Los sistemas de control emplean sensores para observar el estado del proceso y tomar decisiones. En ocasiones, se necesita estimar las variables del proceso pues el sensor adecuado no existe, es prohibitivamente costoso o las mediciones son difíciles de realizar. Una solución consiste en inferir las variables no medidas a partir de otras variables mediante sensores virtuales o sensores por software (soft-sensors). En los procesos de fermentación alcohólica, la medición de la concentración del etanol es esencial. Sin embargo, no existen sensores baratos y confiables para medirla en línea ni existe una solución aceptada por todos del modelado de dicha variable. Además, las fermentaciones nunca son iguales pues los microorganismos son muy sensibles a pequeñas desviaciones en las variables involucradas. Por tanto, estos procesos requieren un sistema de estimación adaptable y altamente robusto. En este trabajo se presenta un sensor virtual adaptable para un proceso fermentativo de bioetanol empleando un modelo borroso evolutivo a partir de datos del proceso. Además, el modelo obtenido es compacto y presenta una estructura adecuada para su aplicación futura en estrategias de control, en aras de optimizar la productividad del proceso y disminuir los costos de producción.
Información de la revista
Vol. 6. Núm. 3.
Páginas 61-67 (julio 2009)
Vol. 6. Núm. 3.
Páginas 61-67 (julio 2009)
Open Access
Sensor Virtual Adaptable de Concentración de Etanol para Fermentadores Industriales
Visitas
3042
Este artículo ha recibido
Información del artículo
Resumen
Palabras clave:
bioetanol
procesos fermentativos
sensores virtuales o sensores software
sistemas adaptables
sistemas borrosos
El Texto completo está disponible en PDF
Referencias
[Angelov and Filev, 2004]
P. Angelov, D. Filev.
An approach to online identification of Takagi-Sugeno fuzzy models.
IEEE Trans. on Syst. Man, and Cyb. -Part B, 34 (2004), pp. 484-498
[Angelov and Kasabov, 2006]
P. Angelov, N. Kasabov.
Evolving intelligent systems, eIS.
IEEE SMC eNewsLetter, 15 (2006), pp. 1-13
[Babuska, 1998]
R. Babuska.
Fuzzy Modeling for Control.
Kluwer Acad. Pub., (1998),
[Bastin and Dochain, 1990]
G. Bastin, D. Dochain.
On-line estimation and adaptive control of bioreactors.
Elsevier Science Publishing, (1990),
[Berovic and Kieran, 2006]
Bioprocess engineering: doctoral/post-doctoral level,
[Bouchachia and Mittermeir, 2007]
A. Bouchachia, R. Mittermeir.
Towards incremental fuzzy classifiers.
Soft Comput., 11 (2007), pp. 193-207
[Chiu, 1994]
S.L. Chiu.
Fuzzy model identification based on cluster estimation.
J. Intell. Fuzzy Syst., 2 (1994), pp. 267-278
[Díez et al., 2004]
J.L. Díez, J.L. Navarro, A. Sala.
Algoritmos de agrupamiento en la identificación de modelos borrosos.
RIAI, 1 (2004), pp. 32-41
[Díez et al., 2007]
J.L. Díez, J.L. Navarro, A. Sala.
A fuzzy clustering algorithm enhancing local model interpretability.
Soft Comput, 11 (2007), pp. 973-983
[Fabeló, 1999]
Fabeló, J.A. (1999). Estudio de la etapa de fermentación alcohólica utilizando mezcla de diferentes sustratos. Tesis doctoral. Dpto. de Ing. Química, UCLV. Santa Clara, Cuba.
[Fortuna et al., 2007]
L. Fortuna, A. Rizzo, S. Graziani, M.G. Xibilia.
Soft sensors for monitoring and control of industrial processes.
Advances in Industrial Control, Springer-Verlag London Limited, (2007),
[Franco, 2002]
Franco, E. (2002). Framework for online modeling, optimization and monitoring of bioprocesses. Tesis doctoral. MLU. Halle-Wittenberg, Alemania.
[Garro, 1993]
Garro, O.A. (1993). Fermentación alcohólica con Zymomonas sp. Estudio de modelos matemáticos y su verificación mediante ensayos de fermentación. Tesis doctoral. Universidad Nacional de Tucumán, Argentina.
[Kasabov and Song, 2002]
N. Kasabov, Q. Song.
DENFIS: Dynamic evolving neural-fuzzy inference system and its application for timeseries prediction.
IEEE Trans. on Fuzzy Syst., 10 (2002), pp. 144-154
[Lughofer and Klement, 2005]
E. Lughofer, E.P. Klement.
FLEXFIS: A variant for incremental learning of Takagi-Sugeno fuzzy systems.
FUZZ-IEEE 2005, Reno, (2005),
[Martínez et al., 2008]
B. Martínez, F. Herrera, J. Fernández, E. Marichal.
Método de agrupamiento en línea para la identificación de modelos borrosos Takagi–Sugeno.
RIAI, 5 (2008), pp. 63-69
[Martínez, 2007]
Martínez, B.L. (2007). Identificación borrosa de sistemas no lineales mediante algoritmo de agrupamiento incremental con aplicación a un proceso fermentativo de bioetanol. Tesis doctoral. Dpto. de Automática, UCLV. Santa Clara, Cuba.
[Muñoz and Angulo, 2006]
R. Muñoz, F. Angulo.
Aproximación de estimación de estados en un reactor UASB.
Revista Colombiana de Tecnologías de Avanzada, 1 (2006), pp. 27-33
[Peralta et al., 2000]
L.M. Peralta, M.E. O’Farril, Y. Olivert.
Modelación, optimización y control del proceso de fermentación de la producción de alcohol.
1era Conferencia Internacional de Química de la UCLV, Santa Clara, (2000),
[Reynaga and Leal, 2000]
C.F. Reynaga, R.R. Leal.
Estimación de biomasa y pigmento en línea para una fermentación tipo fed-batch utilizando redes neuronales artificiales.
Congreso SOMI XV, Guadalajara, (2000),
[Roubos et al., 2000]
J.A. Roubos, R. Babuska, P. Krabben, J.J. Heijnen.
Hybrid modeling of fed-batch bioprocesses: combination of physical equations with metabolic networks and black-box kinetics.
Journal A, 41 (2000), pp. 17-23
[Salazar, 2008]
Salazar, R. (2008). Sensores virtuales: Una revolución en ingeniería de control, (en línea). http://www.ingenieriaquimica.org/articulos/sensores-virtuales (Acceso: 15 Junio 2008).
[Sotolongo, 2001]
Sotolongo, E. (2001). Estudio de la preservación del jugo de ca¿na como sustrato en la fermentación alcohólica. Tesis doctoral. Fac. de Ing. Química, ISPJAE. La Habana, Cuba.
[Sundstrom and Enfors, 2008]
H. Sundstrom, S.-O. Enfors.
Software sensors for fermentation processes.
Bioprocess Biosyst Eng, (2008),
[Takagi and Sugeno, 1985]
T. Takagi, M. Sugeno.
Fuzzy identification of systems and its applications to modelling and control.
IEEE Trans. on Syst. Man, and Cyb., 15 (1985), pp. 116-132
[Victor and Dourado, 2006]
J. Victor, A. Dourado.
Pruning for interpretability of large spanned eTS.
EFS’06, pp. 55-60
Copyright © 2009. Elsevier España, S.L.. Todos los derechos reservados