Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/40941| Título: | Utilização de redes neurais artificiais para o controle de um reator do tipo CSTR |
| Título(s) alternativo(s): | Application of artificial neural networks for the control of a CSTR-type reactor |
| Autor(es): | Gomes, Allan Henrique Carvalho Lourenço Costa, Leonardo de Souza |
| Orientador(es): | Matos, Everton Moraes |
| Palavras-chave: | Redes neurais (Computação) Inteligência artificial Controladores PID Reatores químicos Controle de processos químicos Neural networks (Computer science) Artificial intelligence PID controllers Chemical reactors Chemical process control |
| Data do documento: | 3-Jul-2026 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | GOMES, Allan Henrique Carvalho Lourenço; COSTA, Leonardo de Souza. Utilização de redes neurais artificiais para o controle de um reator do tipo CSTR. 2026. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2026. |
| Resumo: | Os reatores contínuos de tanque agitado (CSTRs) apresentam desafios de controle devido à sua dinâmica não linear e à influência de perturbações operacionais. Neste trabalho, foi desenvolvida uma abordagem baseada em Redes Neurais Artificiais (RNAs) para a determinação dos parâmetros de sintonia de controladores PID aplicados a um reator CSTR. De início, foi implementado um modelo matemático do reator em ambiente Python, considerando os balanços de massa e energia da reação de saponificação do acetato de etila com hidróxido de sódio. Foram realizadas 100 simulações envolvendo perturbações dos tipos degrau, pulso e rampa, gerando uma base de dados a partir dos parâmetros PID otimizados pelo algoritmo Sequential Least Squares Programming (SLSQP). Esses dados foram utilizados para o treinamento de uma rede neural do tipo Perceptron Multicamadas (MLP), cuja arquitetura foi otimizada com o framework Optuna. O desempenho do modelo foi avaliado por meio do Erro Absoluto Médio (MAE) e de testes de validação em malha fechada. Os resultados mostraram que a rede neural foi capaz de prever os parâmetros de controle com elevada precisão, apresentando comportamento dinâmico semelhante ao obtido pelo método de otimização convencional. Dessa forma, o estudo evidencia o potencial das RNAs como ferramenta para automatização da sintonia de controladores em processos químicos complexos. |
| Abstract: | Continuous Stirred Tank Reactors (CSTRs) present significant control challenges due to their nonlinear dynamics and susceptibility to operational disturbances. In this study, an approach based on Artificial Neural Networks (ANNs) was developed to determine the tuning parameters of PID controllers applied to a CSTR. Initially, a mathematical model of the reactor was implemented in Python, considering the mass and energy balances of the saponification reaction between ethyl acetate and sodium hydroxide. A total of 100 simulations were performed using step, pulse, and ramp disturbances, generating a dataset based on PID parameters optimized through the Sequential Least Squares Programming (SLSQP) algorithm. These data were use to train a Multilayer Perceptron (MLP) neural network, whose architecture was optimized using the Optuna framework. Model performance was evaluated through the Mean Absolute Error (MAE) metric and closed-loop validation tests. The results showed that the neural network was able to predict the control parameters with hig accuracy, presenting dynamic behavior similar to that obtained by the conventional optimization method. Therefore, this study highlights the potential of ANNs as a tool for automating controller tuning in complex chemical processes. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/40941 |
| Aparece nas coleções: | PG - Engenharia Química |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| redesneuraiscontrolecstr.pdf | 751,69 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
