de redes neurais para os controladores, com otimiza dor linear e não linear para o caso de estudo. Nos diferentes capítulos em que foram implementadas estruturas de controle integrando as redes neurais com a tecnologia MPC, se mostrou que, a abordagem desenvolvida e eficiente para os projetos dos sistemas de controle com modelo empíricoAbstract: In this thesis were studied problems in the context of ethanol production of first and second generation. In the case of second generation ethanol was studied the problem of improving the enzymatic hydrolysis efficiency, with the following contributions: 1) optimization of enzyme loading by using modeling techniques based on neural networks, 2) substitution of a model with limited representation capacity of the experimental points which was obtained by using experimental design by the response surface model of a neural network that allows the exploration of the space of factors and responses. The results show: 1) good accuracy in locating the coordinates of the optimum working region, 2) the mapping of the evolution of the process with the location of the global optimum by using genetic algorithms and evolutionary computing techniques. In case of the production of first generation ethanol was studied the problem of the control with process model of a fermentation process with continuous extraction of ethanol by using a vacuum system when there is no a phenomenological model available with the following contributions and results: 1) It was developed an approach in which were integrated artificial neural networks with model predictive control (MPC). 2) It were developed empirical process models by using artificial neural networks 3) It was developed an approach that uses the "learned knowledge" by neural networks which is stored in synaptic weights and bias. 4) It were developed several empirical models of neural networks for monitoring concentrations of ethanol that can be used to develop software sensors. 5) It were implemented different predictive control structures with different internal models based on neural networks for controllers with linear and non-linear optimizer to be applied on the case of study. In the different chapters in which were implemented control structures by integrating neural networks with MPC technology, it was showed that the developed approach is efficient to be applied in the designs of control systems with empirical modelDoutoradoDesenvolvimento de Processos QuímicosDoutor em Engenharia Químic