Controle Preditivo baseado em Redes Neurais Artificiais aplicado em um Processo Experimental de Flotação por Ar Dissolvido

• Processo: 23/06044-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2023
• Data de Término da vigência: 31 de julho de 2024
• Área de conhecimento: Engenharias - Engenharia Química - Processos Industriais de Engenharia Química
• Pesquisador responsável: Flávio Vasconcelos da Silva
• Beneficiário: Vinicius Mello e Muller
• Instituição Sede: Faculdade de Engenharia Química (FEQ). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Controle preditivo Sistema de flotação por ar dissolvido Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Controle de Turbidez | Controle Preditivo | Flotação por ar dissolvido | Redes Neurais Artificiais | Controle de Processos Industriais

Resumo

A turbidez é um dos muitos fatores que afetam a qualidade da água potável e, embora o uso de filtros convencionais possa melhorar a condição da água, requer muito fluido de lavagem para os processos, tornando-os pouco econômicos. Por essa razão, a flotação por ar dissolvido se apresenta como uma etapa precedente na redução da turbidez da água. Ele o faz injetando bolhas de ar geradas a partir de uma solução supersaturada de ar pressurizado, que chegam e entram em contato com o sólido contaminante, causando uma diminuição da densidade aparente dessas partículas pela formação de um aglomerado partícula/microbolhas. O desempenho do equipamento pode ser avaliado considerando padrões ambientais, a SABESP recomenda que a turbidez para tratamento de água potável não ultrapasse 5 NTU, portanto é plausível adotar uma estratégia de rastreamento de setpoint considerando estabilidade, desvio do setpoint e esforço de controle como métricas. Entretanto, não é fácil determinar as relações entre as variáveis envolvidas no processo, e muitos modelos matemáticos dependem de fortes aproximações que podem diferir do processo real. Com isso, é possível identificar o sistema e desenvolver uma estratégia de controle baseada em redes neurais artificiais e sua capacidade de capturar relações não lineares entre as variáveis e utilizar controle preditivo para garantir sistematicamente que não haja violação das restrições do sistema e fornecer estabilidade sob um sistema não linear.