31697

طراحي و شبيه سازي كنترل پيش بين مدل اقتصادي براي راكتور CSTR

كارشناسي ارشد

مهندسي برق-كنترل

1400

1403/07/08

دكتر سيد مجيد اسماعيل زاده

-

برق

بهينه‌سازي عملكرد سيستم‌هاي صنعتي و فرآيندهاي پويا با هدف دستيابي به حداكثر بهره‌وري اقتصادي، همواره از دغدغه‌هاي اصلي محققان و صنعتگران بوده است. در اين پژوهش، با هدف افزايش بهره‌وري اقتصادي در فرآيندهاي صنعتي، يك كنترل‌كننده پيش‌بين مدل اقتصادي مبتني بر لياپانوف براي راكتور همزن‌دار پيوسته طراحي شده است. براي بهبود دقت مدل‌سازي و پيش‌بيني رفتار سيستم، از شبكه‌هاي عصبي بازگشتي بلندمدت دوطرفه استفاده شده است. اين مدل قادر است وابستگي‌هاي زماني داده‌ها را به خوبي درك كند و پيش‌بيني‌هاي دقيق از رفتار آينده سيستم ارائه دهد. سپس، با استفاده از الگوريتم ژنتيك، پارامترهاي شبكه عصبي بهينه‌سازي شده‌اند تا دقت مدل به بالاترين حد ممكن برسد. نتايج شبيه‌سازي نشان مي‌دهد كه كنترل‌كننده پيشنهادي عملكرد بسيار خوبي در بهبود عملكرد اقتصادي راكتور و حفظ پايداري سيستم در شرايط مختلف عملياتي دارد. نوآوري اصلي اين پژوهش، استفاده همزمان از شبكه‌هاي عصبي بازگشتي بلندمدت دوطرفه و الگوريتم ژنتيك براي بهبود دقت پيش‌بيني و كاهش پيچيدگي محاسباتي است. همچنين اين كنترل‌كننده، پتانسيل بالايي براي كاربرد در صنايع مختلف، به ويژه در فرآيندهاي شيميايي، دارد.

1403/09/14

Design and simulation of an economic model predictive controller for Continuous Stirred-Tank Reactor

1/1/1900 12:00:00 AM

Optimizing the performance of industrial systems and dynamic processes with the goal of achieving maximum economic efficiency has always been a major concern for researchers and industrialists. In this research, with the aim of increasing economic efficiency in industrial processes, a lyapunov economic model predictive control(LEMPC) has been designed for a continuous stirred-tank reactor(CSTR). To improve modeling accuracy and prediction of system behavior, bidirectional long short-term memory(BiLSTM) neural networks have been used. This model is capable of understanding the temporal dependencies of data well and providing accurate predictions of future system behavior. Then, using the genetic algorithm, the parameters of the neural network have been optimized to achieve the highest possible model accuracy. Simulation results show that the proposed controller has a very good performance in improving the economic performance of the reactor and maintaining system stability under various operating conditions. The main innovation of this research is the simultaneous use of bidirectional long short-term memory(BiLSTM) neural networks and the genetic algorithm to improve prediction accuracy and reduce computational complexity. This controller has high potential for application in various industries, especially in chemical processes.

كنترل پيش بين مدل اقتصادي مبتني بر لياپانوف , راكتور همزن دار پيوسته , شبكه عصبي بازگشتي بلند مدت دوطرفه , الگوريتم ژنتيك , بهينه سازي

Lyapunov economic model predictive control , Continuous stirred tank reactor , Bidirectional long short-term memory , Genetic algorithm , Optimization

Tahereh Keramati Nasab

Dr. Seyyed Majid Esmaeilzadeh