مدلسازی ستون تقطیر با استفاده از ساختار مدل ARX و شبکه‌های عصبی مصنوعی

Abstract

فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می‌باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی‌باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت‌گیر و هزینه‌بر است. برای غلبه بر این مشکلات می‌توان از مدلهای تجربی نظیر شبکه‌های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه‌های عصبی این است که پیش‌بینی‌های آن تنها در محدوده اطلاعات شناسایی معتبر است. مدلسازی ستون تقطیر در مقالات مختلف توسط شبکه‌های بازگشتی انجام شده است. مدلهای بازگشتی برای منظور مدلسازی مناسب می‌باشند ولی پیچیدگی و هزینه محاسباتی آنها بالاست. هدف این مقاله پیشنهاد یک مدل ساده و معتبر برای ستون تقطیر است. مدل پیشنهادی از شبکه مستقیم استفاده می‌کند که در نتیجه پارامترهای کمتری داشته و زمان آموزش آن کمتر است. نتایج شبیه‌سازی نشان می‌دهد که پیش بینی‌های شبکه عصبی در تمام نواحی به خروجی‌های مدل واقعی نزدیکتر بوده و خطا قابل چشم پوشی می‌باشد. این نتیجه بیانگر این است که مدل در تمام نواحی معتبر است.