Trabajo de grado - Maestría
Metodología para la jerarquización de parámetros en un MSBF
Fecha
2017-05-18Autor
Lopez Restrepo, Santiago
Institución
Resumen
En esta Tesis se presenta una metodología de identificación paramétrica para Modelos Semifísicos de Base Fenomenológica (MSBF) que hace uso de la jerarquía respecto de la relevancia de los parámetros frente a las salidas del modelo. Para desarrollar la metodología se hace énfasis en los conceptos de MSBF y parámetro. Se definen dos términos relacionados con los parámetros como interpretabilidad y parámetro de sacrificio. Se realiza una revisión de la literatura sobre métodos de jerarquía paramétrica, como el análisis de sensibilidad, ganancias relativas y matriz de Hankel. La metodología propuesta emplea la representación de sistemas lineales por medio de la matriz de Hankel y su descomposición en valores singulares, para calcular un índice que permite clasificar los parámetros más relevantes para el conjunto total de salidas. Esta jerarquía es usada en el proceso de identificación paramétrica para mejorar el ajuste del modelo. La metodología es presentada en un modelo de producción de δ-endotoxinas de Bacillus thuringiensis. Posteriormente es aplicada y sus resultados comparados con trabajos similares en un sistema de dos CSTR en serie y un modelo de producción batch de polihidroxialcanoatos. Finalmente se presentan las conclusiones y los trabajos futuros propuestos. Abstract: In this Thesis a methodology for parametric identification of a Phenomenological Based Semiphysical Model (PBSM) is presented. The proposed methodology considers the relevance hierarchy of the parameters respect model outputs. Two terms related with the parameter concept are defined, interpretability and sacrifice parameter. Furthermore, differents methods for parametric classification are reviewed like sensivility analysis, relative gains and Hankel Matrix. The methodology uses the representation of linear systems through Hankel Matrix and its singular value descomposition to calculate an index that allows select the most relevance parameters. This hierarchy is used in the parametric identification to reduce the error of the model. The methodology is exe mplified in a δ-endotoxins of Bacillus huringiensis production model. Later is used in two study cases: A model of two CSTR and a polyhydroxyalkanoates batch production model. Finally, the conclusions and future works are presented.