Distillation of a multicomponent alcohol mixture was researched in a laboratory scale continous packed distillation column. In this work, single input single output (SISO) and multi input multi output (MIMO) control of top and bottom product temperature of the column were made theoretically and experimentally. Model predictive control (MPC) algorithm based on artificial neural networks (ANN) was used for control studies. Alcohol mixture with five components consists of methanol, ethanol, n-buthanol, isoamine alcohol (1-pentanol) and anisole (methyl-phenyl ether) was distillated. A 2 L tank volume and 1 m packing height laboratory scale packed distillation column was used. Dynamic experiments were made to system identification by selecting reflux ratio and reboiler heat duty as input variables, top and bottom product temperatures as output variables. By giving positive and negative step effects to input variables, the variation of output variables with time was obtained. The transfer functions of process were obtained by using statistical model identification method from experimental data. Relative gain array (RGA) was determined to establish the best control pairing of the process. For control algorithm, ANN model of process was proposed and was trained with backpropagation algorithm. By basing on this model, MPC algorithm was obtained. In experimental control, model predictive control (MPC) algorithm based on artificial neural networks (ANN) was written at Visual Basic language. This algorithm was added to software. Control algorithm was also written in the MATLAB and used for theoretical control. In control studies, the top and bottom product temperatures were controlled by giving positive and negative step effects to set points of the top and bottom product temperatures and the concentration of feed mixture.

Çok bileşenli bir alkol karışımının, laboratuvar ölçekte sürekli çalışan bir dolgulu damıtma kolonunda damıtılması incelenmiştir. Çalışmada, kolonun üst ve alt ürün sıcaklıklarının tek girdili tek çıktılı (SISO) ve çok girdili çok çıktılı (MIMO) kontrolü, deneysel ve teorik olarak yapılmıştır. Kontrol çalışmaları için yapay sinir ağı (ANN) temelli model öngörmeli kontrol (MPC) algoritması kullanılmıştır. Metanol, etanol, n-bütanol, isoamil alkol (1-pentanol) ve anisol (metil-fenil eter)'den oluşan beş bileşenli alkol karışımı damıtılmıştır. 2 L kazan hacmi ve 1 m'lik dolgu boyu olan laboratuvar ölçekli bir dolgulu damıtma kolonu kullanılmıştır. Proses tanımlama yapabilmek için, geri akma oranı ve kazana verilen ısı miktarı girdi değişkenleri, üst ve alt ürün sıcaklıkları çıkış değişkenleri seçilerek dinamik deneyler yapılmıştır. Girdi değişkenlerine pozitif ve negatif basamak etkiler verilerek çıkış değişkenlerinin zamanla değişimi elde edilmiştir. Deneysel veriler kullanılarak istatistiksel model tanımlama yöntemi ile prosesin iletim fonksiyonları bulunmuştur. Prosesin en iyi kontrol çiftini belirlemek için Bağıl Kazanç Matrisi (RGA) belirlenmiştir. Kontrol algoritması için, MATLAB ortamında prosesin ANN modeli tasarlanarak geri yayınım algoritması ile eğitilmiştir. Bu model temel alınarak MPC algoritması elde edilmiştir. ANN temelli MPC algoritması, deneysel kontrolde Visual Basic dilinde yazılarak paket programa eklenmiştir. Kontrol algoritması MATLAB ortamında da yazılarak teorik kontrol için kullanılmıştır. Kontrol çalışmalarında, üst ve alt ürün sıcaklıklarının set noktalarına ve besleme çözeltisinin derişimine pozitif ve negatif etkiler verilerek üst ve alt ürün sıcaklıkları kontrol edilmiştir.