Resumo: O etanol perdido por evaporação durante o processo de produção por fermentação pode ser recuperado por uma coluna de absorção, a qual requer um sistema de controle robusto de acordo com sua complexidade. Sendo assim, no presente trabalho foi proposto e testado, o emprego de um controlador feedforward, baseado em um modelo inverso de redes neurais, para realizar a manipulação da vazão de solvente que é alimentado a esta coluna. O desempenho do controlador feedforward proposto foi superior ao proporcionado pelo Controle por Matriz Dinâmica (DMC) (Palú, 2001), para situações nas quais uma perturbação degrau foi inserida na composição do gás à entrada da coluna. Outro teste realizado foi o de implementar um distúrbio não previsto na etapa de treinamento da rede neural, e analisar o comportamento do sistema de controle RNA. Houve uma queda de eficiência, sendo gerado off set. Para solucionar este problema, agregou-se ao sistema de controle, um dispositivo de segurança. Também se procurou testar a tolerância do sistema de controle a distorções nos dados de entrada da rede. Neste sentido, acrescentou-se às variáveis de entrada do tipo concentração, um ruído. O desempenho do controlador RNA foi prejudicado, no entanto, a faixa de oscilação da variável controlada foi reduzida à aproximadamente 50% da faixa de ruído empregada. Aplicando-se um filtro aos dados distorcidos, esta redução foi ainda maior, cerca de 75% Ver menos

Abstract: Some of ethanol lost by evaporation during its fermentation production process may be recovered using an absorption column, which requires a robust control system. In this work the use of a feedforward controller (NN controller), based on a neural network inverse model, was proposed and tested to manipulate the solvent flow, which was fed in the analyzed column. The feedforward controller performance was better than the Dynamic Matrix Control (Palú, 2001) one, when step disturbances were inserted on the inlet gas composition. Another test done was the insert of a not trained disturbance. The NN controller performance decrease, and a off set could be observed. To solve this problem, a security device was added to the control system. The control system tolerance to modified input neural network data also was tested. In this way, a noise was added to input data. The NN control performance decreased, but the amplitude of the control variable oscillation band was reduced to the half of the noise amplitude employed. When the modified data was filtered the NN control performance decrease was smaller, about 75% of the noise amplitude Ver menos