کنترل تطبیقی برج تقطیر با استفاده از تخمین های زن های هوشمند

توجه : این فایل به صورت فایل PDF (پی دی اف) ارائه میگردد

 کنترل تطبیقی برج تقطیر با استفاده از تخمین های زن های هوشمند دارای ۱۱۶ صفحه می باشد و دارای تنظیمات و فهرست کامل در PDF می باشد و آماده پرینت یا چاپ است

فایل پی دی اف کنترل تطبیقی برج تقطیر با استفاده از تخمین های زن های هوشمند  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز کنترل تطبیقی برج تقطیر با استفاده از تخمین های زن های هوشمند۲ ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی کنترل تطبیقی برج تقطیر با استفاده از تخمین های زن های هوشمند،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن کنترل تطبیقی برج تقطیر با استفاده از تخمین های زن های هوشمند :

کنترل تطبیقی برج تقطیر با استفاده از تخمین های زن های هوشمند

چکیده

برج تقطیر یک فرآیند کلیدی و نهایی در زنجیره فعالیت های یک پالایشگاه محسوب می شود که در ارزش افزوده آن نقش اساسی و محوری دارد .متاسفانه امکان اندازه گیری مستقیم بعضی از متغیرهای کلیدی آن از جمله غلظت خروجی محصول بدلیل مشکلات تعمیر و نگهداری و زمان تاخیر سنسور وقیمت بالای آن میسر نمی باشد.

در این فایل ، ابتدا اطلاعات عملکردی برج تقطیر گرد آوری می شود . سپس با استفاده از داده های جمع آوری شده ، یک مدل هوشمند جهت تخمین مقادیر واقعی غلظت محصول نهایی برج طراحی می شود . برای این منظور ،از تکنیک هوشمند شبکه عصبی استفاده خواهد شد . سپس ، با استفاده از تخمین گرهای طراحی شده به عنوان سنسورهای هوشمند یا نرم افزاری جهت طراحی یک پیشگو بهره برداری می گردد که بدلیل ویژگی های مطلوب آن در صنایع فرآیندی بسیار مورد توجه می باشد.در خاتمه نتایج حاصل از فایل در دو فاز کلی مانیتورینگ غلظت محصول نهایی برج تقطیر با استفاده از سنسورهای هوشمند طراحی شده و نیز کنترل پیشگو بر روی مدل استاندارد برج تقطیر شبیه سازی و مورد ارزیابی قرار خواهد گرفت.

مقدمه

مانیتورینگ و کنترل محصول نهایی برج تقطیر از اهمیت بسیار زیادی در صنایع پالایش کشور بر خوردار می باشد. اجرای این دو کار در شرایط کنونی عمدتا” بر مبنای آنالیز آزمایشگاهی محصول نهایی برج و استفاده از نتایج آن در تنظیم سیستم کنترل برج تقطیر صورت می گیرد . بدلیل وجود وقفه زمانی بسیار زیاد در انجام نمونه گیری، آنالیز و ارائه مقادیر واقعی غلظت محصول نهایی برج تقطیر ،اجرای مؤثر کنترل برج تقطیر را با مشکلات فراوانی روبرو می کند . در چنین شرایطی ، بروز نوسانات حاصل از مشخصه های ورودی برج تقطیر نظیر غلظت آن ، می تواند موجب بروز تغییرات زیاد در کیفیت محصول نهایی در فاصله زمانی مورد نیاز در عملیات نمونه برداری و آنالیز آزمایشگاهی گردد . این امر باعث تنزل کیفیت محصول برج و ضررهای اقتصادی ناشی از آن می گردد . نتایج این فایل می تواند در برداشتن سیکل زمان بر عملیات نمونه برداری و آنالیز آزمایشگاهی گردیده و ارتقاء کیفیت مانیتورینگ با بهره گیری از سنسورهای هوشمند و کنترل اتوماتیک به موقع و زمان حقیقی برج تقطیر تأثیر بسزایی داده باشد و از این طریق موجب افزایش سود آوری محصول کیفی برج تقطیر گردد.

فصل اول

کلیات

۱-۱) هدف

برج تقطیر در بسیاری از صنایع فرایندی یک سیستم صنعتی مهم محسوب می شود . سیستم برج تقطیر به شدت غیر خطی و تو أم با عدم قطعیت است.

برای کنترل برج نیاز به اندازه گیری لحظه ای و مستمر متغیرهای حالت و خروجی است . سنسورهای اندازه گیری که برای آنالیز لحظه ای برج بکار می رود گاز کروماتوگراف است . اگر چه پیشرفت های زیادی در ساخت این نوع سنسور ها حاصل شده است اما هنوز با مسائلی از جمله زمان ت أخیر و قیمت بالا و هزینه نگهداری و تعمیر بالا همراه است در نتیجه نمی تواند جهت اندازه گیری های لحظه ای بکار رود.

در این قصد داریم با استفاده از اطلاعات قابل دسترس سیستم اندازه گیری برج تقطیر نسبت به تخمین درجه خلوص محصول نهایی با استفاده از روشهای پردازش هوشمند شبکه عصبی اقدام نماییم . برای اندازه گیری پروسه های پیشرفته با افزایش حجم داده , مانیتوریک این حجم داده خیلی مشکل است بنابر این نیاز است که ویژگی داده بررسی گردد . آنالیز اجزای اصلی (PCA) و تجزیه بردار ویژگی (SVD) دو ابزار نیرومند جهت کاهش ا بعاد داده و بدست آوردن ویژگی داده های پروسه می باشد. شبکه عصبی در مهندسی یک

مدل غیر خطی از ورودی وخروجی یک سیستم بدست می آورد که می تواند در پیشگویی، کلاس بندی و تشخیص الگو بکار گرفته شود. شبکه عصبی توانایی تخمین توابع غیر خطی با تعدادی داده آموز شی پیدا می کند و احتیاجی به دانش اولیه از سیستم ندارد و می توانند مسائل پیچیده را با مفروضات کمتری حل کند.

برای طراحی تخمین گر ابتدا بوسیله PCA یک بردار ویژگی از داده های پروسه بدست آورده و با استفاده از این بردار ویژگی به عنوان ورودی و غلظت محصول نه ایی به عنوان خروجی یک شبکه عصبی آن را آموزش داده و یک تخمین گر هوشمند طراحی می کنیم سپس، با استفاده از تخمین گرهای طراحی شده به عنوان سنسورهای نرم افزاری جهت طراحی یک حلقه کنترل اتوماتیک بهره برداری می گردد . در طراحی سیستم کنترل اتوماتیک نیز از تکنیک کنتر ل پیشگو استفاده خواهد شد که بدلیل ویژگی های مطلوب آن در صنایع فرآیندی بسیار مورد توجه می باشد . سیستم کنترل برج باید موقعیت محصول را با وجود اغتشاش در تغذیه در نزدیک نقطه کار نگهدارد . این کنترلر باعث می شود که عملکرد بهتری از عملکرد فیدبک معمولی بدست آوریم و با ایجاد قیود بر روی متغیرهای ورودی وخروجی ضریب کارایی بهبود یافته و خواص مقاوم بودن ایجاد شود.