Modelagem e simulação de regeneradores industriais

Neste trabalho, é desenvolvido um software para a simulação do sistema de regeneração de uma unidade industrial de craqueamento catalítico. Inicialmente, modelos determinísticos são desenvolvidos, e em seguida, utiliza-se redes neurais de Retropropagação e modelos híbridos com redes neurais. O sistema de regeneração consiste de três reatores em série com diferentes regimes hidrodinâmicos. Um reator de leito fluidizado é seguido por um reator de leito arrastado ascendente (riser) e um reator em fase diluída (freeboard). Inicialmente, a recirculação interna de sólidos entre os reatores não é considerada, e em seguida, esta recirculação é levada em consideração. Neste último caso, um procedimento iterativo é proposto para quebrar o ciclo de informações. O sistema de equações integro-diferenciais gerado na modelagem é inicialmente resolvido utilizando-se o método de Runge-Kutta e regra do Trapézios.Um procedimento alternativo é proposto, onde o método de Colocação Ortogonal é usado. Neste caso, as equações diferenciais são discretizadas e as integrais são resolvidas por quadratura. O sistema de regeneração é também simulado usando redes neurais de retropropagação. Redes neurais de processo e projeto são utilizadas. Variáveis como perfis de concentração dos componentes e perfis de temperatura são obtidos. Um modelo híbrido com redes neurais é então proposto, onde as equações de balanço de massa são resolvidas por modelos determinísticos e os perfis de temperatura são obtidos através de redes neuraisIn this work, it is developed a software to simulate a regeneration system of a catalytic cracking industrial unit. Firstly, deterministic models are developed, and latter on, it is used backpropagation neural network and a hybrid model with neural network. The regeneration system is formed by a sequence of reactors with different hydrodynamic regime. A fluidized bed reactor is followed by a riser and freeboard. Initially, the solid recirculation inside of system is not taken into account, and latter on, this recirculation is considered. In this latter case, an iterative procedure is proposed to break the information cicle. The material and energy balance equations form a system of nonlinear integrodifferencial equations. Firstly, these have been solved using Runge-Kutta method and Trapezoidal Rule. An alternative procedure is proposed, where the Orthogonal Collocation Method is used. When this is the case, differencial equations are discretized and integrals are solved by Quadrature. The regeneration system is also simulated by use of Backpropagation Neural Network. Process and Project Neural Network are developed. Parameters like compounds concentration profiles and temperature profiles are obtained. A hybrid model with neural network is proposed, where the material balance is solved by deterministic model, whereas the temperature profiles are obtained by neural networ