Artificial Neural Networks in the Wastewater Industry. From Conventional to Data-based Industrial Control
La incursió de la indústria 4.0 ha motivat l'adopció de metodologies basades en dades en entorns industrials. Des del desenvolupament de nous soft-sensors fins a l'adopció de processos de manteniment predictiu, aquest paradigma està canviant la manera de concebre les indústries. A més, la...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2022 |
| País: | España |
| Institución: | Universitat Autònoma de Barcelona |
| Repositorio: | Dipòsit Digital de Documents de la UAB |
| Idioma: | inglés |
| OAI Identifier: | oai:ddd.uab.cat:265430 |
| Acceso en línea: | https://ddd.uab.cat/record/265430 |
| Access Level: | acceso abierto |
| Palabra clave: | Xarxes neuronals artificials Redes neuronales artificiales Artificial neural networks Control automàtic Control automático Automatic control Estacions depuradores d'aigües residuals Estaciones depuradoras de aguas residuales Wastewater treatment plants Tecnologies 621.3 |
| Sumario: | La incursió de la indústria 4.0 ha motivat l'adopció de metodologies basades en dades en entorns industrials. Des del desenvolupament de nous soft-sensors fins a l'adopció de processos de manteniment predictiu, aquest paradigma està canviant la manera de concebre les indústries. A més, la interconnectivitat proposada pels sistemes de comunicació de cinquena generació (5G) introdueix l'intercanvi d'enormes quantitats d'informació no només entre màquines i humans sinó també entre sistemes industrials. Tot i això, la gestió de les indústries segueix depenent de l'adopció dels sempre fiables controladors convencionals. Per això, l'objectiu principal d'aquesta tesi és proporcionar una visió sobre l'aplicació de metodologies d'aprenentatge Profund, i especialment de Xarxes Neuronals Artificials (RNN), per a l'operació d'una infraestructura industrial crítica, una Estació Depuradora d'Aigües Residuals (EDAR) . En primer lloc, es considera que les RNN donen suport als controladors convencionals en la difícil tasca de gestionar les violacions dels límits de contaminants dels efluents. Per això, es considera que les RNNs implementen un soft-sensor basat en aquest tipus de xarxes capaç de predir les concentracions dels efluents. A continuació, les prediccions s'introdueixen als controladors convencionals perquè actuïn per endavant. Aquest fet proporciona un millor rendiment de control, ja que s'eviten gairebé totes les violacions dels contaminants. A continuació, s'aborda l'ús de les RNN com a eines implementant estructures de control. En lloc de fer servir controladors convencionals recolzats en aquestes eines, tot el controlador és implementat per RNNs que realitzen totes les tasques, des del preprocessament de dades fins a l'estimació de l'actuació del control. Aquests controladors són capaços d'oferir un rendiment superior respecte del comportament de les estructures convencionals. Però el punt important és que això es pot aconseguir només considerant les mesures d'entrada i sortida del procés sota control. Això no obstant, el fet de basar-se en dades pot induir una mala gestió de l'entorn industrial si s'introdueixen no idealitats a l'estructura de control. Per això, també es proposa l'ús d'RNN per corregir aquestes no idealitats i, per tant, evitar problemes deguts a una mala gestió. Això es duu a terme mitjançant Autocodificadors d'eliminació de soroll (DAE) capaços de netejar les mesures corrompudes pel soroll i mitjançant RNN que corregeixen els retards introduïts als sistemes de control. Finalment, a l'última part d'aquesta tesi s'aborda l'ús de tècniques d'aprenentatge de transferència (TL) per dissenyar nous controladors basats en RNN, així com el desenvolupament d'una mètrica que mesuri la transferibilitat. L'objectiu principal és determinar la idoneïtat de transferència de les estructures de control basades en RNN derivades en un entorn font per transferir-les a un domini objectiu. D'aquesta manera, es poden obtenir les estructures de control del nou entorn sense recórrer al disseny i el desenvolupament de controladors des de zero. Això no sols implica la reducció de la complexitat del procés de disseny de control, sinó que també porta al desenvolupament d'un enfocament de disseny de control altament escalable. |
|---|