طراحي حسگر نرم به منظور پيش بيني مداوم كيفيت محصول در برج بوتان زدا

Soft sensor design for continuous product quality prediction in debutanizer column

حسگرهاي نرم داده محور به عنوان يك راه حل موثر براي كنترل فرآيند صنعتي مرتبط با نظارت آنلاين كيفيت محصول، كه هميشه با محدوديت هاي فني و اقتصادي براي اندازه گيري متغيرهاي كليدي مواجه است، معرفي شده اند. هدف از اين مقاله ارائه يك حسگر نرم داده محور جديد برمبناي مدل‌هاي پارامتر وابسته به حالت به منظور نظارت آنلاين محتواي بوتان در محصول پايين برج بوتان زدا، با استفاده از مجموعه اندازه گيري‌هاي موجود است. پارامترهاي مدل به صورت تابعي از حالت‌هاي سيستم فرض مي شود، كه توسط فلسفه مدل سازي مبتني بر داده ها و روش پارامتر وابسته به حالت برآورد مي شود. با توجه به تجزيه و تحليل آماري و حساسيت، بهترين متغيرهاي ورودي بدست مي آيد. دو مدل سنجش نرم با تعداد پارامترهاي متفاوت بدست آمد. نتايج پيش بيني به خوبي با خروجي واقعي مطابقت دارد كه نشان دهنده اثربخشي روش پيشنهادي براي پيش بيني كيفيت به عنوان يك جايگزين تست هاي آزمايشگاهي است.

Data-driven soft sensors have been introduced as an effective solution for industrial process control corresponding to online monitoring of product quality, which always face with technical or economic limitation to measure key variables. The objective of this paper is to present a new data-driven soft sensor based on state dependent parameter models for online monitoring of butane content in the bottom product of debutanizer column, on the basis of a set of available measurements. The model parameters are assumed to be function of the system states, which are estimated by data-based modeling philosophy and state dependent parameter method. Considering statistical and sensitivity analysis, the best input variables are obtained. Two soft sensing models are provided with different number of parameters. The prediction results match the best with the actual outputs, which demonstrate the effectiveness of proposed method for quality prediction as an alternative for laboratory testing.