Desarrollo de un sistema de control inteligente basado en redes neuronales multilayer perceptron para la aplicación en un gasificador de lecho fijo

Las consecuencias del uso desmedido de los combustibles fósiles y la disposición final de los residuos sólidos generan afectaciones ambientales, incentivado la búsqueda de alternativas amigables al medio ambiente para la generación de energía. La gasificación es una de las tecnologías en desarrollo...

Full description

Autores:: Hernandez Lopez, Wilson David

Tipo de recurso:

Fecha de publicación:: 2019

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

Description
Summary:	Las consecuencias del uso desmedido de los combustibles fósiles y la disposición final de los residuos sólidos generan afectaciones ambientales, incentivado la búsqueda de alternativas amigables al medio ambiente para la generación de energía. La gasificación es una de las tecnologías en desarrollo que aborda lo anteriormente dicho, este proceso termoquímico es de gran importancia para realizar estudios paramétricos y de automatización, con el fin de mejorar las características del mismo, optimizar el uso de la biomasa y obtener un gas de síntesis de alto contenido de monóxido de carbono. Este proyecto modela una red neuronal tipo multilayer perceptron como estrategia de control inteligente para un reactor de corriente descendente de lecho fijo presente en la Universidad Nacional de Colombia para minimizar el impacto de la generación de alquitranes y la inestabilidad del proceso. La aplicación de las redes neuronales es muy amplia, pero el uso de las mismas en los procesos termoquímicos es una implementación novedosa en este tipo de tecnologías donde es de gran importancia la composición del gas de síntesis. En el proyecto se elabora un software de adquisición de datos para modelar las redes neuronales como estrategia de control inteligente -THERMOBIND- para el análisis de los parámetros de operación del reactor y predecir el comportamiento de los actuadores en función de la concentración del CO y CO2 del gas de síntesis. En la red neuronal se utilizan parámetros de temperatura de combustión, CO, CO2, pérdida de masa, contenido de Carbono contenido de humedad de la biomasa. La arquitectura de la red está basada en multilayer perceptron, para la capa de salida los parámetros de predicción fueron la temperatura de combustión (feedback), caudal de aire y presión de vacío, se encontró que la salida de la red neuronal modelada tiene una capacidad de predicción del 99%,97% y 95% respectivamente, optimizando la fase estable de la gasificación. Los resultados muestran que las redes neuronales como estrategias de control son una gran alternativa para la predicción de los actuadores del reactor, con la aplicación de dicha estrategia se logra generar un gas de síntesis con un 25% de CO.

Desarrollo de un sistema de control inteligente basado en redes neuronales multilayer perceptron para la aplicación en un gasificador de lecho fijo

Publicaciones similares