10007

بررسي كاربرد انواع روش هاي يادگيري ماشين در شبيه سازي برج هاي تقطير

1400

دكتر نوراله كثيري

دكتر جواد ايوكپور

طراحي مناسب، كنترل اتوماتيك و بهينه‌سازي از جمله مواردي هستند كه به صورت گسترده از روش‌هاي مختلف شبيه‌سازي استفاده مي‌نمايند و به طور گسترده‌اي در بهبود كارايي و ايمني فرآيند اثربخش بوده‌اند. با توسعه كامپيوترها و فناوري‌هاي هوش مصنوعي، شبيه‌سازي فرآيند تقطير مبتني بر كامپيوتر به طور قابل توجهي توسعه يافته است، كه شامل روش‌هاي مختلفي مانند روش‌هاي دانش‌محور مبتني بر محاسبات رياضي و روش‌هاي داده‌محورند. روش‌هاي دانش‌محور اغلب بر مبناي محاسبات پيچيده بوده و شامل فرضيات ساده‌شونده مي‌باشند و زمان محاسباتي بالايي جهت رسيدن به دقت قابل قبول دارند. روش‌هاي داده‌محور نيازي به دانش پيچيده در مورد مكانيزم‌ها و يا مدل‌هاي رياضي حاكم بر فرآيندهاي فيزيكي و شيميايي ندارند با اين حال بر مبناي يادگيري بر اساس حجم قابل توجهي از داده‌ها استوار مي‌باشند. يادگيري ماشين يكي از مهم‌ترين رويكردها جهت مدل‌سازي داده محور است كه امروزه در صنعت فرآيند مورد استفاده قرار مي‌گيرد. يادگيري ماشين داراي مزاياي قابل توجهي از جمله انعطاف‌پذيري، دقت و سرعت اجرا نسبت به تكنيك‌هاي مدل‌سازي سنتي است. اين ويژگي‌ها باعث استفاده از يادگيري ماشين در كاربردهاي آنلاين مانند نظارت بر فرآيند، تشخيص خطا و كنترل آنلاين و كاربردهاي ديگر مانند طراحي سنسورهاي نرم جهت تخمين كيفيت و پيش‌بيني شاخص‌هاي كليدي فرآيند مي‌شود. الگوريتم‌هاي يادگيري ماشين به چهار دسته يادگيري تحت نظارت، بدون نظارت، نيمه نظارتي و تقويتي تقسيم مي‌شوند. بررسي مطالعات اخير نشان داد كه بيشتر كاربردها متعلق به دو دسته اول بوده و مطالعات زيادي در اين حوزه به بررسي كاربرد يادگيري نيمه نظارتي و تقويتي علي رغم نكات قوت اين روش‌ها، نپرداخته‌اند. در اين مطالعه به بررسي داده‌كاوي در صنعت فرآيند از منظر يادگيري ماشين پرداخته شده و سعي بر اين بوده كه مهم‌ترين الگوريتم‌هاي يادگيري ماشين در صنعت فرآيند را با نگاهي كاربردمحور در شبيه‌سازي برج‌هاي تقطير بررسي كنيم.

11/8/2021 12:00:00 AM

72866

1400/08/20

Investigating on the application of various machine learning methods in the simulation of distillation columns

يادگيري ماشين , شبيه سازي , بهينه سازي , برج تقطير , كنترل فرايند , تخمين كيفيت

Machine learning , simulation , optimization , distillation column , process control , quality estimation