Uso de redes neuronales en aplicaciones de ingeniería de procesos, difusión y aplicaciones de control y simulación de procesos
Resumen
El presente artículo presenta el estado actual de la utilización de las Redes Neuronales Artificiales (ANNs) en aplicaciones de ingeniería de procesos donde los métodos matemáticos tradicionales no muestran completamente el comportamiento representado por observaciones y resultados experimentales o datos de operación de plantas. Este artículo muestra tres ejemplos de la utilización de ANNs en aplicaciones típicas de ingeniería de proceso como son la predicción de coeficientes de actividad en sistemas binarios solvente-polímero, predicción de coeficientes de difusión de un surfactante en sistemas micelares y control y simulación de procesos. Estas aplicaciones son importantes en el área de polimerización, recuperación mejorada de crudo y control automático de procesos.
Referencias bibliográficas
Alessandro, V., 1987. "A simple modification of the Flory- Huggins theory for polymers in non-polar or slightly polar solvents", Fluid Phase Equilib, 34: 21 - 35. https://doi.org/10.1016/0378-3812(87)85048-3
Basheer, A. I. and Najjar, Y. M., 1996. "Predicting Dynamic Response of Adsorption Columns with Neural Nets", Journal of Computing in Civil Engineering, 10 (1): 31- 39. https://doi.org/10.1061/(ASCE)0887-3801(1996)10:1(31)
Bhat, N. and McAvoy, T. J., 1990. "Use of Neural Nets for Dynamic Modeling and Control of Chemical Process Systems", Computers Chem. Engng., 14 (4/5): 573 - 583. https://doi.org/10.1016/0098-1354(90)87028-N
Brajesh, K. J., Tambe, S. S. and Kulkarni, B. D., 1995. "Estimating Diffusion Coefficients of a Micellar System Using an Artificial Neural Network", J. Colloid & Interface Science, 170: 392 - 398. https://doi.org/10.1006/jcis.1995.1117
Camacho, O., 1996. "A New Approach to Design and Tune Sliding Mode Controllers for Chemical Processes", Ph.D. Dissertation, University of South Florida, Tampa.
Cherré, D., 1998. "Use of Artificial Neural Networks in Process Control", Master of Science Thesis, University of South Florida, Tampa.
Fendler, J. H. and Fendler, E. J., 1982. Membrane and Mimetic Chemistry, Wiley- Interscience, New York.
Fletcher, R., 1987. Practical Methods of Optimization, J. Wiley,
García, C. E., Pretti, D. M. and Morari, M., 1988. "Model Predictive Control: Theory and Practice a Survey", IFAC Workshop on Model Based Control, June.
Hagan, M.T. and Menhaj, M., 1994. "Training Feedforward Networks with the Marquadt Algorithm", IEEE Transactions on Neural Networks, 5 (6): 989 - 993. https://doi.org/10.1109/72.329697
Haykin, S., 1994. Neural Networks. A Comprehensive Foundation, Macmillan College Publishing Company, N.Y.
Martin, G., 1997. "Nonlinear Model Predictive Control with Integrated Steady State Model-Based Optimization", AICHE 1997 Spring National Meeting.
Ramesh, K., Tock, R. W. and Narayan, R. S., 1995. "Prediction of solvent Activity in Polymer Systems with Neural Networks", Ind. Eng. Chem. Res., 34: 3974 - 3980. https://doi.org/10.1021/ie00038a038
Rumelhart, D. E. and McClelland, J. L., 1986. "Parallel Distributed Processing: Explorations in the Microestructure of Cognition", MIT Press, Cambridge, MA, and London, England. https://doi.org/10.7551/mitpress/5236.001.0001
Savkovic-Stevanovic, J., 1994. "Neural Networks for Process Analysis and Optimization: Modeling and Applications", Computers Chem. Engng., 18 (11/12): 1149 - 1155. https://doi.org/10.1016/0098-1354(94)E004H-Z
Smith, C. A., and Corripio, A., 1997. Principles and Practice of Automatic Process Control, John Wiley & Sons, Inc., N. Y.
Te Braake, H. A. B., Van Can, H. J. L., Van Straten, G. and Verbruggen, H. B., 1997. "Two-step Approach in Training of Regulated Activation Weight Networks (RAWN)", Engng. Applic. Artif. Intell., 10 (2): 157-170. https://doi.org/10.1016/S0952-1976(97)00004-3
Thompson, W., 1996. "How Neural Network Modeling Methods Complement Those of Physical Modeling", NPRA Computer Conference.
Descargas
Derechos de autor 1998 Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
