Modélisation physicochimique et neuronale appliquée au contrôle du pH

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.