Int ern at i onal  Journ al of  R obot ic s  and  Autom ati on (I JRA)   Vo l.   8 , No .   3 ,  Septem ber   201 9 , p p.   155 ~ 163   IS S N:  20 89 - 4856,  DOI: 10 .11 591/ i jra . v8 i 3 . pp 155 - 163          155       Journ al h om e page :  http: // ia escore.c om/j ourn als/i ndex. ph p/IJRA/i ndex   Interv al  type - 2 fuzzy l ogic c ontroll er desi gn  for dis tillation  co lum n  process       Moham med  Y . Hass an ,  Seb al S. Ez z at en   Control   and  s y s t ems   Engi nee r ing   Depa rtment ,  Un ive rsit y   of Tec h nolog y ,   Ir aq       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   J ul  24 , 2 01 8   Re vised  Ma y   25 , 2 01 9   Accepte d  J un   22 , 201 9       Distil lation  co lu m ns  are   the   m ost  unit s  used  in  oil   refine r ie s,  an d  che m ic a l  fac tor ie s.   Thi s   is  a   ver y   d i ffic ul t  proc ess  and  non - li ne a r.   Th ere for e,    the  dev el opm e nt  of   int e ll ig e nt  cont rol   s y st ems   for  the  col um ns  of    the   d isti llat ion  i s  ver y   diff ic ul t.   In  th is  p ape r ,   an   intell ig ent  control  stra te g y  using  Mam dani  t y p e   Interval   T y p e - 2   PI  Li k e  Fuz z y   Log ic  Contro ll er   (IT 2FLC)  is  use d.   Th e  cont rol ler  consists  of   PD - Li ke   FLC  with   integra t e d   output .   Kern ek  Mende l  (KM )  algorithm  is  used  as  the   t y p e  r edu ct ion  m et hod   f or  the   I T2FLC.   Thi s  cont r oller   is  appl i ed  to   c ontrol   a   continu ous  bina r y   tray s   disti ll a ti on   col um n.   The   c ontrol ler  has  th ree   tuna bl e  ga i ns  to  reach   m ini m um   over shoot,   m ini m um  err o r  and   m inim um   sett li ng   t i m e  at  least  var ia b le s  c an  b e   cont rol le d .   Th e  cont rol l er  is  a  v ari ab le   of   the  m ola r  fr ac t ion   of  disti llat e  and   the   r efl ex   ratio   is  the   m ani pu l at ed  v ariabl e .   In te gra l  Ti m e   Abs olut e  Err or  (IT AE)  is  empl o y ed  as  an  obj ec t ive   func ti on  to  m ea sure     the   improvem en t  in  ti m e  r esponse  where   the  er ror  is  bet wee n  desire d   and   output   produc t   c om positi on.   The  per form anc e  of   IT2FLC  is  compare d   with   T y p e - 1  PI  L ike  FLC  (T1FLC ).   The   r esult s  of  the   sim ula t ions  have   show n   tha t   the  proj ect  of  IT2FLC  works   eff icientl y   to  no -   distu rba nce  and     the   eff e ct s  of   dis turba nc e.  Im prove   av era g e  is  of  85%  for  a  constant  set - po int  without   a   distur banc e   and  80%   with  a  d isturba n ce .   Furthermore,  the   ave r age   improvem ent   fo r  a   st ep   set - poin t  is  53%   wi thou t  d isturba nc e   an d  74%   with   disturba nc e.  All   result s  of   th e   si m ula ti on   conf ir m ed  the  h ard ines s  and   cont rol   an y   consist ent i n ac cur ate  with   ob vious a dvan ta g e s for  the IT 2FLC .   Ke yw or d:   Disti ll at ion   FLC   IT2   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Moh am m ed  Y. Hassa n ,   Con tr ol a nd sy stem s En gi neeri ng   De par tm ent,    Un i ver sit y o f Te ch no l og y ,  Ir aq .   Em a il :  60 003@u otech nolo gy .ed u.i q       1.   INTROD U CTION     The  c olu m ns   of  the  disti ll at ion   bin ary  a re  li kely   the  m os t  of   t he  c on t ro ls   in  pet ro le um   and  chem ic al   eng i neer i ng.  T he  dy nam ic s  of   t he  va riabl es  therm o  dy nam ic   no n  id eal it y;   s iz e,  uncertai nty,  a nd  delay     the  m easur es  of  the   c om po sit ion  pu t  t he  c ontrol  of  pr oce dur es  f or  the   disti l la ti on   with  a   c halle ng i ng  pro blem s   [1 ] .   T he  a udit ors  re porte d  on  fu zzy   lo gic  Ty pe - 1  that  ca n  be   us e d  s uccess fu ll y  f or   a   nu m ber   of   proces ses  of   non - li near  a nd co m plex.  D es pi te   it s  wide  p opula rity ,  it   is  s how n  i n  m any scie ntific   re sea r ch   cases   the  project s  of the Ty pe - 1 FLC  ( T 1FLC ) have  d i ff ic ulti e s to  m ini m iz e t he  im pact o f  t he  u ncer ta inti es  in the pla nt  [ 2 ].   Ther e f or e,   the   cho ic e   of  t he  T 1F LC   does   not   neces saril y  th e  m os t  favor a bl e  so luti on  to   the  pro blem   of  c on t ro l,   w her eas   t he  be st  al te rn at ive   is  us i ng  Ty pe - 2  FLC   (T 2FLC )  put  t he  us e   of   it s  fu z zy   set s   char act e rized   by   a  c onseq ue nc e  an d,  a   la r ge r  num ber   of   pa ram et ers.   T2FLC   ha s  bee n  a pp li ed   in   m any  fiel ds   li ke  veh ic le   nonlinea r,   s usp ensio n  syst em s,  r obot  m ob il e  autonom ous  con t ro l,  para ll el   m echan is m   of     cable - dr iv en , b iochem ic al  r eact or  c ontrol  an d  in ve rted pe ndul um   m od el .   Pr at ishtha na nda  an d  Wo ra pr adya  [ 3 ]   was   dev el op e d  the   con t ro l   with   a   real - ti m e  fo r   a  col um n  of    a  bi nar y  disti llati on   us in g  Ty pe - 1  PI  F uzzy  Lo gic  C on t rol le rs.   A  nonlin ear  c on t ro l  a da ptive  al gorith m   for     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2089 - 4856   IJRA ,  V ol.  8 ,   No.  3 ,  Septem ber 2 019 :    155   –   163   156   a  m ult i  com po nen t  batch   dist il la ti on   colum ns   wer e   de vel op e d  by  Ja na  and  Mu rlidh a r   [ 4 ] .   Ca nete  et   al .  [ 5 ]  app li ed   a  neur ofuzzy  a dap ti ve   co ntr ol  us i ng  s of t  se nsors   for  c onti nuou s  disti ll at ion   c olu m n.   Jav adi   an d  Ho s sei ni  [ 6 ]   pro posed  t he  P I  co ntr oller  f or  a  bi nar y  disti ll at ion   column.  Ba rc el ó - Ri c o  et   al .  [ 7 ]   re al iz ed     the  m od el ing   and   t he  co ntr ol   of   a  co ntin uous   disti ll at ion   tower   t hroug h  f uzzy  te chn i qu e .  A  fu zzy   m od el  pr e dicti ve  co nt ro l  in  m ulti var ia ble  co ntr ol   of   disti ll at io n  col um n  wa s  us e d  by  Sivakum ar  et   al .  [ 8 ]    Al - D unai na wi   an d  A bbod  [ 9 ]   pe rfo rm ed  three  te c hniq ue s  of  e voluti onary  al gorithm   as  a   tu ner  to   f uzzy    log ic  c on t ro ll er .    Disti ll at ion   co lum n,   as  pr e vi ou sly   desc rib ed,   is  a  high   nonlinea r,   poorl y - de fine d  relat ion s hip  betwee n  the   inputs  a nd  out pu ts ,  cha racter iz ed  by  uncert ai nty.  Th us ;  usi ng   T1 FLC  di d  not  ac hieve   high   accuracy  i n  c ontr olli ng   a   bi na ry  tray s  disti ll at ion   col um n  and  face d  dif f ic ulti es  in  re duci ng  the   ef fe ct   of   disturba nces a nd unce rtai nties i n  t he dist il la t ion  c olu m n  c onti nuous ty pe .   The  ai m   of  thi s  pa pe r  is  t o  de sign  IT 2  PI - L ike  FLC   f or  c onti nuous  disti ll at ion   c olu m n  ( IT2FLC)   to   reach   the   set - point value  f or  a   disti ll at e  fr act i on  ( X d) w it h  m ini m u m   ov er sh oot,   m ini m u m   err or  a nd  m i nim u m   set tl ing   t i m e  d espite   the  dist urba nce.  Re su l ts  will   be  com par e d  with  us i ng   Ty pe - 1  P I - Like  FLC  ta ki ng   i nto  account t he   vari at ion s in  syst em  p ara m et ers  and d ist urban ce .       2.   DIS TIL LATI ON COL U M N  P ROCESS   AND MO DE L   It  is  known   th at   disti ll at ion   colum ns   are   the  un it s  t hat  m o st  us ed  i n  oil  refi ne ries;   chem ic al   and   petr och em ic al   plants   [ 9 ] .  It  is   the   un it   t he   operati on   in   a uto m atic  co ntr ol  m us t  be   stu di ed.  T her e   a re  a   lot   o f   ty pes  of  disti llati on  c olu m ns   li ke,  conti nu ous or  batch, bi na ry or m ulti  co m po nen t,  pac ke d or t ray [ 1].      2.1.   Pr ocess  de scri pt ion     The  disti ll at io n  is  a  process  i n  a  li quid  or   va por  m ixtur e  of  tw o  or  m or e  com po ne nts  w as  sepa rate d  into  it s   f racti ons   of  re qu i red  pu rity ,  by   the   ap plica ti on  a nd  rem ov al   of   heat.   Disti ll ation  col um n  ge ner al ly   m ade  up  of  tra ys  of   c olu m n.  Th e d ist il la ti on   colum n  co ns is ts  of   m any  tray s,  re boil er,  c ondenser  a nd  a ve rtic al   colum n  f or  t he se par at io n p urpo s e.   The  fee d  is   th e  ent ry  in   the   colum n.   Disti llati on   c olu m n  i s  se par at e d  i nto   t wo  sect io ns.  T hey  a re   recti ficat ion   se ct ion   a nd   strip p in g  sect io n.   Trays  un der   t he   feed  tray   are   cal le d  the  sec ti on   of   st rip pin g  an d  tray s  ab ove  fe ed  t ray  are   cal le d   recti ficat ion   sect i on  [ 10 ] ,  Fig ur e   1  Leav ing  the   Co nde ns er   li quid   is  e ntere d  into  t he   drum   of  the   ref le x.  A  pa rt  of  this   l iqu id   c olu m n  de al s  as   a  ref le x  an d  fall   do wn  by   the   tray s.   F inall y,   the f l uid  is  wit hdra wn,  drum   as a  purified  pr oduct.       B o i l er F e e d  s t ag e   Nf R e f l e x   D r u m F e e d  S t a g e Nf T o p   P r o d u c t D , xD C o n d en s er B o t t o m   P r o d u c t B , xB v L F e e d , F , xF     Fig ure   1. Sc he m at ic  i m per so nation o f  a  ty pical  b ina ry co nt inuous  disti ll ation  c olu m n  [ 1 1 ]       2.2.   M athem ati cal m od el   The  nonlinea r   syst e m   is  m od el e d  with  t he  m ass  bala nce  a nd  c ompone nt  bala nc e  eq uatio ns .     The  m od el  is si m pl ifie d  un der the  fo ll owin g assum ption s  [1 2 ]:   Evaluation Warning : The document was created with Spire.PDF for Python.
IJRA   IS S N:  20 89 - 48 56       In te rv al type - 2 f uz zy l og ic  c ontroll er  desig n f or   disti ll ation colu m n pr oces s   ( Moha mm e d Y.  Ha s san )   157   −   ****** *****/ No ch em ic al  r eact ion s  occ ur .     −   No ch a nge in  (c onsta nt) p ress ur e .   −   Dou ble ( Bi na r y) m ixtur e.   −   No ch a nge in  a  ( c on sta nt) rela ti ve  vola ti li ty .   −   No v a por  hold - up o cc urs in  th e tray s.   −   Perf ect  e quil ib rium  an d  m ixing f or v a por - li qu i d on al l st ag es.   −   Perf ect  c ontr ol level o n re bo il er a nd r e flu x d ru m .   The  Ma ss  b al a nce e qu at i on for ea ch  stage is   [ 1] :    −   Con si der   sta ge   i = N  +  1,  x D = x N   +1,   w he re  N  is  Nu m ber   of  s ta ges,  x D  is  the  disti ll at e  l iqu id   m olar  fr act io n,   x N  is Li quid c oncent rati on on  ℎ   sta ge  is a  Co nden ser st age a nd is  represe nted  as   ( 1) :     M D   = V  y i  –   1   –   L x D   –   D x D   (1)     wh e re  M D  is  Conde ns er   hold - up, V   is Vapor  flo w  rate,   y i  is  Vapo r  m olar  frac ti on  o n  i th   s ta ge,   L   is  Liq uid  fl o w   rate an d   D  is  d i sti ll at e flo w  rat e.   −   Stage   i = NF  +   1  t o  i = N:   re pr e sents   tray s  a bo ve   fee d  tray   w her e   NF  is  t he   nu m ber  of   the   feed  tray   an d  i ts   equ at io n  is  as  f o ll ows   (2) :     M i     = L x i +1   V  y (i  –   1)   –   L  X i   –   V  y i   (2)     wh e re M i  is  Hold - up on  ℎ   sta ge  and  X i  is Li qui d  m olar  f racti on  on  ℎ   sta ge.   −   Stage i = N F: re pr ese nts  feed t r ay  an d i ts eq ua ti on  is  wr it te n  as foll ows   (3) :     Mi    = L X i + 1 +V  y (i   - 1) – L X i – V   y i +F X f     (3)     wh e re  F is Fee d flo w  rate a nd  X f  is Fee d  li qu id m olar  fr act i on.   −   Stages i = 2  to  i = NF   –   1:  repre sent the  stages   belo w  the  f ee d t ray w hich  a re  expresse d  as  fo ll ow s  (4) :     Mi    = (L  +  F)x i + 1   + V  y (i  - 1)   –   L  ( L +  F )x i   –   V y i   (4)     −   S ta ge  i = 1,  x B = x 1  : re pr ese nts  reboil er s ta ge wh ic h  is  repres ented  a s foll ow s   ( 5) :     M B     = (L  +  F)x i  + 1   + V  y B –   B  x B   (5)     wh e re  M B  is  Re bo il er  hold - up,  x B  is  Bott om s  li qu id  m ol ar  f racti on,  B  is  Bott om   flow  rate,  an d  y B  is  Vapo r   m olar  fr act ion  on  bott om  stage.   −   Vapo r  –   li quid  equ il ib rium  r el at ion s hip   for  e ach tray  was re pr ese nted  as   (6) :     y i =    1 + ( − 1 )    (6)     wh e re    is R el at i ve vo la ti li ty     −   Re flux r at io  is  represe nted  as   (7) :     R =   (7)     wh e re R is  Ref le x  rati o.   −   Total  r e bo il er   m ass b al ance i s   re pr ese nted  a s   ( 8) :     B = F  –   D   (8)     −   Total  con dense r  m ass b al ance  is represe nted as   ( 9) :     D = + 1   (9)     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2089 - 4856   IJRA ,  V ol.  8 ,   No.  3 ,  Septem ber 2 019 :    155   –   163   158   2.3.   M od el in g o f  t he dis till ati on  c olumn     The  eq uatio ns   of   the  m od el   a re  enc rypted  by   the  MATLA B  env ir onm ent ,  s - sc ript  f un ct i on   is  cal le d  by  the  blo c k  i n   a  Sim ulink .  The  reso l ution  ordina ry  di ff e ren ti al   eq uatio ns   ar e  us e d  O DE 45.  Fig ure   2  s hows   the m od el  Sim ulink o f  c onti nuous ty pe dist illat ion  co l um n  f ro m  ( 1  t o 9).           Fig ure  2. Mo de l of co nt in uous t ype  disti ll at i on co l um n   (1 - 9)       More ov e r, sim ulati on   m od el   of the  Disti ll at i on Col um n  bloc k  is s how n  i n Fi g ure   3.           Figure  3. Sim ulink  m od el   of   di sti ll a ti on  co l um n  blo ck ( 1 - 5)       wh e re  the  blo c k  CO NS T ILLs s  in  the  Sim uli nk   of   disti ll at i on   c olu m n  is  s - f un ct io n  that  con ta in s  the  program   wh ic h descri be s equati ons  (1 to  5).     2.3.1 .   Simul ati on  re sponse  of o pe n lo op dis till at ion  co lu mn   The   sim ulati o n  was   perform ed,  to   e nsure   com pliance  wi th  t he  dynam ic   w orki ng  i n  t he   operati on,   wh e re by  the  pa ram et ers  are  li ste d  in  the   T a ble   1.  T he  m od el   has   a  non - li near   reacti on  (r es pons e ).   Fig ur e   4  sh ows   dynam i c  res pons e   with  t he  c ha ng e   i n  t he  ref le x  ra ti o  (RR)   as   +1 0%  a nd  - 10 % ,   w her e   the   nom inal  value o f  RR  is  2.56 [ 1].     Evaluation Warning : The document was created with Spire.PDF for Python.
IJRA   IS S N:  20 89 - 48 56       In te rv al type - 2 f uz zy l og ic  c ontroll er  desig n f or   disti ll ation colu m n pr oces s   ( Moha mm e d Y.  Ha s san )   159   Table  1.   Param et ers  o f dist il la ti on  c olu m n  m od el   [ 1]   Sy m b o l   Ty p ical  valu e and  un it   Sy m b o l     v alu es an d  un it     0 .5 k m o l   F   1  k m o l/h     0 .5 k m o l     2     0 .5 k m o l      2 .56   V   1 .78  k m o l/h   N   20   L   1 .28  k m o l/h   NF   11   D   0 .5 k m o l/h     0 .5   B   0 .5 k m o l/h     0 .98             Figure  4. Dy na m ic  r esponse  to  the  ch a nge i n t he reflex  r at io  ( RR )   ( i) Res pons e  in  the  no m inal v al ue  (Blue  li ne ) ,  ( ii )  Re s pons e  at +1 0%  i n  R( Re d  li ne) ,    ( ii i) Resp onse  at   - 10% i n  R  ( Yell ow li ne)       3.   DESIG N OF  THE  PROPO SED  CONTR OLL ER   In the  fo ll owin g  sect io n, the  de ta il s o f desig ni ng   IT 2  P I - Lik e FLC a re e xp l ai ned .     3.1.   Des i gn o f  IT2 PI - Li ke  FLC  (IT2 FL C )   The  c once pt  of  T 2F LC   w as  pro po se d  by  Z adeh  at   1975   a s  a  sta te m ent  of  Ty pe - 1  F L C.  F uzzy  set s   functi on  of  th e  m e m ber sh ip s  are   incl ud e d  in  t he  Footp r int  O f  U nc erta inty   (FOU )‚  a s  sho wn  in   Fi gure  5.    They  are   capa ble  of  m od el in g  a nd   ha nd li ng  the  uncertai nties‚  nonlinea riti es  and  li nguisti c  associat ed  with    the  in puts  a nd   outp ut  of  FL C  by   m od el ing   t hem   and  m ini m iz ing   their   ef fect.   The refor e ‚  IT 2F LC   i s  us ed   instea d  of   t he  T1F LC .  IT 2  f uzzy  set s  are   e xtens i on s   of  th e  cl assic al   fu z zy   set s  that  ad d  a n  ext ra  degree  of   fr ee do m  to  enti tl e an  unce rtai nty fact or in  th e syst e m  b ut th ey  are no t easy  co m par ed  w it h  Ty pe - 1  F LC  [13].   In   t his  pap e r,   IT2  PI  l ike  F LC  of  Ma m dan i  ty pe  is  desi gn e d  with  se ve n  in puts - ou t put  tri an gula r   sh a ped  m e m b ersh i ps .   The   un i ver se   of   di sco ur se   ra ng e   is  withi n  [− 1     1]  f or   e ach  in put  a nd  outp ut.     The   f or m s   of   MFs  a re  sho w n  i n  Fig ure   6.  Ce nt ro i d  is   t he   m et ho d  t ha t  is  sel ect e d  f or  the   defuzzif ic at ion   te chn iq ue.  T he   Rule - base  of   a  pro posed   IT 2 FLC  is  s how n  in   Table  2.  KM  al gorithm   is  us e d  to   im plem ent     the  ty pe  re duct ion   m et ho d  of  the  IT 2F LC .  T he  in puts  an d  ou t pu t  gain s  of   the  c on tr oller  with  the   r ules  wer e   tun e d  t o  reach   the  best  re spo nse   to  reac h  m i nim u m   ov ers hoot,   m ini m u m   set tl ing   ti m e  a nd  m i ni m u m   e rror  in   disti ll at e  m olar  f racti on.  The   f eat ur es   of  us i ng  Ma m dan i  ty pe  a re:  it   is   m y  th ought,  it   s uit s  hum an  in pu t   and  it  is com m on ly  accepted.                 Figure   5. IT 2 m e m ber sh ip  f unct ion st r uctu r e [ 1 4 ]   Figure  6 .  Input / Ou tp ut MFs   0 50 100 150 200 250 0 . 8 5 0 . 9 0 . 9 5 1 T i m e ( h o u r ) D i s t i l l a t e   f r a c t i o n     ii i iii Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2089 - 4856   IJRA ,  V ol.  8 ,   No.  3 ,  Septem ber 2 019 :    155   –   163   160   Table  2.  R ule  base  of   IT 2FL C   e/Δ e   NB   NM   NS   Z   PS   PM   PB   NB   NB   NB   NB   NB   NM   NS   Z   NM   NB   NB   NB   NM   NS   Z   PS   NS   NB   NB   NM   NS   Z   PS   PM   Z   NB   NM   NS   Z   PS   PM   PB   PS   NM   NS   Z   PS   PM   PB   PB   PM   NS   Z   PS   PM   PB   PB   PB   PM   Z   PS   PM   PB   PB   PB   PB       A  P I - li ke  I T 2FLC   pro ba bly em plo ye d  to serve as  a PD s uc h  as  I T 2F LC . As s how n  i n  ( 10)  sho ws    a PD co ntr oller  equati on r es ul ts   in a  posit ion   form ‚  howe ver   ( 11)  s hows  a  PI  c ontrolle r  [1 5].     ( ) =  ( ) +KD  ( )   (10)      ( ) =  .(  ( ) +  ( ) )   (11)     wh e re   ( )  is   a  sig nal   of   sa m pled  error ‚  ∆ ( )  is   the   sa m pled  error  si gn al   rate   c hange,   in de x  k  re pr ese nt s    the  present  sa m pl ing   insta nt,    ( )   is  a  con tr ol  act ion ,      is  an  outp ut  gain ,   ( )   is  the  previ ou s  a n  con t ro l act io n  and  ( )   is der i vative c on t ro l act i on.     3.2.   Desi gn   of  t he  contr oller  log ic  in accu r at e  type  1 (T1 FLC)   This  arti cl e  de scribes  a  Ma m dan i  T 1  P I  Like  FLC  [ 1]  is  pro po se d  as  a  com par ison   wi th  IT 2F L C   wh e re  it   s houl d  with  t wo  in puts  a nd  one   ou tpu t.  The   e ntries  are   goin g  t hro ugh  a  proces s  of  fu zzi ficat ion  with   (5)  m e m ber sh ip.  T he  t rap ez oi dal  m e m ber sh ip  was   sel ect e d  in   the  e xtre m es  and   t rian gu la r  m e m ber sh ip  i n    the  m idd le   a nd  t he   de f uzzif ic at ion   sel ect e d  as  t he   m et h od  is   Ce nt ro i d.  Mo re   detai ls  can   be   f ou nd  i n    the r e fer e nce  1.       4.   RESU LT S  AND DI SCUS S ION   The  c ontrolle d sy stem  is test e d  acc ordin g  t o t he  f ollo wing s cenar i os :   −   Con sta nt D ist il la te  f racti on se t - point ( 0.9 8)   −   Con sta nt D ist il la te  f racti on se t - point ( 0.9 8)  with  disturba nc e    −   Step  Disti ll at e  fr act io n  Set - po int   −   Step  Disti ll at e  fr act io n  Set - po int wit h dist urb ance   The  Disti ll at e  fr act io n  (XD)  set - point  is  sel ect ed  f ro m   a  Table  1  as  a   purity   of  98 % ,  the  tim e  of     the  si m ulati on  is  250  hours   and   the  funct ion   of   the  c ost   us ed  f or  the   evaluati on  of   the  perform a nce  of    the contr ol is  I TAE :     J=250 ∫ | |  25 0 0   (1 2 )     The  a ppli ed  disturbance   is  th e  Feed   fl ow  rat e  (F)  a nd  Fee d  li qu id  m olar  frac ti on   XF   [ 1],  as  sho wn  i n  the  F ig ur e   7 .   The  f eed  flo w  rate  is  represe nted  as  a   Sine   wav e  os ci ll at ion   with   lo w  f re qu e ncy  a nd   t he   Feed   li qu id m olar fr act ion  is  repres ented  a s a sm oo th  square  w a ve  w it h hig h fr e qu e nc y.         (a)   Feed  f l ow ra te     (b)  Fee d  li quid  m olar  fr act io n     Figure  7 .  D ist urba nces  on the   entire fe ed  of t he dist il la ti on  co lum n:   (a)   Feed  f l ow ra te   (b)   Fee d  li quid m olar  f ract ion   Evaluation Warning : The document was created with Spire.PDF for Python.
IJRA   IS S N:  20 89 - 48 56       In te rv al type - 2 f uz zy l og ic  c ontroll er  desig n f or   disti ll ation colu m n pr oces s   ( Moha mm e d Y.  Ha s san )   161   The  sim ulatio n  of  a   cl os e d  lo op  f or  a   disti ll at ion   process   us in g  IT 2F LC   is  s how n  i n  F igure  8   a nd     the sim ulati on  o f  the cl os ed  lo op for a  disti ll a ti on  c olu m n  pr ocess usi ng I T 1F LC   is  sho wn in F i gure  9 .           Fig ure  8 .  Cl os e d  lo op syst em  f or a  disti ll at ion  co l um n  pr oces s u si ng I T 2FL C           Figure  9 .  Cl os e d  lo op syst em  f or a  disti ll at ion  co lum n  pr oces s u si ng I T 1FL C       The   gai ns   of  t he  pro portio na l  co ntr ol  ( KP),   De rivati ve   c ontr ol  ( K D)  a nd  the   outp ut  gai n  (Ko ut)   are   tun e d  m anu al ly   for  both   co nt ro ll ers   to   reac h  the  best  ti m e  respo ns e  a s  s how n  i n  Table  3  t hen  the   sim ulati on  respo n se  for  t he   X d  c on ce ntr at ion   in   both   c on sta nt  set - point  an d  ste p  set - point  with  dis tur ban ce   an d  without   disturba nce  f o r  a   Ty pe - 1  FL C  are   s how n  i n  Fig ur e   10  a nd  Fi g ure   11   r especti vely   a nd  f or  an   IT2F LC  are  sh ow n  in  Fi g ur e  12 a nd Fig ur e  13  resp ect iv e ly .         (a)   Step  set - poi nt only     (b)  Ste p  set - po int wit h dist urb ance     Figure  11. Tim e traject or y  res pons e  of the  sy stem  X d  c onsiderati on  with  f uzzy Ty pe - 1 f or    (a)   Step  Set - point o nly ( b)   Step Set - point  with  disturba nce   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2089 - 4856   IJRA ,  V ol.  8 ,   No.  3 ,  Septem ber 2 019 :    155   –   163   162   Table  3.  T une d gain s fo r  I T2L C   Ty p es     Gain s   PI - Like  I T2F LC   W ith  con stan t set - p o in t on ly   PI - Like  I T2F LC   W ith  con stan t set - p o in t and   d istu rban ce   PI - Like  I T2F LC   W ith  step  set - p o in t on ly   PI - Like  I T2F LC   W ith  step  set - p o in t   an d  dis tu rban ce   KP   5   1 7 .5   5   8 .17 9   KD   5   9 .98   5   3 .41 9 7   Ku   10   9 .8   30   8 .9           (a)   C onsta nt se t - point  on ly       (b)  C on sta nt se t - point  with  disturbance     Figure  12. Tim e traject or y  res pons e  of the  sy stem  X d  c onsiderati on  with  f uzzy Ty pe - 2 f or ( a )  C onsta nt s et - po i n t o nly ( b)  Con sta nt set - point  with  disturbance           (a)   Step  Set - point  only       (b)  Ste p  Set - po int wit h dist urb ance     Figure  13. Tim e traject or y  res pons e  of the  sy stem  X d  c onsiderati on  with  f uzzy Ty pe - 2   (a)   Step  set - poi nt only  (b)  Ste p  set - point  with  disturba nce       By   app ly ing   12,  t he  pe rce ntage  of   e nhance m ent  betwee n  the  IT 2F LC  c om par ed  with  IT1FLC  f o r   diff e re nt cases  are li ste d  i n  Ta ble 4.       Table  4 .   P erce ntage o f  e nh a nc e m ent b et wee n   the  I T 2FLC   com par ed wit h T1 FLC   Co n troller   Co n stan t  Set - p o in t   Step  Set - p o in t   p erce n tag e of  enh an - ce m en t  f o r  co n stan t Set - p o in t   Percentag e of   en h an ce m en t  Step   in p u t   Ty p e - 2   7 6 .23   286   ~8 5 %   ~5 3 %   Ty p e - 2   with   d istu rban ce   1 4 1 .1   4 7 0 .6   ~8 0 %   ~7 4 %   Ty p e - 1   5 0 6 .8   604       Ty p e - 1   with   d istu rban ce   7 3 7 .3   1831             Evaluation Warning : The document was created with Spire.PDF for Python.
IJRA   IS S N:  20 89 - 48 56       In te rv al type - 2 f uz zy l og ic  c ontroll er  desig n f or   disti ll ation colu m n pr oces s   ( Moha mm e d Y.  Ha s san )   163   5.   CONCL US I O N     The  a ppli cat ion   of  I T2   P I - Like  F LC  to   the  nonlinea r  dynam ic al   m o del  of  a  c onti nuous  ty pe   disti ll at ion  co l um n  dem on str at es the effect ivene ss in reac hi ng  a t op contr ol p e rfor m ance  and all owin g  a  f ast er  and   e xact  co nt ro l  of  the  proc ess.  The  distu r ban ce  re j ect ion  and   set   po i nt  tracki ng   is  done   with  le ss  am ount  of  ov e rs hoot  as  a  com par ed  w it h  us in g  Ty pe - 1  PI - Like   F LC.  Sim ulati o ns   ca rr ie d  out,   showe d  a n  a ver a ge   i m pr ovem ent  m easur ed   us in g  IT AE  of  85%  f or  a   co ns t ant  set - point  without  distu r ban ce   a nd  80%  with     a d is tu rb a nce,  for a st ep  set - point t he  im pr ove m ent is 53%  w it ho ut  distu rba nce a nd 74%  wi th d ist urba nce .       REFERE NCE S     [1]   S.  Dia z ,   J.   R.   Pere z - Corre a,  A .   C ipri ano   and   M.   Ferna nd ez  “ Inte l li gen t  C ontrol   Appl ications   on  a  B ina r y  Distil lation   Col um n, ”  IE EE  Int ernati onal   Conf ere nce  de   la   Associat ion   Chil en a  de   Control   A utomati c ,   Ta l ca,   Chil e ,   19 - 21   Oct .   2016 .   [2]   K.  W ora pra d y a   and  S.  Pra ti shth ana nda   “ Rea l   Tim e  Control   of   a   Bina r y   Dist il l ation  Colum n  usi ng  HG A  Fuzz y   Supervisor y   PI  Control le rs , ”   Tencon. ,   pp.   8 14 - 8 18,   2005 .   [3]   G.  M.  Murlidha r   and  A.  K.  Jan a  “ Nonline ar  Ada pti ve  Con trol   Al gorit hm   for  a  M ult ic om ponen t  B at ch  Dist il l at ion   Colum n, “   Chemical  Eng ineeri ng   Scie n ce 62, pp.  111 - 1124,   2007 .   [4]   J.  Ferna nde z  d a   Cane t e,  P.  Sa z - Orozc o  and   S.  Gonza lez - Pere z.  “ Applic ati on  of   Adapti v e  Neur o  Fuzz y   Contro l  using Soft  Senso rs t o  Cont inuous  Distil l ation, ”   C om pute r  Aided   Chemica l   Engi n ee ring   25,   pp.   46 5 - 470,   2008 .   [5]   S.  Java di   and  J .   Hos seini   “ Control   of  a  Bin ar y   D isti llati on   Colum n  using  PI  Contr oll er , ”  9 th  W SE AS   Inte rna t iona l   C onfe ren c e  on  S igna l  Proc ess ing  Com puta ti ona l  Geom et r y   and  A rti fi ci a l  Vision,   W orld  Scie nti f ic  and  Engi n ee r in g   Aca dem y   and   Societ y (W SEAS ),   pp.   145 - 152,   20 09.   [6]   F.  Barcel o - Ri co,  J.  M.  Goza lvez - Za fri ll a   and  J.   L.   Di ez   “ Modeling  and  con trol   o f  a  con ti nuous  d isti llati on   tower   through  fuz z y   technique s, ”  Ch e m ic al   Engi ne ering Re sea r ch and   Design  89 ,   pp .   107 - 115,   2011 .   [7]   R.   Siv akumar,   S .   Man ic,   V.   Ner thi ga ,   R.   Akil a   and  K .   B al u   “ Applicati on   of   Fu zzy   Mod el  Pred ic ti v e   Control  in  Multi var i able  C ontrol   o f  Dist il l a ti on  Co lum n, ”   I nte rnational   Jou rnal  of   Chemi ca l  Eng ineering  an d  Applica ti ons  1 ,  pp.   38 - 42 ,   2010 .     [8]   Y.  AL - Dunainaw i  and  M.  F .   A bbod  “ Evol uti on ar y   Based   Opti m iz at ion  o f  Mul ti var i able  fuz z y   cont rol  S y stem  of    a  Bina r y   Dist i ll ation  Colum n, ”  Int ern a ti ona l   conf er enc e   o n  co m pute r  Modeli ng  and  Sim ula ti on ,   UK ,     pp.   127 - 132 ,   20 16.   [9]   M.  Sharm il a and   V.  Manga r y a rka rasi  “ Modeli ng  a nd  Control   of  B i nar y   Distil la t ion Colum n, ”  Elec tr ic a l,   El e ct ron ic ,   and  Instrum entat ion  Eng ine er ing, a n  ISO   C ert if ied Organi z at io n,   Vol.   3 ,   pp .   105 - 111,   20 14 .   [10]   Y.  AL.   Dunain a wi  and  M.  F.  Abbod  “ PSO - PD   Fuzz y   Con trol   o f  Distil lation  Co lumn,”   SA I  Intelli gen t  S y st em  Confer ence, L on don,   UK ,   pp .   55 4 - 558,   2015 .   [11]   A.  George   and   R.   M.   Franc is  “ Model  Ref ere n c e  Adapt ive  Con trol   of   Bin ar y   Distil lation   Col um n  Com positi on  using MIT   Adap ti ve   Mec han ism , ”  Eng ine e ring  R ese arc h   and   T echnolog y   4,   pp.   5 55 - 558,   2015 .   [12]   H.  Ying,   “ Fuzz y  Control a nd   Modeli ng ,   Ana l y tic al   Founda ti ons a nd  Applicati ons , ”   W ie l y - IEEE  Pr ess,  US A,  2000.   [13]   M.  B.   Oze k   and   Z.  H.  Akpol at  “ A  Software   Tool  T y pe - 2   Fuz z y   L ogic   Tool box , ”   Com put - APPI - E ng - Edu,  Vol.   16,   No.  2,   pp.   137 - 1 46,   2008 .     [14]   Bart olomeo  Cos enz a   “ Control   o f  a  Dist il l at ion   Colum n  b y   T y p e  2  and  T y p e  1   Fuzz y   Logi c   PID   Control l er, “   Journal  of  Pro ces s Control le r   24  ,   pp .   475 - 484 ,   2 014.   [15]   Moham m ed  Y.  Hass an  and  Sa i f   Faris  Abulha il  “ Design  of  FP G A  Based  Int erv a l  T y p e2  Fuz z y   Logi c   Controller , ”   M.  Sc.   the sis,   C ontrol   and  S y s tem   Engi nee r ing D epa rtment at   Univer sit y   of Technolog y ,   Ir aq, 2 017.   Evaluation Warning : The document was created with Spire.PDF for Python.