کنترل یک برج تقطیر با مدل خطی بهر وش فازی نوع- 2 بهینه سازی شده با الگوریتم ژنتیک
محورهای موضوعی : انرژی های تجدیدپذیر
عباس عسگری
1
(کارشناس ارشد، مرکز تحقیقات ریز شبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران)
غلامرضا عرب مارکده
2
(دانشیار - دانشکده فنی مهندسی، دانشگاه شهرکرد، شهرکرد، ایران)
عباس چترایی
3
(استادیار، مرکز تحقیقات ریز شبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران)
کلید واژه: الگوریتم ژنتیک, مدل خطی, برج تقطیر, کنترل غلظت, کنترلکننده فازی نوع- 2,
چکیده مقاله :
فرآیند تقطیر از فرآیندهای مهم در صنایع شیمیایی به شمار میرود و کاربرد وسیعی در این صنایع دارد. برج تقطیر به عنوان یک ابزارمحبوب نزد مهندسان شیمی به منظور جداسازی مواد مورد استفاده قرار میگیرد و متداولترین روش در جداسازی مواد میباشد. ثابت نگه داشتنغلظت محصولات در برج تقطیر از دیدگاه کنترلی بسیار مهم است. کنترل این فرآیندهای پیچیده نیاز به روشهای هوشمند دارد تا بتواند بر اساسرفتار سیستم، تصمیم مناسبی را برای کنترل آن اتخاذ کند. از میان روشهای هوشمند، سیستم فازی به دلیل کارآیی این روش در کنترل سیستمهایپیچیده در این تحقیق مورد استفاده قرار گرفته است. در این مقاله، یک کنترلکننده فازی نوع- 1 برای مدل خطی برج تقطیر طراحی شده است. درطراحی این کنترلکننده فازی، از الگوریتم ژنتیک ) GA ( برای بهینهسازی پاسخ، استفاده شده است. نشان داده شده است که کنترلکننده فازیعملکرد بهتری نسبت به کنترلکنندههای PI متداول دارد. سپس کنترلکننده فازی نوع- 2 جایگزین فازی نوع- 1 شده و نشان داده شده است کهعملکرد فازی- 2 از لحاظ مختلف، بهتر از فازی- 1 میباشد. در این تحقیق برای مدلسازی و پیادهسازی روشهای پیشنهادی از نرمافزارMATLAB/SIMULINK استفاده شده است.
The distillation process is important process in the chemical industry and has wide application in industry. Distillation tower is used by chemical engineers as a popular tool to separate materials and is the most common method for separating materials. Keeping constant the product composition in the distillation column is very important from control perspective. Control of these complicated processes need intelligent methods to adopt the appropriate decision for control based on the behavior of the system. Between intelligent methods, fuzzy technique has superior response in complex systems control and so is used in this study. In this article at first, a type-1fuzzy controller is designed for linear model of distillation tower. In design of this Fuzzy controller, genetic algorithm (GA) is used for optimization of fuzzy rules base. It has been shown that the fuzzy controller is better than conventional PI one. Then the type-1 fuzzy controller has been replaced with type-2 fuzzy controller and has been shown that the performance of type-2 is better than type-1 in various points of view. In this study, the MATLAB/SIMULINK software has been used for modeling and implementing the proposed methods.
[1] S. Skogestad, “Dynamics and control of distillation columns- A critical survey”, Modeling, Identification and Control, Vol. 18, No. 3, pp. 177-217, 1997.
[2] R.K. Wood, M.W. Berry, “Terminal composition control of a binary distillation column”, Chemical Engineering Sciences, Vol. 28, pp. 1707-1707, 1973.
[3]R. Irani, R. Nasimi, M. Shahbazian, “Approximate predictive control of a distillation column using an evolving artificial neural network coupled with a genetic algorithm”, Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, Vol. 37, No. 5, pp. 518-535, Feb. 2015.
[4]A. George, R.M. Francis, “Model reference adaptive control of binary distillation column composition using mit adaptive mechanism”, International Journal of Engineering Research and Technology, Vol. 4, No. 6, Jun. 2015.
[5]N. Sharma, K. Singh, “Model predictive control and neural network predictive control of tame reactive distillation column”, Chemical Engineering and Processing: Process Intensification, Vol. 59, pp. 9–21, Sep. 2012.
[6]P. Mishra, V. Kumar, K.P.S. Rana, “A fractional order fuzzy PID controller for binary distillation column control”, Expert Systems with Applications, Vol. 42, No. 22, pp. 8533-8549, Dec. 2015.
[7]U. Kapoor, A. Rani, V. Singh, J.R.P. Gupta, “Simulation and control of reactive distillation column”, Proceeding of the IEEE/IICPE, New Delhi, pp. 1-7, Jan. 2011.
[8]J. Mo-yi, M. Lei, “The application of fuzzy control in extractive distillation column”, Proceeding of the IEEE/ICACTE, Chengdu, Vol. 6, pp. 322-324, Aug. 2010.
[9]N.N. Mohammad, N. Kasuan, M.H.F. Rahiman, M.N. Taib, “Steam temperature control using fuzzy logic for steam distillation essential oil extraction process”, Proceeding of the IEEE/ICSGRC, Shah Alam, pp. 53-58, Jun. 2011.
[10]A.K. Singh, B. Tyagi, V. Kumar, “Comparative performance analysis of fuzzy logic controller for the composition control of binary distillation column,” Proceeding of the IEEE/RAICS, Trivandrum, pp. 515-519, Sep. 2011.
[11] M. Mehrpoya, A. Vatani, S. hejazi, “Non-linear control of a distillation column using fuzzy logic and PSO optimization method”, Proceeding of the IEEE/IntelliSys, pp.1-5,17-18, Sep. 2013.
[12] S. Javahernia, F. Masoudinia. "A new approach based on fuzzy inference system to control the product distillation column,"Journal of Current Research in Science,Vol. S (1), pp. 963-972, 2016.
[13] A. Vasičkaninová, M. Bakošová, A. Mészáros, "Fuzzy control of a distillation column", Proceeding of the ESCAPE, Vol. 26, pp. 1299–1304, June 2016.
[14]M. Miccio, B. Cosenza, "Control of adistillation column by type-2 and type-1 fuzzy logic PID controllers", Journal of Process Control, Vol. 24, No. 5, pp. 475-484, 2014.
[15]L.X.Wang, “A course in fuzzy systems and control”, Prentice-Hall international Inc., 1997.
[16] J.M.Mendel, " Type-2 fuzzy sets and systems: An overview", IEEE Computational Intelligence Magazine,Vol. 2, No. 1, pp. 20-29, 2007.
[17] H. Hani, C. Wagner, "Introduction to interval type-2 fuzzy logic controllers-towards better uncertainty handling in real world applications", IEEE Systems, Man and Cyberneticse Newsletter 27, 2009.
[18] S.N. Sivanandam, S.N. Deepa,”Introduction to genetic algorithms”, Springer Berlin Heidelberg, 2008.
[19] K.J. Astrom, K.H. Johansson, Wang Q.G., “Design of decoupled PI controllers for two-by-two systems”, IEEE Proc. on Control Theory and Applications, Vol. 149, No. 1, pp. 74-81, Jan. 2002.
[20] L. Zhang, X. Song, Y. Wu, “Theory, methodology, tools and applications for modeling and simulation of complex systems”, Proceeding of the AsiaSim/SCS AutumnSim, Beijing, China, Oct. 2016.
_||_