Uso de redes neuronales para controlar la temperatura en un reactor Batch

Abstract

Neural networks are an alternative to batch type systems (batch), with proper training for the full understanding of the dynamics of the process. In this paper is given an alternative in the NeuroControl for a system of two parallel reactions, forming an unwanted reporting directly to the increase in temperature, this being the controlled variable in the process product. The proposal for the control network is a neural network of the type L2 NARMAX- providing commercial simulator Matlab Simulink in your library with a structure of the neural network with 4 hidden layers; plus an input layer and an output layer with 19 neurons in each inner layer of the neural network, the input delimited between a temperature range of 60 to 95 ° C; still a recurrent neural network type, with a kind of accelerated training Levenberg-Marquardt. This error prevents this type of training the neural network we present overlearning. The analysis of the neural network control, displays better results compared with a generic model based Control (GMC for its acronym in English) control and conventional proportional integral derivative (PID) in a range of 20-120 ° C.

Las redes neuronales son una alternativa para sistemas del tipo batch (por lotes), teniendo un entrenamiento adecuado para la comprensión total de la dinámica del proceso. En el presente trabajo se da una alternativa en el Neurocontrol para un sistema de dos reacciones paralelas, formándose un producto no deseado que depende directamente del incremento de temperatura, siendo esta la variable a controlar en el proceso. La red propuesta para el control es una red neuronal del tipo NARMAX- L2 que proporciona el simulador comercial de Matlab en su librería de Simulink con una estructura de la red neuronal con 4 capas ocultas; además de una capa de entrada y una capa de salida, con 19 neuronas en cada capa interna de la red neuronal, delimitada a la entrada entre un intervalo de temperatura de 60 a 95 ºC; siendo una red neuronal del tipo recurrente, con un entrenamiento del tipo acelerado Levenberg-Marquardt. El error presente con este tipo de entrenamiento nos evita que la red neuronal presente sobre aprendizaje. El análisis del control con la red neuronal, despliega resultados mejores en comparación con el control basado en un Modelo Genérico de Control (GMC por sus siglas en inglés) y el convencional proporcional integral derivativo (PID) en un intervalo de 20-120 ºC.