Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/331332
Type: TESE DIGITAL
Degree Level: Doutorado
Title: Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais = Modeling and control process of first and second generation ethanol production applying neural networks
Title Alternative: Modeling and control process of first and second generation ethanol production applying neural networks
Author: Herrera Agudelo, William Eduardo, 1982-
Advisor: Maciel Filho, Rubens, 1958-
Abstract: Resumo: O presente trabalho de pesquisa tem como objetivo o desenvolvimento e aplicação de técnicas e ferramentas computacionais, tais como modelos matemáticos, soft-sensors e esquemas de controle preditivo baseado em modelo usando Redes Neurais Artificiais ((neural network model based predictive control ¿ NNMPC), para o processo de produção de etanol, a partir da mistura de hidrolisado com melaço de cana-de-açúcar (1G+2G). Para isso, estudos experimentais de pré-tratamento, hidrólise enzimática e fermentação para cinco sistemas diferentes de produção de etanol foram realizados, definidos principalmente pelo tipo de pré-tratamento e dois níveis de carga de sólidos na hidrólise enzimática. Dados experimentais de concentrações de substrato, etanol e células, bem como medições online (temperatura, vazão de CO2, pH, capacitância), entre outras observações experimentais, foram utilizados para o ajuste e validação dos modelos matemáticos e das ferramentas computacionais geradas. Os modelos cinéticos desenvolvidos podem prever o crescimento celular, o consumo de substrato e a produção de etanol para os diferentes sistemas de fermentação de etanol considerados. Um procedimento avançado de estimativa de parâmetros dependentes da temperatura foi utilizado para garantir a precisão dos modelos propostos. Nesta abordagem, a influência da temperatura sobre o comportamento cinético da fermentação foi explicitamente demonstrada. Posteriormente, os modelos cinéticos foram aplicados na simulação de um processo de fermentação contínua para a produção de etanol. O sistema é um típico processo industrial em larga escala, composto por quatro fermentadores anexados em série e operados com reciclagem celular. Os modelos foram implementados em linguagem de programação Matlab®, e como resultado obteve-se uma planta virtual de produção de etanol 1G+2G para cada sistema estudado. O desempenho da fermentação para os diferentes sistemas foi avaliado. Neste trabalho, foi dado um grande destaque no uso das Redes Neurais Artificias (RNA) no desenvolvimento de soft-sensors para a monitoração online do processo de fermentação de etanol 1G+2G, bem como na obtenção de medições precisas das variáveis de estado do sistema, necessárias para os esquemas propostos de controle preditivo. Os resultados da aplicação dos soft-sensors mostraram que é possível inferir com precisão as concentrações de substrato, etanol e células a partir de informações online facilmente mensuráveis. Uma vantagem adicional desta abordagem consiste no uso de um sistema de sensores com custo relativamente baixo, como termopares, medidor de pH e sonda de capacitância. Com base na simulação dinâmica da planta virtual de produção de etanol 1G+2G, foi aplicado um controle preditivo NNMPC para lidar com as flutuações da concentração de açúcar na matéria-prima. O objetivo do controle é manter a concentração de açúcar da saída do quarto reator no seu set-point, manipulando a vazão de alimentação. Por meio de simulações em malha fechada, foi verificado que os algoritmos de controle não lineares propostos neste trabalho provaram ser eficientes e robustos, pois forneceram bons resultados em problemas de controle dos tipos servo e regulatório

Abstract: The present research work aims at developing and applicating computational techniques and tools, such as mathematical models, software sensors, and a neural network model based predictive control (NNMPC) for ethanol production process from hydrolysate mixture with sugarcane molasses (1G+2G). For this purpose, experimental studies of pre-treatment, enzymatic hydrolysis and fermentation were carried out for five different ethanol production systems, mainly defined by the pretreatment type and two levels of solids loading in the enzymatic hydrolysis. Experimental data of substrate, ethanol and cell concentrations, as well as online measurements (temperature, CO2 flow, pH, capacitance), among other experimental observations, were used to adjust and validate the mathematical models and generated computational tools. The developed kinetic models can predict cell growth, substrate consumption, and ethanol production for the different ethanol fermentation systems. An advanced temperature-dependent parameter estimation procedure was used to ensure the proposed models accuracy. In this approach, the temperature influence on the fermentation kinetic behavior was explicitly demonstrated. Subsequently, the kinetic models were applied in the simulation of a continuous fermentation process for ethanol production. The fermentation system is a typical large-scale industrial process composed of four fermenters attached in series and operated with cell recycling. The models were implemented in Matlab® programming language. As a result, a virtual 1G+2G ethanol production plant was obtained for each studied system. The fermentation performance of different systems was evaluated. In this work, a great prominence was given to the use of Artificial Neural Networks (ANN) in soft-sensors development for online monitoring of fermentation process of 1G+2G ethanol, as well as to obtain accurate measurements of necessary state variables for the proposed predictive control schemes. The results of soft-sensors application showed the possibility of accurate inference of substrate, ethanol, and cells concentrations from easily measurable online information. An additional advantage of this approach is the use of a relatively low-cost sensor system, such as thermocouples, pH meter, and capacitance probe. Based on the dynamic simulation of 1G+2G ethanol production plant, a NNMPC was applied to deal with fluctuations in raw material sugar concentration. The control purpose is to maintain the sugar concentration of the fourth reactor output in its set-point, by manipulating the feed flow. Through closed-loop simulations, it was verified that the proposed nonlinear control algorithms proved to be efficient and robust, since they provided satisfactory results in control problems of servo and regulatory types
Subject: Bioetanol
Fermentação - Modelos matemáticos
Fermentação - Monitoramento on-line
Controle de processos químicos
Inteligência artificial
Language: Português
Editor: [s.n.]
Citation: HERRERA AGUDELO, William Eduardo. Modelagem e controle de processos para a produção de etanol de primeira e segunda geração aplicando redes neurais = Modeling and control process of first and second generation ethanol production applying neural networks. 2017. 1 recurso online (299 p.). Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/331332>. Acesso em: 3 set. 2018.
Date Issue: 2017
Appears in Collections:FEQ - Tese e Dissertação

Files in This Item:
File SizeFormat 
Agudelo_WilliamEduardoHerrera_D.pdf11.5 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.