Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/7448
Title: Identificação de modelos de nível para uma planta didática SMAR PD3-F.
Authors: Félix, Rafael Ferreira
metadata.dc.contributor.advisor: Eras Herrera, Wendy Yadira
metadata.dc.contributor.referee: Eras Herrera, Wendy Yadira
Bastos, Renan Fernandes
Keywords: Indústria - planta didática
Indústrias - processos - medidas de segurança
Modelos lineares - estatística
Modelos matemáticos
Processos - desempenho
Issue Date: 2024
Citation: FÉLIX, Rafael Ferreira. Identificação de modelos de nível para uma planta didática SMAR PD3-F. 2024. 57 f. Monografia (Graduação em Engenharia Elétrica) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2024.
Abstract: O setor industrial apresenta diversas variáveis de processos de extrema importância que devem ser medidas e monitoradas, visto que estas estão diretamente relacionadas ao desempenho e segurança de processos. Visando aproximar alunos e docentes dos processos industriais, a SMAR Technology Company e outras empresas desenvolveram plantas didáticas que possuem a capacidade de simular processos industriais permitindo o estudo do comportamento de algumas variáveis de processos, como nível, temperatura, pressão, entre outras. Por meio da modelagem matemática é possível obter modelos matemáticos que descrevam a dinâmica destas variáveis de processos, permitindo compreender e avaliar o comportamento da variável estudada. Neste trabalho, investiga-se o problema de modelagem matemática para descrever a dinâmica da variável de nível da planta didática SMAR PD3-F. A metodologia proposta utiliza técnicas de identificação de sistema para modelos do tipo caixa preta. Os ensaios foram realizados utilizando a planta didática SMAR PD3-F. A partir de uma dada configuração da planta didática são coletados dados referentes ao sinal de entrada, a vazão de entrada, e o sinal de saída, o nível no tanque de aquecimento, A partir de ensaios experimentais, são obtidos modelos lineares ARX e não lineares NARX para representar a variável de nível da planta. Os resultados obtidos sugerem que o modelo NARX apresenta o melhor desempenho em descrever a dinâmica da variável de nível da planta didática, alcançando valores do índice RMSE de 0,197, enquanto, o modelo ARX apresenta um desempenho muito próximo, possuindo o índice RMSE de 0,216. Dessa forma, conclui-se que o processo de identificação de sistemas é um método promissor para obter de modelos lineares e não lineares que descrevam a dinâmica das variáveis envolvidas nos processos industriais.
metadata.dc.description.abstracten: The industrial sector involves several critical process variables that must be measured and monitored, as they are directly related to process performance and safety. To bring students and faculty closer to industrial processes, SMAR Technology Company and other companies have developed educational plants capable of simulating industrial processes, allowing the study of the behavior of certain process variables, such as level, temperature, and pressure. Through mathematical modeling, it is possible to obtain mathematical models that describe the dynamics of these process variables, allowing to understand and evaluate the behavior of the studied variable. This study investigates the mathematical modeling problem to describe the dynamics of the level variable in the SMAR PD3-F educational plant. The proposed methodology uses system identification techniques for black-box models. The experiments were conducted using the SMAR PD3-F educational plant. Based on a given configuration of the educational plant, data were collected regarding the input signal (input flow rate) and the output signal (level in the heating tank). From experimental tests, linear ARX and non-linear NARX models were obtained to represent the level variable of the plant. The results suggest that the NARX model performed best in describing the dynamics of the level variable in the educational plant, achieving an RMSE (Root Mean Square Error) of 0.197, while the ARX model showed very close performance with an RMSE of 0.216. Thus, it is concluded that system identification is a promising method for obtaining linear and non-linear models that describe the dynamics of variables involved in industrial processes.
URI: http://www.monografias.ufop.br/handle/35400000/7448
metadata.dc.rights.license: Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1).
Appears in Collections:Engenharia Elétrica - JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_IdentificaçãoModelosNível.pdf2,79 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.