طراحی سنسور نرم افزاری جهت تخمین غلظت بوتان در برج بوتان زدا بر پایه روش GA-ELM

در این مقاله هدف، طراحی سنسور های نرم افزاری با استفاده از هوش مصنوعی بر پایه الگوریتم GA-ELM به منظور بهبود فرایند مانیتورینگ و کنترل کیفیت محصولات تولید شده در پالایشگاه ها به وسیله تخمین غلظت بوتان در جریان خروجی از پایین یک برج تقطیر بوتان زدا با استفاده از سایر متغییر های قابل اندازه گیری از قبیل دما، فشار، و جریان می باشد. سنسور نرم افزاری طراحی شده با حذف زمان تاخیر که به وسیله ابزارآلات آزمایشگاهی از قبیل کروماتوگرافی گازی به سیستم کنترلی ومانیتورینگ تحمیل می شود، راندمان را افزایش می دهد. نتایج حاصل از سنسور نرم افزاری آموزش یافته بر اساس GA-ELM با نتایج حاصل از شبکه عصبی مصنوعی پیشرو آموزش یافته با استفاده از روش لونبرگ مارکارد مقایسه شده است. نتایج بیانگر راندمان و دقت بالای GA-ELM نسبت به سایر روش های معمول جهت تخمین غلظت بوتان جداسازی شده در یک برج بوتان زدا به صورت آنلاین می باشد.

کلیدواژه ها:

سنسور نرم افزاری ، برج بوتان زدا ، ماشین یادگیری شدید ، الگوریتم ژنتیک