طراحی حسگر نرم یک واحد جذب دی‌اکسید کربن بر پایه مدل پارامتر وابسته به حالت

هدف این مقاله طراحی و پیاده سازی یک حسگر نرم داده محور برای پیش بینی کسر مولی دی اکسید کربن باقی مانده در خروجی گاز فرآیند واحد جذب دی اکسید کربن می باشد. حسگر نرم مبتنی بر داده، از مدل‌های پارامتر وابسته به حالت (sdp) برای پایش کیفیت محصول استفاده می‌کند. پارامترهای مدل sdp تابعی از حالت‌های سیستم هستند که با فلسفه مدل‌سازی مبتنی بر داده و روش sdp برآورد می‌شوند. نتایج نشان می‌دهد که غیرخطی بودن فرآیند جذب دی اکسید کربن توسط این روش مدل‌سازی، قابل بررسی است. همچنین مدل حسگر نرم طراحی شده، بسیار قابل اعتماد و نیرومند با پارامترهای کم مدل می باشد که آن را برای کاربردهای صنعتی مفید کرده است. علاوه بر این، شاخص‌های عملکرد، برتری روش مدل سازی پیشنهاد شده را نسبت به سایر روش‌های سنجش نرم مرسوم نشان می‌دهد.

soft sensor design of a carbon dioxide absorption unit based on state-dependent parameter model

the aim of this paper is the design and implementation of a data-driven soft sensor to predict the amount of co2 residue mole fraction in the process gas output of the carbon dioxide absorption unit. the data-driven soft sensor uses the state-dependent parameter (sdp) models to monitor the product quality. the parameters of the sdp model are a function of the system states computed by the data-based modeling philosophy and the sdp approach. the results show that the nonlinearity of the carbon dioxide absorption process can be addressed by this modeling method. also, the designed soft sensor model is very reliable and robust with low model parameters, which makes it beneficial for industrial applications. in addition, the performance indices demonstrate the advantage of the proposed modeling method over other conventional soft sensing approaches.