Busca avançada
Ano de início
Entree

Desenvolvimento de modelo neural direto para o processo de precipitação da bromelina

Processo: 08/04290-5
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de agosto de 2008
Vigência (Término): 31 de julho de 2009
Área do conhecimento:Engenharias - Engenharia Química - Operações Industriais e Equipamentos para Engenharia Química
Pesquisador responsável:Ana Maria Frattini Fileti
Beneficiário:Márcia Regina Granado Sanzovo
Instituição-sede: Faculdade de Engenharia Química (FEQ). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Assunto(s):Controle de processos   Redes neurais (computação)   Lógica fuzzy   Enzimas proteolíticas   Bromelaínas

Resumo

O aumento da complexidade dos processos, bem como as exigências em relação à qualidade do produto final e segurança operacional, incitaram o desenvolvimento de técnicas de modelagem e controle avançados, uma vez que as ferramentas utilizadas não supriam as necessidades dos processos. Controladores inteligentes, com base em Redes Neurais Artificiais e Lógica Fuzzy, vêm sendo estudados e empregados em sistemas cujo comportamento é essencialmente não-linear. A habilidade desses controladores em captar não-linearidades é responsável pelo emprego dos mesmos em processos químicos operando em regime batelada. A bromelina, enzima proteolítica encontrada no abacaxi, apresenta grande importância econômica devido a sua grande utilização nas indústrias alimentícia e farmacêutica. A extração dessa enzima pode ser feita através da precipitação com etanol a frio, em um reator operando em batelada alimentada, desde que haja controle da temperatura para evitar a desnaturação da proteína. Sendo esse processo de característica transiente e não-linear, controladores clássicos do tipo PID não funcionariam adequadamente.Assim, o presente trabalho visa o desenvolvimento e a validação de um modelo neural estacionário para predição da temperatura do processo de precipitação da enzima bromelina. A partir de dados experimentais obtidos do processo, será realizado o treinamento da rede neural através do software MATLAB, gerando um modelo que representará o processo. A implementação online desse modelo e a análise dos resultados permitirão avaliar a qualidade do modelo desenvolvido, visando futura utilização em algoritmo de controle preditivo com modelo não-linear. (AU)