Uso de redes neuronales artificiales para estimar el perfil de temperatura en un reactor de lecho fijo

Abstract

Las redes neuronales artificiales son un conjunto de técnicas que permiten a las computadoras aprender y ser capaces de generalizar comportamientos a partir de información suministrada en forma de ejemplos, utilizando modelos matemáticos recreados mediante mecanismos artificiales que permiten mayor exactitud en los resultados aunque la naturaleza de los problemas sea no lineal como sucede en la oxidación de o-xileno. En este proyecto las redes neuronales artificiales se emplean para emular el perfil de temperatura de un reactor de lecho fijo para oxidación catalítica de o-xileno a diferentes condiciones de operación (temperatura inicial, velocidad superficial y concentración total del alimento) utilizando el programa Femlab para generar los datos a utilizar en el entrenamiento y la simulación de las redes. Para esto primero se abordó el problema estableciendo las variables del proceso, los rangos de trabajo de éstas y el tamaño de las matrices de entrada y salida de las redes neuronales, luego se creó una red neuronal capaz de emular el comportamiento del perfil de temperatura del reactor. Se determinó la existencia del punto caliente que se genera en el reactor por la reacción altamente exotérmica y se crearon cinco redes neuronales: la primera para la reacción sin punto caliente, la segunda para hallar la temperatura máxima del interior del reactor y las tres restantes especializadas en la posición y el tamaño del punto caliente dentro del reactor. Las arquitecturas elegidas para el entrenamiento de las redes neuronales permitieron lograr buenos resultados y sólo fueron necesarias pocas neuronas.