تشخیص خطا در برج تقطیر با استفاده از شبکه های عصبی

در سالیان اخیر توجه زیادی روی موضوع تشخیص خطا در واحدهای مختلف شیمیائی بوسیله روشهای مختلف شده است . که یکی از این روشها شبکه های عصبی می باشد که شامل سه مرحله، آموزش ، بازخوانی و عمومیت بخشیدن می باشد. در این مقاله با استفاده از شبکه های عصبی مصنوعی (network artificial neural) از نوع (rbf)radial basis function و (bp) backpropagation خطاهای ایجاد شده در برج تقطیر تشخیص داده می شود. جهت آموزش ابتدا لازم است مدل برج تقطیر بدست آمده و سپس با استفاده از داده های گرفته شده از آن، شبکه های عصبی را آموزش می دهیم که در اینجا برج تقطیر بصورت چند جزئی می باشد. جهت آموزش شبکه های عصبی گفته شده از مدل دینامیکی برج تقطیر دینامیک استفاده شده است . ده نوع خطا (fault) برای برج تقطیر تعریف شده است . تغییراتی در متغیرهای ورودی به برج بصورت 10 درصد و 5 درصد وارد نموده و تعداد 14 متغیر خروجی اندازه گیری می شود. از اطلاعات بدست آمده جهت آموزش شبکه های عصبی و تعیین فاکتورهای روانی استفاده شده است . شبکه عصبی دارای 14 گروه (node) ورودی و 10 گروه خروجی می باشد و تعداد گره لایه میانی قابل تنظیم می باشد. نتایج نشان می دهد که امکان پیش بینی خطا با دقت خوبی توسط شبکه عصبی وجود دارد. همچنین مقایسه نتایج نشان می دهد که زمان آموزش شبکه عصبی نوع rbf بسیار کمتر از شبکه عصبی bp می باشد در حالیکه دارای دقت بهتری می باشد.