طراحي حسگر نرم يك واحد جذب دي‌اكسيد كربن بر پايه مدل پارامتر وابسته به حالت

Soft sensor Design of a Carbon Dioxide Absorption Unit Based on State-Dependent Parameter Model

هدف اين مقاله طراحي و پياده سازي يك حسگر نرم داده محور براي پيش بيني كسر مولي دي اكسيد كربن باقي مانده در خروجي گاز فرآيند واحد جذب دي اكسيد كربن مي باشد. حسگر نرم مبتني بر داده، از مدل‌هاي پارامتر وابسته به حالت (SDP) براي پايش كيفيت محصول استفاده مي‌كند. پارامترهاي مدل SDP تابعي از حالت‌هاي سيستم هستند كه با فلسفه مدل‌سازي مبتني بر داده و روش SDP برآورد مي‌شوند. نتايج نشان مي‌دهد كه غيرخطي بودن فرآيند جذب دي اكسيد كربن توسط اين روش مدل‌سازي، قابل بررسي است. همچنين مدل حسگر نرم طراحي شده، بسيار قابل اعتماد و نيرومند با پارامترهاي كم مدل مي باشد كه آن را براي كاربردهاي صنعتي مفيد كرده است. علاوه بر اين، شاخص‌هاي عملكرد، برتري روش مدل سازي پيشنهاد شده را نسبت به ساير روش‌هاي سنجش نرم مرسوم نشان مي‌دهد.

The aim of this paper is the design and implementation of a data-driven soft sensor to predict the amount of CO2 residue mole fraction in the process gas output of the carbon dioxide absorption unit. The data-driven soft sensor uses the state-dependent parameter (SDP) models to monitor the product quality. The parameters of the SDP model are a function of the system states computed by the data-based modeling philosophy and the SDP approach. The results show that the nonlinearity of the carbon dioxide absorption process can be addressed by this modeling method. Also, the designed soft sensor model is very reliable and robust with low model parameters, which makes it beneficial for industrial applications. In addition, the performance indices demonstrate the advantage of the proposed modeling method over other conventional soft sensing approaches.