Diseño e implementación de un Sistema de Control de Temperatura Basado en Redes Neuronales Aplicado a un Reactor para el Proceso de Saponificación

• Autor: Suaña Humpiri, Percy David
• Formato: tesis de grado
• Fecha de Publicación: 2014
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/2037
• Enlace del recurso: http://repositorio.unap.edu.pe/handle/20.500.14082/2037
• Nivel de acceso: acceso abierto
• Materia: Reacción Química; Reactores; Controladores Pid; Redes Neuronales

El presente proyecto de investigación tiene como finalidad el diseño y el modelamiento matemático de un Reactor tipo Tanque con Agitación Continua (CSTR) en el cual se desarrolla una reacción exotérmica. Así mismo se diseña un sistema de control de temperatura basado en redes neuronales, el cual será simulado bajo el funcionamiento de operación normal y también sometido a perturbaciones y ruido; para evaluar su rendimiento se diseña un controlador PID para hacer un análisis comparativo con el controlador planteado. El reactor es la unidad procesadora diseñado para que en su interior se lleve a cabo una reacción química (saponificación de acetato de etilo con hidróxido de sodio). Dicha unidad procesadora está constituida por un recipiente cerrado, el cual cuenta con líneas de entrada y salida, del material reactante. Este tipo de reactor consta de un tanque con una agitación permanente y casi perfecta, en el que hay un flujo de material reactante y producto continúo. Partiendo de la descripción del sistema se realiza el balance de materia y energía con el fin de obtener las ecuaciones representativas de la dinámica del sistema (modelo matemático), al igual que su representación en variables de estado. La implementación del sistema de control de temperatura se realiza mediante simulación en Matlab, y utilizando la metodología de redes neuronales. El control neuronal es un algoritmo matemático basado en una red neuronal multicapa, conocido también como algoritmo de retropropagación. Posee la capacidad de autoadaptar los pesos que conectan las neuronas de las capas intermedias. Este algoritmo es de naturaleza estocástica, es decir, que encuentra el camino hacia un mínimo local o global de manera zigzagueante, por lo cual tiene una convergencia lenta lo que implica un mayor número de iteraciones para lograr reducir el error