ABSTRACT
RESUMO Este artigo apresenta um modelo de rede neural para controlar a dosagem de cloro na água tratada, a fim de obter melhores resultados na estabilidade do cloro residual livre, quando comparados ao controle Proporcional-Integral-Derivativo (PID) empregado atualmente e na consequente redução do consumo de cloro no processo de tratamento de água. Entre os diferentes desinfetantes, o cloro é amplamente utilizado em estações de tratamento de água de grande porte no mundo. No Brasil, especialmente nas grandes cidades, esse produto químico é também empregado como um agente desinfetante. Nesse contexto, um modelo que utiliza redes neurais artificiais foi implementado e simulado no software Matlab, levando-se em conta as características operacionais de uma estação de tratamento localizada na região metropolitana de São Paulo.
ABSTRACT This paper presents an approach using a neural network model to control chlorine dosage in treated water, so as to obtain better results in the stability of the free residual chlorine, when compared to the control currently used, based on the Proportional-Integral-Derivative (PID) model and the consequent reduction in chlorine consumption in the water treatment process. Among the different disinfectants, chlorine is widely used in large water treatment plants in the world. In Brazil, especially in large cities, this chemical product is also used as a disinfectant agent. In this context, a neural model was implemented and simulated in MatLab software, taking into account the operational characteristics of a treatment plant, located in the São Paulo Metropolitan Region.
ABSTRACT
The method and developing progress on CT automated dose management are introduced. Modern method on CT automated dose management compromises real-time angular dose modulation and Z axis tube current modulation. Provided the automated dose management are correctly applied,the image quality can be optimized at minimum dose.