สืบค้นงานวิจัย
การสร้างแบบจำลองและการควบคุมกระบวนการกลั่นแบบกะโดยใช้ข่ายงานนิวรัล
Arbhawadee Deachalamai - จุฬาลงกรณ์มหาวิทยาลัย
ชื่อเรื่อง: การสร้างแบบจำลองและการควบคุมกระบวนการกลั่นแบบกะโดยใช้ข่ายงานนิวรัล
ชื่อเรื่อง (EN): Modeling and control of batch distillation process by neural network approach
ผู้แต่ง / หัวหน้าโครงการ (EN): Arbhawadee Deachalamai
บทคัดย่อ: กระบวนการกลั่นแบบกะซึ่งเป็นกระบวนการแยกแบบหนึ่งที่ถูกใช้ในหลายอุตสาหกรรม โดยเฉพาะอุตสาหกรรมการผลิตอาหาร ยา และสารเคมี นั้นมีพฤติกรรมที่ซับซ้อน และไม่เป็นเชิงเส้น ดังนั้นจึงเป็นประเด็นที่น่าสนใจในการหาแบบจำลองที่มีความน่าเชื่อถือ และระบบควบคุมที่เหมาะสม ในงานวิจัยนี้ ได้นำข่ายงานนิวรัลชนิดป้อนไปข้างหน้าแบบโครงสร้างหลายชั้นมาประยุกต์ใช้สำหรับ การหาแบบจำลอง และการควบคุมกระบวนการกลั่นแบบกะ โดยงานวิจัยนี้แบ่ง ออกเป็นสองส่วนคือ การประยุกต์ใช้เพื่อจำลองพฤติกรรมของกระบวนการ และการประยุกต์ใช้สำหรับระบบควบคุม ในส่วนแรกพบว่าข่ายงานนิวรัลแบบโครงสร้างที่มีชั้นซ่อนสองชั้นสามารถแทนพฤติกรรม ของกระบวนการได้ดีกว่าข่ายงานที่มีโครงสร้างชั้นซ่อนหนึ่งชั้น อีกส่วนเป็นการสร้างตัวควบคุมแบบ โมเดลพรีดิกทีฟโดยอาศัยแบบจำลองจากการฝึกข่ายงานนิวรัลเพื่อควบคุมส่วนประกอบของ ไซโคลเฮกเซน ที่ยอดหอ พบว่าตัวควบคุมให้ผลการตอบสนองที่ดีสำหรับการควบคุมเพื่อตามรอยของ ส่วนประกอบของไซโคลเฮกเซน ซึ่งได้มาจากการจำลองกระบวนการกลั่นแบบกะภายใต้เงื่อนไขของ อัตราการป้อนกลับออพติมอล นอกจากนี้ ตัวควบคุมให้ความสามารถของการทนทานในการตามรอย ภายใต้ความผิดพลาดของกระบวนการหรือแบบจำลอง
บทคัดย่อ (EN): Batch distillation, one of separation processes used in many industries, especially food, pharmaceuticals, and fine chemicals, is inherently complex and nonlinear dynamic behavior and is therefore very attractive issues in determining reliable models and appropriate control systems. In this work, a multilayer feedforward neural network is applied for modeling and control of a batch distillation process. This work is divided into two sections: system modeling, and control system applications. In the first one, it can be seen that the network with two hidden layers is able to represent the process behavior better than that with only one layer. In the other one, a model predictive controller based on neural network models is formulated to control the cyclohexane composition at the top plate. It can be seen that the controller provides good control response for tracking the cyclohexane composition determined by an optimization approach of batch distillation process under an optimal reflux ratio condition. Moreover, the controller gives robust tracking capability under plant/model mismatch.
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เผยแพร่โดย: จุฬาลงกรณ์มหาวิทยาลัย
คำสำคัญ (EN): Distillation
เจ้าของลิขสิทธิ์: Chulalongkorn University
รายละเอียด: กระบวนการกลั่นแบบกะซึ่งเป็นกระบวนการแยกแบบหนึ่งที่ถูกใช้ในหลายอุตสาหกรรม โดยเฉพาะอุตสาหกรรมการผลิตอาหาร ยา และสารเคมี นั้นมีพฤติกรรมที่ซับซ้อน และไม่เป็นเชิงเส้น ดังนั้นจึงเป็นประเด็นที่น่าสนใจในการหาแบบจำลองที่มีความน่าเชื่อถือ และระบบควบคุมที่เหมาะสม ในงานวิจัยนี้ ได้นำข่ายงานนิวรัลชนิดป้อนไปข้างหน้าแบบโครงสร้างหลายชั้นมาประยุกต์ใช้สำหรับ การหาแบบจำลอง และการควบคุมกระบวนการกลั่นแบบกะ โดยงานวิจัยนี้แบ่ง ออกเป็นสองส่วนคือ การประยุกต์ใช้เพื่อจำลองพฤติกรรมของกระบวนการ และการประยุกต์ใช้สำหรับระบบควบคุม ในส่วนแรกพบว่าข่ายงานนิวรัลแบบโครงสร้างที่มีชั้นซ่อนสองชั้นสามารถแทนพฤติกรรม ของกระบวนการได้ดีกว่าข่ายงานที่มีโครงสร้างชั้นซ่อนหนึ่งชั้น อีกส่วนเป็นการสร้างตัวควบคุมแบบ โมเดลพรีดิกทีฟโดยอาศัยแบบจำลองจากการฝึกข่ายงานนิวรัลเพื่อควบคุมส่วนประกอบของ ไซโคลเฮกเซน ที่ยอดหอ พบว่าตัวควบคุมให้ผลการตอบสนองที่ดีสำหรับการควบคุมเพื่อตามรอยของ ส่วนประกอบของไซโคลเฮกเซน ซึ่งได้มาจากการจำลองกระบวนการกลั่นแบบกะภายใต้เงื่อนไขของ อัตราการป้อนกลับออพติมอล นอกจากนี้ ตัวควบคุมให้ความสามารถของการทนทานในการตามรอย ภายใต้ความผิดพลาดของกระบวนการหรือแบบจำลอง
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

Arbhawadee Deachalamai. "การสร้างแบบจำลองและการควบคุมกระบวนการกลั่นแบบกะโดยใช้ข่ายงานนิวรัลModeling and control of batch distillation process by neural network approach". จุฬาลงกรณ์มหาวิทยาลัย. 2549

Arbhawadee Deachalamai. "การสร้างแบบจำลองและการควบคุมกระบวนการกลั่นแบบกะโดยใช้ข่ายงานนิวรัลModeling and control of batch distillation process by neural network approach". จุฬาลงกรณ์มหาวิทยาลัย. 2549. Print.



TARR Wordcloud:
การสร้างแบบจำลองและการควบคุมกระบวนการกลั่นแบบกะโดยใช้ข่ายงานนิวรัล
Arbhawadee Deachalamai
จุฬาลงกรณ์มหาวิทยาลัย
2549
การพัฒนาแบบจำลองทางคณิตศาาสตร์เพื่อใช้ในการควบคุมถังปฏิกรณ์ไร้อากาศแบบลูกผสม การประยุกต์ใช้งาน PLC ในการควบคุมกระบวนการผลิตเครื่องดื่ม การประยุกต์ใช้ระบบภูมิสารสนเทศและแบบจำลองเพื่อการคาดการณ์การเปลี่ยนแปลงการใช้ที่ดิน จังหวัดน่าน การกำหนดหาแบบจำลองการสร้างนวัตกรรมสำหรับวิสาหกิจขนาดกลางและขนาดย่อมโดยใช้วิศวกรรมความรู้ การศึกษาเพื่อเพิ่มประสิทธิภาพการผลิตในกระบวนการตีขึ้นรูปร้อนชิ้นงานโดยใช้ระเบียบวิธีทางไฟไนต์วอลุ่ม การประยุกต์ใช้กระบวนการเยื่อแผ่นสังเคราะห์กับการนำเลือดเหลือทิ้งจากโรงฆ่าสัตว์มาใช้ประโยชน์ การประยุกต์ใช้เทคนิค FMEA ในการปรับปรุงกระบวนการออกแบบและพัฒนาแม่พิมพ์ขึ้นรูปแก้วที่ใช้บนโต๊ะอาหาร การสร้างแบบจำลองและควบคุมเครื่องทำระเหยน้ำสับปะรด การสร้างระบบบำบัดน้ำทิ้งต้นทุนต่ำสำหรับใช้ในครัวเรือน การพยากรณ์ราคายางพาราโดยใช้โครงข่ายประสาทเทียม
คัดลอก URL
กระทู้ของฉัน
ผลการสืบค้นทั้งหมด โพสต์     เรียงลำดับจาก
พัฒนาระบบโดยศูนย์ความรู้เฉพาะด้านวิศวกรรมความรู้และวิศวกรรมภาษาDeveloped by Center of Excellence for Unified Knowledge and Language Engineering
สนับสนุนโดยสำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)Supported by the Agricultural Research Development Agency (Public Organization)
แบบสำรวจความพึงพอใจQuestionair