IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES DINÂMICOS UTILIZANDO MODELOS AUTOREGRESSIVOS APLICADO EM UM PROCESSO DE NEUTRALIZAÇÃO DE pH

IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES DINÂMICOS UTILIZANDO MODELOS AUTOREGRESSIVOS APLICADO EM UM PROCESSO DE NEUTRALIZAÇÃO DE pH

MOTA, A. S.; MENEZES, M. R.; FRANCO, I. C.

Artigo:

Neste trabalho propõe-se um estudo de identificação de sistemas aplicado a um processo de neutralização de pH. Modelos auto regressivos (ARX,ARMAX e NARX) foram utilizados para o desenvolvimento de modelos de predição do pH efluente de um sistema de neutralização. O conjunto de dados utilizados para identificar o processo foi obtido experimentalmente em uma planta piloto de neutralização utilizando-se soluções de NaOH e HCl com concentrações de 4,0 ×10-3 M. Os modelos desenvolvidos demonstraram serem capaz de prever a 1 e 5 passos à frente o valor do pH do efluente do reator. Índices de desempenho fit (porcentagem da variação da saída em relação ao valor real) superiores a 98 % foram alcançados para predições 1 passo à frente e de aproximadamente 92 % para 5 passos à frente para os modelos ARX, ARMAX e NARX. Assim, os modelos ARX e ARMAX apresentam potencial para serem utilizados em controladores MPC.

Neste trabalho propõe-se um estudo de identificação de sistemas aplicado a um processo de neutralização de pH. Modelos auto regressivos (ARX,ARMAX e NARX) foram utilizados para o desenvolvimento de modelos de predição do pH efluente de um sistema de neutralização. O conjunto de dados utilizados para identificar o processo foi obtido experimentalmente em uma planta piloto de neutralização utilizando-se soluções de NaOH e HCl com concentrações de 4,0 ×10-3 M. Os modelos desenvolvidos demonstraram serem capaz de prever a 1 e 5 passos à frente o valor do pH do efluente do reator. Índices de desempenho fit (porcentagem da variação da saída em relação ao valor real) superiores a 98 % foram alcançados para predições 1 passo à frente e de aproximadamente 92 % para 5 passos à frente para os modelos ARX, ARMAX e NARX. Assim, os modelos ARX e ARMAX apresentam potencial para serem utilizados em controladores MPC.

Palavras-chave:

DOI: 10.5151/chemeng-cobeq2014-0692-24404-147656

Referências bibliográficas

• [1] AGUIRRE, L. A.; Introdução à identificação de sistemas. Belo Horizonte: Editora UFMG, 2007.
• [2] AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), p. 716-723, 1974.
• [3] DIVERSI, R.; GUIDORZI, R.; SOVERINI, U. Identification of ARX and ARARX Models in the Presence of Input and Output Noises. European Journal of Control, 16(3), p. 242-255, 2010.
• [4] ESKINAT, E.; JOHNSON, S.; LUYBEN, W. L. Use of Hammerstein models in identification of nonlinear systems. AIChE Journal, 37(2), p. 255–268, 1991.
• [5] GIRAULT, M.; VIDECOQ, E.; PETIT, D. Estimation of time-varying heat sources through inversion of a low order model built with the modal identification method from in-situ temperature measurements. International Journal. Heat Mass Transfer, 53, p. 206–219, 2010.
• [6] GEERLINGS, M. W. Plant and Process Characteristics. London: Butterworths Science Publications, pp. 101-127, 1957.
• [7] GUO, Y.; NAZARIAN, E.; KO, J.; RAJURKAR, K. Hourly cooling load forecasting using time-indexed ARX models with two-stage weighted least squares regression. Energy Conversion and Management, 80, p. 46-53, 2014.
• [8] GUSTAFSSON, T. K. Calculation of the pH value of a mixture solutions an illustration of the use of chemical reaction invariants. Chemical Engineering Science, 37(9), pp. 1419-1421, 1982.
• [9] GUSTAFSSON, T. K., WALLER, K. V. Dynamic modeling and reaction invariant control of pH. Chemical Engineering Science, 38(3), pp. 389-398, 1983.
• [10] HUNTER, I. W.; KORENBERG, M. J. The identification of nonlinear biological systems: Wiener and Hammerstein cascade models. Biological Cybernetics, 55, pp. 136–144, 1986.
• [11] KALAFATIS, A.; ARIFIN, N.; WANG, L.; CLUETT, W. R. A new approach to the identification of pH processes based on the Wiener model. Chemical Engineering Science, 50(23), pp. 3693–3701, 1995.
• [12] KRAMER, C., Y. Extension of Multiple Range Test to Group Means with Unequal Numbers of Replications. Biometrics, 12(3), pp. 307-310, 1956.
• [13] KIM, J.; KONSTANTINOU, K. Digital predistortion of wideband signals based on power amplifier model with memory. IEE Electronics Letters, 37(23), p. 1417–1418, 2001.
• [14] MCAVOY, T. J., HSU, E., LOWENTHALS, S. Dynamics of pH in controlled stirred tank reactor. Industrial Andamp; Engineering Chemistry Process Desing and Development, 11(1), pp. 68-78, 1972.
• [15] ROLL, J.; NAZIN, A.; LJUNG, L. Nonlinear system identification via direct weight optimization. Automatica, 41(3), pp. 475–490, 2005.
• [16] SEBORG, D. E., MELLICHAMP, D. A., EDGARD, T. F., DOYLE III, F. J. Chemical Process Control. New York: Wiley, 2004.
• [17] ZHAO, J.; MA, X.; ZHAO, S.; FEI, J. Hammerstein identification of supercharged boiler superheated steam pressure using Laguerre-Fuzzy model. International Journal of Heat and Mass Transfer, 70, p. 33-39, 2014.

Como citar:

MOTA, A. S.; MENEZES, M. R.; Ivan Carlos Franco; "IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES DINÂMICOS UTILIZANDO MODELOS AUTOREGRESSIVOS APLICADO EM UM PROCESSO DE NEUTRALIZAÇÃO DE pH", p-11638-11645. In: Anais do XX Congresso Brasileiro de Engenharia Química - COBEQ 2014 [= Blucher Chemical Engineering Proceedings, v.1, n.2]. São Paulo: Blucher, 2015.
ISSN 23591757, DOI 10.5151/chemeng-cobeq2014-0692-24404-147656