Diseño de un controlador de PH basado en redes neuronales para el proceso de hidrólisis enzimática de producción de bioetanol

Abstract

Los biocombustibles surgieron como una alternativa renovable a los combustibles convencionales, debido a la reducción de las reservas de petróleo y la contaminación ambiental que ocasiona el uso de combustibles fósiles; sin embargo, la reducción de costos para la producción de biocombustibles, específicamente bioetanol de segunda generación evoluciona a un ritmo muy lento, a pesar de los numerosos aportes realizados por investigadores, universidades y la industria. Este estudio está particularmente interesado en aportar con la reducción de costos de producción de bioetanol de segunda generación mediante sistemas de control capaces de soportar el uso de nuevas enzimas para maximizar la generación de azúcares, que sirven como sustrato para la fermentación de etanol. Para este propósito, el objetivo de este trabajo es diseñar un controlador de pH basado en redes neuronales para el proceso de hidrólisis enzimática, el cual es un proceso clave que requiere un control preciso del nivel de pH para que las enzimas cumplan su trabajo exitosamente puesto que, pequeñas desviaciones del valor óptimo de pH pueden causar una caída significativa en la eficiencia del proceso. Se proponen como alternativas de solución: un controlador neuronal inverso directo, un controlador neuronal inverso directo adaptativo, un controlador de modelo interno con modelos neuronales, un controlador NARMA-L2 y un controlador NARMA-L2 adaptativo. Asimismo, sus rendimientos son comparados ante la ausencia y presencia de perturbaciones. Finalmente, el controlador NARMA-L2 adaptativo es seleccionado como el mejor controlador entre los propuestos debido a su precisión en el seguimiento del nivel de pH óptimo en función de la enzima empleada.

Biofuels have emerged as a renewable alternative to conventional fuels, driven by the reduction of oil reserves and the environmental pollution that incurs in the usage of fossil fuels, however cost reduction for biofuels production, specifically second generation bioethanol, evolves at a very slow pace despite many contributions made by researchers, universities and the industry. This study is particularly interested in designing control systems capable of supporting the use of novel enzymes to maximize the generation of sugars that serve as substrate for ethanol fermentation as a mean to reduce costs. For that purpose, the aim of this work is to design a neural network based pH controller for the enzymatic hydrolysis process, this key process requires an accurate pH level control for enzymes to do their work successfully, as small deviations from the pH optimal value cause a significant drop in the process efficiency. A direct inverse neural controller, an adaptive direct inverse neural controller, an internal model control with neural models, a NARMA-L2 controller and an adaptive NARMA-L2 controller are proposed for this control problem and their performances compared both with and without perturbations. Finally, the adaptive NARMA-L2 controller is selected as the best controller among the proposed ones because of its accuracy in tracking the optimal pH level depending of the enzyme employed.