Sensor virtual adaptable de concentración de etanol para fermentadores industriales.

• Autores: Boris Martínez Jiménez, Francisco Herrera Triguero , Luis Peralta
• Localización: Revista iberoamericana de automática e informática industrial ( RIAI ), ISSN-e 1697-7920, Vol. 6, Nº. 3, 2009, págs. 61-67
• Idioma: español
• DOI: 10.1016/s1697-7912(09)70265-1
• Títulos paralelos:
  • Adaptive virtual sensor of ethanol concentration for industrial reactors.
• Enlaces
  • Texto completo
• Resumen
  • español

    Los sistemas de control emplean sensores para observar el estado del proceso y tomar decisiones. En ocasiones, se necesita estimar las variables del proceso pues el sensor adecuado no existe, es prohibitivamente costoso o las mediciones son difíciles de realizar. Una solución consiste en inferir las variables no medidas a partir de otras variables mediante sensores virtuales o sensores por software (soft-sensors). En los procesos de fermentación alcohólica, la medición de la concentración del etanol es esencial. Sin embargo, no existen sensores baratos y confiables para medirla en línea ni existe una solución aceptada por todos del modelado de dicha variable. Además, las fermentaciones nunca son iguales pues los microorganismos son muy sensibles a pequeñas desviaciones en las variables involucradas. Por tanto, estos procesos requieren un sistema de estimación adaptable y altamente robusto. En este trabajo se presenta un sensor virtual adaptable para un proceso fermentativo de bioetanol empleando un modelo borroso evolutivo a partir de datos del proceso. Además, el modelo obtenido es compacto y presenta una estructura adecuada para su aplicación futura en estrategias de control, en aras de optimizar la productividad del proceso y disminuir los costos de producción.

  • English

    Control systems use sensors in the monitoring and control of process state. Sometimes, process variables are estimated because proper sensors are unavailable,they are prohibitively expensive or measurements are difficult to perform. One solution consist in to infer the state variables which are not measured from other variables by using virtual sensors or software sensors (soft-sensors). In alcoholic fermentation processes, measuring the ethanol concentration is essential. However, there are no cheap and reliable sensors capable of providing on-line measurements nor is there a global model for this variable which is accepted by everyone. In addition, two fermentations never are equal because microorganisms are very sensitive to small variables deviations. Therefore, these processes require an adaptive and robust estimating system. This paper presents an adaptive soft-sensor for a bioethanol fermentative process using an evolving fuzzy model. In addition, the obtained model is compact and it presents a suitable structure for future application in control strategies, in order to optimize the process productivity and to reduce production costs.

• Referencias bibliográficas
  • Angelov, P. and D. Filev (2004). An approach to online identifi- cation of Takagi-Sugeno fuzzy models. IEEE Trans. on Syst. Man, and Cyb.-Part...
  • Angelov, P. and N. Kasabov (2006). Evolving intelligent systems, eIS. IEEE SMC eNewsLetter (15), 1–13.
  • Babuska, R. (1998). Fuzzy Modeling for Control. Kluwer Acad. Pub. Boston, USA.
  • Bastin, G. and D. Dochain (1990). On-line estimation and adaptive control of bioreactors. Elsevier Science Publishing. Amsterdam.
  • Berovic, M. and Kieran, P., Eds.) (2006). Bioprocess engineering: doctoral/post-doctoral level. Ljubljana: Faculty of Chemistry and Chemical...
  • Bouchachia, A. and R. Mittermeir (2007). Towards incremental fuzzy classifiers. Soft Comput. 11(2), 193–207.
  • Chiu, S.L. (1994). Fuzzy model identification based on cluster estimation. J. Intell. Fuzzy Syst. 2(3), 267–278.
  • Díez, J.L., J.L. Navarro and A. Sala (2004). Algoritmos de agrupamiento en la identificación de modelos borrosos. RIAI 1(2), 32–41.
  • Díez, J.L., J.L. Navarro and A. Sala (2007). A fuzzy clustering algorithm enhancing local model interpretability. Soft Comput. 11, 973–983.
  • Fabelo, J.A. (1999). Estudio de la etapa de fermentación alcohólica utilizando mezcla de diferentes sustratos. Tesis doctoral. Dpto. de Ing....
  • Fortuna, L., A Rizzo, S. Graziani and M.G. Xibilia (2007). Soft sensors for monitoring and control of industrial processes. Advances in Industrial...
  • Franco, E. (2002). Framework for online modeling, optimization and monitoring of bioprocesses. Tesis doctoral. MLU. Halle-Wittenberg, Alemania.
  • Garro, O.A. (1993). Fermentación alcohólica con Zymomonas sp. Estudio de modelos matemáticos y su verificación mediante ensayos de fermentación....
  • Kasabov, N. and Q. Song (2002). DENFIS: Dynamic evolving neural-fuzzy inference system and its application for timeseries prediction. IEEE...
  • Lughofer, E. and E.P. Klement (2005). FLEXFIS: A variant for incremental learning of Takagi-Sugeno fuzzy systems. In: FUZZ-IEEE 2005. Reno,...
  • Martínez, B., F. Herrera, J. Fernández and E. Marichal (2008). Método de agrupamiento en línea para la identificación de modelos borrosos...
  • Martínez, B.L. (2007). Identificación borrosa de sistemas no lineales mediante algoritmo de agrupamiento incremental con aplicación a un proceso...
  • Muñoz, R. and F. Angulo (2006). Aproximación de estimación de estados en un reactor UASB. Revista Colombiana de Tecnologías de Avanzada 1,...
  • Peralta, L.M., M.E. O’Farril and Y. Olivert (2000). Modelación, optimización y control del proceso de fermentación de la producción de alcohol....
  • Reynaga, C.F. and R.R. Leal (2000). Estimación de biomasa y pigmento en línea para una fermentación tipo fed-batch utilizando redes neuronales...
  • Roubos, J.A., R. Babuska, P. Krabben and J.J. Heijnen (2000). Hybrid modeling of fed-batch bioprocesses: combination of physical equations...
  • Salazar, R. (2008). Sensores virtuales: Una revolución en ingeniería de control, (en línea). http:// www.ingenieriaquimica.org/articulos/...
  • Sotolongo, E. (2001). Estudio de la preservación del jugo de caña como sustrato en la fermentación alcohólica. Tesis doctoral. Fac. de Ing....
  • Sundstrom, H. and S.-O. Enfors (2008). Software sensors for fermentation processes. Bioprocess Biosyst Eng.
  • Takagi, T. and M. Sugeno (1985). Fuzzy identification of systems and its applications to modelling and control. IEEE Trans. on Syst. Man,...
  • Victor, J. and A. Dourado (2006). Pruning for interpretability of large spanned eTS. In: EFS’06. Lake District, UK. pp. 55–60.