Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/14617
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Souza Junior, Maurício Bezerra de | - |
dc.contributor.author | Miranda, Gabriel Fiúza Moreira de | - |
dc.date.accessioned | 2021-07-21T22:15:51Z | - |
dc.date.available | 2023-12-21T03:08:00Z | - |
dc.date.issued | 2021-06-09 | - |
dc.identifier.uri | http://hdl.handle.net/11422/14617 | - |
dc.language | eng | pt_BR |
dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Crystallization processes | en |
dc.subject | Neural networks | en |
dc.subject | Population balance | en |
dc.subject | Process control | en |
dc.title | Dynamic modeling and control of a crystallization process using neural networks | en |
dc.type | Trabalho de conclusão de graduação | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/4530858702685674 | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/5613399557825741 | pt_BR |
dc.contributor.advisorCo1 | Capron, Bruno Didier Olivier | - |
dc.contributor.advisorCo1Lattes | http://lattes.cnpq.br/3006635957267883 | pt_BR |
dc.contributor.advisorCo2 | Moraes, Marcellus Guedes Fernandes de | - |
dc.contributor.referee1 | Secchi, Argimiro Resende | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/3710340061939187 | pt_BR |
dc.contributor.referee2 | Barreto Júnior, Amaro Gomes | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/1005756226202071 | pt_BR |
dc.description.resumo | Nos processos industriais de cristalização, o controle do tamanho e da forma dos cristais é de considerável importância. Nesse trabalho, dados experimentais são utilizados para desenvolver modelos de redes neuronais para o processo de cristalização em batelada do sulfato de potássio (K2SO4). Primeiramente, um modelo dinâmico do sistema capaz de prever seu estado em um futuro próximo dadas as suas condições atuais é desenvolvido. Em seguida, um modelo inverso do processo capaz de calcular a próxima ação de controle a ser implementada para conduzir o sistema a uma trajetória de referência é desenvolvido. Finalmente, o desempenho desse controlador é investigado através da simulação de uma malha fechada em que um modelo de balanço populacional é utilizado como processo real. Nós mostramos que a escolha da trajetória de referência tem forte influência sobre o tempo de duração da batelada, erro final entre estado do sistema e set-point e esforço de controle. Em termos dos critérios acima, a melhor trajetória apresentou resultados de 70% a 140% melhores que as demais. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Escola de Química | pt_BR |
dc.publisher.initials | UFRJ | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA | pt_BR |
dc.embargo.terms | aberto | pt_BR |
Appears in Collections: | Engenharia Química |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
GFMMiranda.pdf | 1.44 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.