Contribuição para a modelização, supervisão e controlo de sistemas multivariáveis não lineares por redes neuronais com aplicação a um forno de cal

Abstract

Nesta Tese apresentamos um contributo para o estudo do comportamento dinâmico dum forno rotativo de cal, para a sua identificação e controlo, e para a monitorização e diagnóstico das condições de operação. Numa primeira fase, desenvolvemos um modelo matemático de parâmetros distribuídos do processo e, numa segunda fase, utilizamos uma abordagem por redes neuronais para a sua modelização, controlo multivariável e diagnóstico industrial. O forno rotativo de cal é essencial para o sistema de caustificação do processo kraft da indústria de pasta de papel, no caso particular, o centro fabril da Portucel de Viana do Castelo. É um processo multivariável, fortemente não linear, com tempos de atraso e está, muitas vezes, sob a influência de perturbações externas ou processuais. Quer por razões económicas e de qualidade do produto, quer por razões de protecção ambiental, as condições de operação do forno devem ser controladas, por forma a que o correcto perfil de temperaturas dentro do forno seja obtido e estabilizado. Os objectivos do seu controlo são, por um lado, a obtenção de cal de elevada qualidade, com tamanho de partículas uniforme e consistente, e, por outro lado, a manutenção da regularidade da produção, devendo ser possível compensar as perturbações do processo, sem necessidade de atenção por parte do operador. Para atingir estes objectivos, a estratégia de controlo utilizada manipula o caudal de fuel para controlar a temperatura dos sólidos na zona de queima e o caudal de gases de exaustão para controlar a temperatura dos gases à saída. A estratégia de controlo adoptada utiliza redes neuronais para modelizar não só o processo, mas também a sua inversa, numa estrutura conhecida por controlo por modelo interno, IMC (Internal Model Control), que apresenta boas características de robustez e de estabilidade. Na impossibilidade de experimentação no processo real, estudamos o comportamento dinâmico do forno e efectuamos a sua simulação computacional. Para isso, desenvolvemos um modelo matemático às derivadas parciais com condições de fronteira repartidas por ambas as extremidades que resolvemos por dois métodos numéricos: colocação ortogonal em elementos finitos e diferenças finitas. Neste trabalho estudamos duas arquitecturas de redes neuronais, considerando várias topologias e algoritmos de treino. Comparamos os desempenhos das redes utilizadas, com base em critérios de erro, visando seleccionar as redes adequadas para os modelos directo e inverso. Apresentamos os resultados de identificação do forno, bem como do controlo não linear, e é demonstrado que o neurocontrolador funciona bem nos casos práticos testados. A monitorização das condições de operação e o diagnóstico de anomalias foram realizados, recorrendo a uma rede neuronal que foi treinada de modo a reconhecer padrões de entrada correspondentes a situações de anomalia no forno. A rede pode ainda reconhecer falhas múltiplas e generalizar, podendo vir a constituir um excelente apoio, em tempo real, ao operador, na condução do funcionamento deste processo industrial.