"Identificacâo de processos e controle preditivo com modelo utilizando técnicas de inteligência artificial aplicadas à producâo de bioetanol"

Na presente tese foram abordados problemas no contexto da producâo de etanol de primeira e segunda geracâo. No caso de etanol de segunda geracâo foi abordado o problema de melhorar a eficiência da hidrólise enzimática, com as seguintes contribuicôes: (1) otimizacâo da carga enzimática utilizando técnicas de modelagem por redes neurais. (2) substituicâo de um modelo com limitacôes na representatividade dos pontos experimentais obtido por desenho experimental pela superficie de resposta de um modelo de redes neurais que permite a exploracâo da regiâo de ótimo no espaco de fatores e respostas. Os resultados obtidos mostram (1) boa precisâo para a localizacâo das coordenadas da regiâo ótima de trabalho. (2) um mapeamento da evolucâo do processo com localizacâo do ótimo global utilizando algoritmos genéticos e técnicas de computacâo evolutiva. No caso dos processos de producâo de etanol de primeira geracâo foi estudado o problema do controle com modelo de um processo de fermentacâo continua com extracâo de etanol utilizando vácuo quando nâo se tem modelo fenomenológico disponivel com as seguintes contribuicôes 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 abordagemque utiliza o "conhecimento aprendido" pelas redes neurais o qual é armazenado em pesos sinápticos e bias. (4) foram desenvolvidos vários modelos empíricos de redes neurais para o monitotamento das concentracôes de etanol que podem ser utilizados para desenvolver sofware sensors. (5) foram implementadas diferentes estruturas de controle preditivo com diferentes modelos internos de redes neurais para os controladores, com otimizador linear e nâo 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 é eficiente para os projetos dos sistemas de controle com modelo empírico.
Palavras-Chave: Producâo de bioetanol, intelig^ncia artificial, redes neurais, identificacâo de processos, controle preditivo com modelo.

Boza Condorena, Edwin Guido - 2012
Para optar título de: Doutor em Engenharia Química en processos