 |
La complexité d'un système industriel nécessite que ce dernier soit modélisé de la manière la plus réaliste possible. Ceci permettra une meilleure surveillance du processus et par la suite la détection de toute perturbation pouvant engendrer une instabilité et un dysfonctionnement du système.
Le présent article, décrit des méthodes de modélisation basées sur le couplage de la transformée en ondelettes stationnaire (Stationary Wavelet Transform SWT) et les réseaux de neurones artificiels (Artificial Neural Networks ANN) de type perceptron multi-couches (Multi Layer Perceptron MLP) pour la modélisation du régime normale à point de fonctionnement variable d'une unité industrielle.
L'unité industrielle étudiée est une colonne de distillation de méthylcyclohexane (C6H11-CH3) à partir d'un mélange Toluène-méthylcyclohexane (C6H5-CH3/C6H11-CH3) dont on a définit la composition massique à 23% en méthylcyclohexane.
La base de données qui servira, d'une part comme base d'apprentissage et d'autre part comme base de test et validation , des modèles SWT-ANN-MLP (Stationary Wavelet Transform- Artificial Neural Networks- Multi-layer perceptron) est constituée par les variables d'entrées qui sont : la puissance de chauffe, la puissance de préchauffe, le taux de reflux, le débit d'alimentation, les pertes de charge, la température de préchauffe et la température de bouilleur et la variable de sortie qui est la température en tête de colonne. Trois configurations ont été proposées dans cette étude et en calculant les paramètres de performance, un seul modèle a été retenu SWT-ANN-MLP d'architecture neuronale [7-17-1] qui a donné un coefficient de détermination R2=0.86, un Coefficient d'efficacité NSE = 0.853 et une erreur quadratique moyenne MSE = 0.009.
Cette méthode hybride de modélisation basée sur la décomposition en ondelettes stationnaire et les réseaux de neurones artificiels de type Perceptron multi-couches a montré sa robustesse par rapport à d'autres méthodes de modélisation appliquées sur la même installation industrielle à savoir l'utilisation des réseaux de neurones artificiels à fonction de base radial (RBF) et les réseaux de neurones artificiels de type Perceptron Multi-couches.
