การสร้างแบบจำลองและการออกแบบตัวควบคุมแบบข่ายงานนิวรัลของตัวย่อยเยื่อกระดาษ

รดานุช วิเศษสรรโชค, 2521-

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/1148

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	มนตรี วงศ์ศรี	-
dc.contributor.author	รดานุช วิเศษสรรโชค, 2521-	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2006-07-27T03:43:05Z	-
dc.date.available	2006-07-27T03:43:05Z	-
dc.date.issued	2544	-
dc.identifier.isbn	9740313655	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/1148	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2544	en
dc.description.abstract	ในงานวิจัยนี้ ศึกษาการใช้ข่ายงานนิวรัลในการประมาณค่า ออกแบบแบบจำลองและตัวควบคุมสำหรับกระบวนการย่อยเยื้อกระดาษ โดยใช้ข่ายงานนิวรัลแบบป้อนไปข้างหน้าหลายชั้นที่มีแบบจำลองแบบกลับกระแสและใช้อัลกอริธึมแบบการกระจายความผิดพลาดย้อนกลับในการฝึกข่ายงาน ในการประมาณค่า ข่ายงานนิวรัลจะถูกฝึกด้วยข้อมุลที่จำลองจากกระบวนการเพื่อประมาณค่าแคปปา ซึ่งเป็นตัวแปรควบคุมที่ไม่สามารถวัดค่าแบบออนไลน์ได้ จากการศึกษาพบว่าตัวประมาณค่าสามารถประมาณค่าแคปปาได้อย่างมีประสิทธิภาพ แม้ว่าจะมีความผิดพลาดของการประมาณค่าเริ่มต้นในกรณีที่มีการเปลี่ยนแปลงค่าของสารป้อนและการลดลงของพลังงานกระตุ้นบางตัว 50% ในการควบคุม ข่ายงานนิวรัลจะถูกฝึกให้เรียนรู้เพื่อสร้างแบบจำลองและแบบจำลองผกผัน โดยแบบจำลองจะแทนแบบจำลองของกระบวนการและแบบจำลองผกผันใช้เป็นตัวควบคุมแบบเอ็นไอเอ็มซีของกระบวนการ จากการศึกษาพบว่าเมื่อใช้ตัวควบคุมข่ายงานนิวรัลร่วมกับตัวประมาณค่าข่ายงานนิวรัล สามารถควบคุมค่าแคปปาให้เข้าสู่ค่าเป้าหมายได้ในเวลาที่กำหนดและมีสมรรถนะในการควบคุมที่ดี ในกรณีที่มีความผิดพลาดของค่าประมาณเริ่มต้น ค่าของสารป้อนและพารามิเตอร์ของกระบวนการ โดยในบางกรณีพบว่าตัวควบคุมไวต่อความผิดพลาดของพารามิเตอร์บางตัว	en
dc.description.abstractalternative	In this research, the application of recurrent multilayered feed forward neural networks for estimation, modeling and control for pulp digester is studied. Error Back Propagation algorithms are used to train the networks. For estimation, the neural networks are trained with simulated data of pulp digester to estimate Kappa number, controlled variable which is not on-line measurable. It is shown the estimator gives good estimation. Except for the case of 50% decreasing of certain activation energy parameters. For control, the neural networks are trained to learn the forward and the inverse model of the pulp digester. The first model is used to simulate the process model and second model is used as an internal model controller (IMC). The results of using neural network estimator with neural network controller are shown that the controller can control the Kappa number at its set point with cooking time with good erformance, including the error of initial estimations, feed stock and parameter changing occur. However controller is quite sensitive to some model parameter errors.	en
dc.format.extent	1459109 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	en
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	เยื่อกระดาษ	en
dc.subject	แบบจำลอง	en
dc.subject	นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)	en
dc.title	การสร้างแบบจำลองและการออกแบบตัวควบคุมแบบข่ายงานนิวรัลของตัวย่อยเยื่อกระดาษ	en
dc.title.alternative	Neural network modeling and controller design of pulp digester	en
dc.type	Thesis	en
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	en
dc.degree.level	ปริญญาโท	en
dc.degree.discipline	วิศวกรรมเคมี	en
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	mwongsri@gmail.com	-
dc.email.advisor	mwongsri@yahoo.com	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
radanuch.pdf		1.5 MB	Adobe PDF	View/Open

Show simple item record