Metodología para la jerarquización de parámetros en un MSBF

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...

Full description

Autores:
Lopez Restrepo, Santiago
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/59330
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/59330
http://bdigital.unal.edu.co/56743/
Palabra clave:
62 Ingeniería y operaciones afines / Engineering
66 Ingeniería química y Tecnologías relacionadas/ Chemical engineering
Matriz de Hankel
Identificación paramétrica
metodología de jerarquización
Modelo Semifísico de base fenomenológica
Hankel Matrix
Parametric identification
Hierarchical methodology
Phenomenological Based Semiphysical Model.
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary: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.