Modelado y simulación de la destilación del Terc-butanol para la predicción de la composición de los productos mediante Redes Neuronales Artificiales
El objetivo del presente trabajo fue desarrollar un modelo basado en Redes Neuronales Artificiales (RNA) para la predicción de la composición de los productos del proceso de destilación de la mezcla azeotrópica terbutanol y agua. El método de separación fue la destilación azeotrópica heterogénea usa...
محفوظ في:
| المؤلف الرئيسي: | |
|---|---|
| التنسيق: | bachelorThesis |
| اللغة: | spa |
| منشور في: |
2021
|
| الموضوعات: | |
| الوصول للمادة أونلاين: | https://dspace.espoch.edu.ec/handle/123456789/14886 |
| الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
إضافة وسم | الملخص: | El objetivo del presente trabajo fue desarrollar un modelo basado en Redes Neuronales Artificiales (RNA) para la predicción de la composición de los productos del proceso de destilación de la mezcla azeotrópica terbutanol y agua. El método de separación fue la destilación azeotrópica heterogénea usando como agente de separación al Ciclohexano. Para realizar la simulación se usó el simulador de procesos DWSIM, desarrollando una función de análisis de sensibilidad codificada en Python. Esta función permite obtener resultados de la simulación variando aleatoriamente los parámetros de entrada: flujo molar de alimentación, fracción molar de terbutanol en la alimentación, temperatura de la alimentación y el flujo molar del agente azeotrópico. Los resultados se tabularon y usaron como datos para el proceso de entrenamiento de la Red de Neuronas Artificiales, conformados por 4 entradas y 10 salidas. Las RNA fue desarrollada en MATLAB con la herramienta Neural Network Fitting y probada con un segundo grupo de datos generados con el simulador. El resultado fue comparado y validado usando el test ANOVA de una vía para datos independientes. El valor del coeficiente de correlación lineal para las predicciones fue de 0.9599 con un 95% de confianza. Los resultados del test ANOVA muestran que no existe diferencia significativa entre los resultados obtenidos del simulador y los obtenidos de la RNA, para todas las salidas estudiadas. La estructura feedfoward de la RNA está conformada por 25 nodos en las capas ocultas y 10 en la capa de salida, usando un algoritmo de aprendizaje de tipo backpropagation. Se recomienda la aplicación de otras estructuras de RNA, así como de algoritmos de aprendizaje, para extender el estudio del proceso de separación de terbutanol-agua. |
|---|