Kurutma sürecinin modellenmesi ve akıllı öngörülü denetimi

Abstract

KURUTMA SURECİNİN MODELLENMESI ve AKILLI ONGORULU DENETİMİ Uğur YÜZGEÇ Anahtar Kelimeler: Akışkan Yatak, Kurutma Süreci, Ekmek Mayası, Modelleme, Genetik Algoritma, Optimizasyon, Model Tabanlı Öngörülü Kontrol, Yapay Sinir Ağları. Özet: Kurutma biyokimyasal, kimyasal ve gıda endüstrileri gibi süreçlerde çok önemli bir işlemdir. Kurutmanın temel amacı malzemeden suyun uzaklaştırılmasıdır. Kurutma süreçleri genel olarak doğrusal olmayan süreçler olarak bilinir. Tarımsal ürünler, gıda maddeleri, maya, enzim ve bakteri türü biyolojik ürünler, kurutma süreci boyunca sıcaklık, nem kesri gibi kurutma koşullarına karşı çok hassas davranış gösterirler. Bu yüzden kurutma süreçlerinin modellemeleri oldukça karmaşık ve zordur. Bu tez çalışmasında, kesikli bir akışkan yatak içerisindeki ekmek mayasının kurutma süreci için iki matematiksel model geliştirilmiştir. İlk model kütle ve enerji denkliğine dayanan eşitliklerden oluşmaktadır. İkinci model ise granül seviyesindeki ışı ve difüzyon hareketinden yola çıkarak, ekmek mayasının kurutma davranışını öngörebilmek için geliştirilmiş bir modeldir. Ayrıca granül tabanlı kurutma modeli, ürün kalitesi kavramı ve granüllerin büzülmesi ile ilgili denklemlerle daha da geliştirilmiş ve böylece model öngörüsü yeteneği arttırılmıştır. Kurutma süreçlerinde, en önemli göstergeler kurutma sonunda oluşan ürün kalitesi, kurutma zamanı ve enerji tüketimidir. Bu çalışmada kurutma sürecinin optimal kurutma profillerinin bulunabilmesi için genetik algoritma tabanlı bir doğrusal olmayan öngörülü denetleyici geliştirilmiştir. Optimizasyon yapılarında rasgele arama yöntemlerinden biri olarak bilinen genetik algoritmalar optimizasyon probleminin çözümünün karmaşık ve bulunmasının zor olması nedeniyle kullanılmıştır. Ekmek mayasının kurutma süreci için ikinci kontrol yapısı olarak, bir model öngörülü kontrol yapısı sunulmuştur. Bu kontrol yapısında, nem kesri ve ürün kalitesinin öngörü modelleri yapay sinir ağları kullanılarak gerçekleştirilmiştir. Öngörü modelleri için ileri beslemeli ve yinelemeli sinir ağları kullanılmıştır. Bu tez çalışmasının amacı, doğrusal olmayan bir kurutma sürecinin matematiksel modelini geliştirmek ve kurutma sürecinin enerji maliyetini azaltacak, ürün kalitesini arttıracak ve toplam kurutma zamanını da düşürecek bir kontrol yapısı oluşturmaktır. Tez çalışmasının benzetim performansları, endüstriyel akışkan yataklı kurutma sürecinde önerilen matematiksel modellerin ve kontrol yapılarının rahatlıkla kullanılabileceğini göstermektedir.

MODELING and INTELLIGENT PREDICTIVE CONTROL of DRYING PROCESS Uğur YÜZGEÇ Keywords: Fluidized-bed, Drying Process, Baker's Yeast, Modeling, Genetic Algorithm, Optimization, Model Predictive Control, Artificial Neural Network. Abstract: Drying is an important unit operation in food processing and in the chemical and biochemical industry. The main purpose of drying is the removal of water from the material to be dried. The drying processes are generally known as non-linear processes. Many products to be dried are sensitive to drying conditions such as temperature and moisture content, e.g. agricultural products, foods, pharmaceuticals, biotechnology products such as enzyme preparations bacterial and yeast cultures. So, mathematical modeling of the drying process is rather complex and difficult. In this study, two mathematical models were developed for drying process of baker's yeast in a batch fluidized bed. The first model consists of equations of energy and mass balance. The second model was developed to predict the drying behaviour of granular baker's yeast by setting up material and heat balances at granular level. Furthermore the drying model of granular product was further improved by integrating shrinking of granules and the quality concept and its ability for prediction was extended. In the drying processes, the most important indicators are energy consumption, total drying period and the quality of product at the end of the process. A nonlinear predictive controller based on genetic algorithms was developed to determine the optimal drying profile for a drying process. Genetic algorithms known as one of the numerical search methods were used in the complex and absence of the analytical solution of the optimization problem. For the drying process of the baker's yeast, a model predictive control structure was presented in this study. In this control structure, the prediction models of moisture content and product quality were built by using dynamic artificial neural networks. Feed forward and recurrent neural networks were used for the prediction models. The objective of this study is to develop a control procedure and a mathematical model for a nonlinear drying process. The target of both the control algorithms proposed was to increase the quality of dried end product and decrease the energy consumption during drying. The results of this study show that the proposed control structures and mathematical models can be used easily in the industrial fluidized-bed drying processes because of the simulation performances. m