Simulation par les réseaux de neurones du comportement dynamique d’un réacteur continu parfaitement agite

Abstract

Les réseaux de neurones artificiels constituent l’un des outils les plus performants de l’Intelligence Artificielle. Ces réseaux possèdent des caractéristiques intéressantes telles que la modélisation de fonctions non linéaires, le traitement parallèle, l’apprentissage,…. Ces caractéristiques font qu’ils sont des candidats idéaux pour l’identification des systèmes non linéaires. L’objectif de notre étude est de de modéliser un système dynamique décrit par une un système d’équations différentielles en utilisant les réseaux de neurones. Nous avons choisi de modéliser le comportement dynamique d’un réacteur continu parfaitement agité lors de la mise en œuvre de la réaction de synthèse du propylène glycol par hydrolyse de l'oxyde de propylène, et de tester la stabilité du réacteur lorsque certaines de ses entrées (concentration de réactif principal et débit volumique de fluide) sont perturbées. Les résultats des simulations ont montré que le modèle développé simule de façon très satisfaisante le fonctionnement du réacteur.

Artificial neural networks are one of the most powerful tools in Artificial Intelligence. These networks have interesting characteristics such as the modeling of nonlinear functions, parallel processing, learning, these characteristics make them ideal candidates for the identification of nonlinear systems. The objective of our study is to model a dynamic system described by a set of differential equations using neural networks. We have chosen to model the dynamic behavior of a perfectly continuous stirred tank reactor during the implementation of the reaction for the synthesis of propylene glycol by hydrolysis of propylene oxide, and to test the stability of the reactor when some of its inputs are disturbed. The simulation results showed that the model simulates the operation of the reactor very satisfactorily.