Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/66310
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPaisan Kittisupakorn-
dc.contributor.advisorSoontorn Tippayaratsoontorn-
dc.contributor.authorPiyanuch Thitiyasook-
dc.contributor.otherChulalongkorn University. Faculty of Engineering-
dc.date.accessioned2020-06-13T19:13:10Z-
dc.date.available2020-06-13T19:13:10Z-
dc.date.issued2004-
dc.identifier.issn9741760221-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/66310-
dc.descriptionThesis (M.Eng.)--Chulalongkorn University, 2004en_US
dc.description.abstractA reactor integrated with separation process has been widely proposed and studied to enhance the production of high value added chemicals. An example of such a process is a pervaporative membrane reactor which is the combination of a reactor and a pervaporation part. The inclusive of a pervaporation can shift the chemical equilibrium of esterification by passing water out of reaction mixture and therefore increase the yield of a desired product. In addition, the temperature of the reactor is one of key factors to define the rate of reactions involved. In this work, a neural network inverse models based control (NIMC) has been designed to control an optimal temperature of a pervaporation membrane reactor. Furthermore, a neural network estimator (NNE) has been incorporated to the strategy as an estimator to estimate the amount of heat released of an esterification reaction. The performance of the designed controller has been evaluated in both nominal and plant/model mismatch cases, and compared with GMC coupled with the Kalman Filter. Simulation study has shown that the NIMC with the NNE can successfully control the reactor temperature at a desired set point in nominal cases and plant/model mismatches. The performance of the NIMC with the NNE is equivalent to that of the GMC coupled with the Kalman Filter. As a result, the NIMC with the NNE is applicable to control the pervaporative membrane reactor without first principle models of the reactor is available. This shows the advantage of the NIMC with NNE over the GMC with the Kalman filter.-
dc.description.abstractalternativeเครื่องปฏิกรณ์ที่ประกอบส่วนกระบวนการแยกได้มีการนำเสนอและศึกษาอย่างกว้างขวางทั้งนี้เพื่อช่วยในเพิ่มผลผลิตของสารเคมีที่มีมูลค่าเพิ่มสูง ตัวอย่างหนึ่งของกระบวนการที่กล่าวข้างต้นคือ เครื่องปฏิกรณ์เพอร์เวเพอเรทีฟเมมเบรน ซึ่งเป็นกระบวนการที่ประกอบส่วนระหว่างเครื่องปฏิกรณ์ และส่วนเพอร์เวเพอเรชัน ในการเพิ่มเติมส่วนเพอร์เวเพอเรชันเพื่อปรับเลื่อนสมดุลทางเคมีของปฏิกิริยาเอส เทอร์ริฟิเคชัน โดยทำให้ปฏิกิริยาเกิดไปช้างหน้าได้มากขึ้น อันเนื่อง มาจากการแยกน้ำออกจากของผสมในปฏิกิริยา ดังนั้นผลิตภัณฑ์ที่ต้องการจึงมากขึ้นด้วย นอกจากนี้อุณหภูมิของเครื่องปฏิกรณ์ยังเป็นอีก ปัจจัยหนึ่งในการกำหนดอัตราการเกิดปฏิกิริยา ในงานวิจัยนี้ ได้มีการออกแบบข่ายงานนิวรัลเพื่อใช้ในการควบคุมอุณหภูมิออพติมอลของเครื่องปฏิกรณ์เพอร์เวเพอเรทีฟ รวมถึงการออกแบบข่ายงานนิวรัล เป็นตัวประมาณค่าเพื่อใช้ในการประมาณค่าความร้อนที่เกิดขึ้นจากปฏิกิริยาเอสเทอร์ริฟิเคชั่น โดยที่สมรรถนะของตัวควบคุมที่ออกแบบได้นั้นจะประเมินทั้งกรณีภาวะปกติ และภาวะที่มีความผิดพลาด ของแบบจำลอง / ค่าพารามิเตอร์ของกระบวนการ อีกทั้งสมรรถนะของตัวควบคุมข่ายงานนิวรัลที่ได้ยังนำไปเปรียบเทียบกับตัวควบคุมแบบเจเนอริกโมเดลที่มีตัวกรองคาลมาน ซึ่งพบว่าตัวควบคุมแบบข่ายงานนิวรัลสามารถควบคุมอุณหภูมิของเครื่องปฏิกรณ์ ได้ทั้งในกรณีสภาวะปกติ และ กรณีที่มีความผิดพลาดของแบบจำลอง / ค่าพารามิเตอร์ของกระบวนการ และมีสมรรถนะเทียบเท่ากับตัวควบคุมแบบเจเนอริกโมเดลที่มีตัวกรองคาลมาน ดังนั้นตัวควบคุมแบบข่ายงานนิวรัลที่มีตัวประมาณค่าซึ่งพัฒนาจากข่ายงานนิวรัลจะสามารถนำไปประยุกต์ใช้ในการควบคุมเครื่องปฏิกรณ์เพอร์เวเพอเรชันได้โดยไม่ต้องอาศัยแบบจำลองของกระบวนการ ซึ่งเป็นข้อได้เปรียบของตัวควบคุมแบบข่ายงานนิวรัลที่มีตัวประมาณค่าซึ่งพัฒนาจากข่ายงานนิวรัลที่เหนือกว่าการควบคุมแบบเจเนอริกโมเดลที่มีตัวกรองคาลมาน-
dc.language.isoenen_US
dc.publisherChulalongkorn Universityen_US
dc.rightsChulalongkorn Universityen_US
dc.subjectNeural networks (Computer science)en_US
dc.subjectPervaporationen_US
dc.subjectMembrane reactorsen_US
dc.subjectนิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)en_US
dc.subjectเพอร์เวเพอเรชันen_US
dc.subjectเครื่องปฏิกรณ์แบบเยื่อแผ่นen_US
dc.titleUse of neural networks for the control of pervaporative membrane reactoren_US
dc.title.alternativeการใช้ข่ายงานนิวรัลในการควบคุมเครื่องปฏิกรณ์เพอร์เวเพอเรทีฟเมมเบรนen_US
dc.typeThesisen_US
dc.degree.nameMaster of Engineeringen_US
dc.degree.levelMaster's Degreeen_US
dc.degree.disciplineChemical Engineeringen_US
dc.degree.grantorChulalongkorn Universityen_US
dc.email.advisorPaisan.K@Chula.ac.th-
dc.email.advisorNo information Provided-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
Piyanuch_th_front_p.pdfCover Abstract and Content961.08 kBAdobe PDFView/Open
Piyanuch_th_ch1_p.pdfChapter 1698.15 kBAdobe PDFView/Open
Piyanuch_th_ch2_p.pdfChapter 21.12 MBAdobe PDFView/Open
Piyanuch_th_ch3_p.pdfChapter 31 MBAdobe PDFView/Open
Piyanuch_th_ch4_p.pdfChapter 41.98 MBAdobe PDFView/Open
Piyanuch_th_ch5_p.pdfChapter 51.91 MBAdobe PDFView/Open
Piyanuch_th_ch6_p.pdfChapter 6647.37 kBAdobe PDFView/Open
Piyanuch_th_back_p.pdfReferences and Appendix1.16 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.