EPQB EPQB - Pós-Graduação em Engenharia de Processos Químicos e Bioquímicos EPQB - Pós-Graduação em Engenharia de Processos Químicos e Bioquímicos da EQ/UFRJ EPQB - Programa de Pós-Graduação em Engenharia de Processos Químicos e Bioquímicos da EQ/UFRJ
Busca 
Intranet
Por favor, digite ou corrija o CPF!
Por favor, digite sua Senha!
Atenção: Os Candidatos aprovados para as turmas 2018/1 tanto de Mestrado quanto de Doutorado, que ainda não completaram seus dados, devem acessar a Intranet do EPQB para completar o cadastro, no período de 10/01/2018 a 17/01/2018. Só precisa preencher a opção Registro de Matrícula, subopções Dados Pessoais, Contato e Documentação.
Lembrar Senha
Por favor, digite ou corrija o E-Mail!
This is an example of a HTML caption with a link.
Formulário de Busca
×

Páginas dos Livros nos Sites das Editoras

Ver Legenda   Página Existente
  Página não encontrada

  1. A Aprendizagem Tecnológica no Brasil
  2. Análise Térmica de Materiais
  3. Aproveitamento Energético e Caracterização de Resíduos de Biomassa
  4. Biocatálise e Biotransformação
  5. Biocombustíveis no Brasil
  6. Biomassa para Química Verde
  7. Chemistry Beyond Chlorine
  8. Compositional Grading in Oil and Gas Reservoirs
  9. Controle e Monitoramento de Poluentes Atmosféricos
  10. Dinâmica, Controle e Instrumentação de Processos
  11. Economia da Energia
  12. Engenharia de Processos
  13. Gestão em Biotecnologia
  14. Glycerol - A Versatile Renewable Feedstock for the Chemical Industry
  15. Handbook of Fruit and Vegetable Flavors
  16. Inovação - O Combustível do Futuro
  17. Mapeamento Tecnológico de Polímeros Furânicos
  18. Modelagem Composicional de Frações de Petróleo - Vol. 1: Hidrocraqueamento de Frações Pesadas
  19. Modelagem Composicional de Frações de Petróleo - Vol. 2: Hidrotratamento de Destilados
  20. Modelagem e Controle na Produção de Petróleo
  21. Monoethylene Glycol as Hydrate Inhibitor in Offshore Natural Gas Processing
  22. Olefinas Leves - Tecnologia, Mercado e Aspectos Econômicos
  23. Oportunidades em Medicamentos Genéricos
  24. Panorama e Perspectivas da Estocagem Geológica de Gás Natural
  25. Patenteamento & Prospecção Tecnológica no Setor Farmacêutico
  26. Planejamento de Experimentos usando o Statistica
  27. Potencialidades do Cajueiro
  28. Processos Inorgânicos
  29. Reologia e Reometria - Fundamentos Teóricos e Práticos
  30. Reúso de Água em Processos Químicos
  31. Setores da Indústria Química Orgânica
  32. Technology Roadmap
  33. Tecnologia do Hidrogênio
  34. Tecnologia Enzimática
  35. Tecnologias de Produção de Biodiesel
  36. Technological Trends in the Pharmaceutical Industry
  37. Tendências Tecnológicas no Setor Farmacêutico
×

Teses de Doutorado Defendidas: 2012

Modelagem Matemática Híbrida Cibernética/Neuronal do Processo Contínuo de Produção de Etanol por Zymomonas mobilis.

Autor: Álvaro José Boareto Mendes.
Orientadores: Maurício Bezerra de Souza Jr., Belkis Valdman.

Resumo

O desenvolvimento de processos para a obtenção de energia a partir de fontes sustentáveis é recorrente. Fatores como a eminente extinção dos combustíveis fósseis e potencial de geração de poluentes ocasiona um grande número de trabalhos na literatura científica. Face à premente necessidade de inovação da matriz energética, a produção de bioetanol como uma alternativa às fontes de energia oriundas de combustíveis fósseis tem sido um assunto de grande interesse desde a crise petrolífera nos anos 1970. Nestes termos, o Brasil destaca-se mundialmente como detentor do maior conhecimento tecnológico para produção de etanol por processo fermentativo, tendo uma indústria sucroalcooleira autossustentável em uso de energia e em termos ecológicos.

Atualmente, a síntese de etanol é convencionalmente realizada por linhagens de Saccharomyces, porém o gênero bacteriano Zymomonas tem uma especial habilidade para essa produção. Desta forma, a otimização da produção de bioetanol empregando Zymomonas surge como uma alternativa atraente. Concomitantemente, o contínuo aumento da complexidade, eficiência e confiabilidade dos modernos sistemas industriais implicam em constante desenvolvimento no monitoramento e de estratégias de controle de processo. Neste contexto, a escolha dos modelos híbridos em relação aos modelos fenomenológicos, neuronais e cibernéticos empregados isoladamente têm motivado investigações.

Em conformidade com os objetivos específicos deste trabalho, os dados experimentais obtidos por Camêlo (2009) em processo contínuo para produção de bioetanol empregando a bactéria Zymomonas mobilis Ag11 DAUFPE 198, foram selecionados. Camêlo (2009) realizou as fermentações contínuas para avaliar possíveis comportamentos dinâmicos complexos diante de diferentes condições operacionais.

Um modelo híbrido cibernético neuronal (MHCN) foi proposto para esse processo. A capacidade de predição do modelo proposto foi comparada com uma rede neuronal autônoma e um modelo fenomenológico. A performance do MHCN sob situações de indisponibilidade de medidas de concentrações de etanol, célula e glicose foi investigada. O modelo MHCN foi eficiente para predizer o comportamento do processo para horizontes grandes, tal como 10 h.

Diversos testes de realimentação para a RNA MLP (rede neuronal artificial multilayer perceptron) híbrida foram realizados. Os testes consideraram a realimentação da RNA MLP híbrida com variáveis calculadas pelo MHCN (concentrações de etanol, células e glicose), substituindo-as sucessivamente pelos correspondentes dados históricos. Os testes foram avaliados graficamente e por estatísticas apropriadas.

A capacidade de predição do MHCN tornou-se mais eficiente à medida que as variáveis híbridas eram substituídas na realimentação pelos dados históricos. Nesta condição, o MHCN mostrou ser capaz para predizer o comportamento dinâmico exibido pelas nove fermentações contínuas de produção de etanol realizadas por Camêlo (2009). Além disso, o MHCN realimentado com dados históricos foi comparado com uma RNA autônoma (contendo nas saídas as concentrações de etanol, de células e de glicose, um passo à frente) e o modelo fenomenológico de Daugulis et al. (1997) implementado por Camêlo (2009).

O MHCN apresentou similar capacidade de predição em relação a RNA autônoma e significativamente melhor quando comparado ao modelo fenomenológico.