Modélisation physicochimique et neuronale appliquée au contrôle du pH

Univ Europeenne - EAN : 9786138401513
Omkaltoume EL Fatni
Édition papier

EAN : 9786138401513

Paru le : 1 juil. 2018

61,90 € 58,67 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
  • Benefits Livraison gratuite
    en France sans minimum
    de commande
  • Benefits Manquants maintenus
    en commande
    automatiquement
  • Benefits Un interlocuteur
    unique pour toutes
    vos commandes
  • Benefits Toutes les licences
    numériques du marché
    au tarif éditeur
  • Benefits Assistance téléphonique
    personalisée sur le
    numérique
  • Benefits Service client
    Du Lundi au vendredi
    de 9h à 18h
  • EAN13 : 9786138401513
  • Réf. éditeur : 6911979
  • Editeur : Univ Europeenne
  • Date Parution : 1 juil. 2018
  • Disponibilite : Disponible
  • Barème de remise : NS
  • Nombre de pages : 156
  • Format : H:229 mm L:152 mm E:9 mm
  • Poids : 239gr
  • Interdit de retour : Retour interdit
  • Résumé : L'objectif de la présente thèse est d'assurer le contrôle du pH des eaux acidifiées d'extraction de sucre à partir de la betterave en testant l'approche neuronale. Le modèle neuronal développé est basé sur un réseau de neurones à trois couches dont l'apprentissage a été basé sur les résultats d'essais industriels effectués sur le procédé réel dans une sucrerie de betterave nationale. A cause des difficultés de réalisation d'un nombre suffisant d'essais industriels pour la validation du modèle neuronal, un modèle physico-chimique décrivant le comportement dynamique du procédé étudié a été développé. Celui-ci a été validé sur la base d'essais industriels et une étude de la sensibilité paramétrique. A cet effet, la validation du modèle neuronal a été réalisée sur la base des résultats d'essais industriels sur le procédé réel et d'autres simulés à l'aide du modèle physico-chimique. Le contrôleur prédictif à modèle inverse a été adopté en se basant sur le réseau neuronal direct précité et son réseau neuronal inverse. Ses performances ont été évaluées et comparées à celles du contrôleur PID. Les résultats obtenus montrent la grande fiabilité du contrôleur neuronal.
Haut de page
Copyright 2026 Cufay. Tous droits réservés.