Browsing by Author "Habbi, Hacene (Promoteur)"

Now showing 1 - 7 of 7

Analyse, reconfiguration et implémentation sur système "DCS" de la commande de démarrage du rebouilleur "H301" de l’unité de régénération de glycol hydraté
(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2016) Fyad, Amel; Habbi, Hacene (Promoteur)
Ce sujet de mémoire de fin d’études porte sur la reconfiguration et la validation de la séquence de démarrage du rebouilleur "H301" de l’unité de régénération de glycol dans l’unité "45" par un système de contrôle distribué industriel "DCS" (Distributed Control System). La commande de démarrage du rebouilleur est actuellement pilotée par un système de commande conventionnel (logique câblée). Le présent travail s’articule autour de trois chapitres une description détaillée de l’unité "45" étudiée dans le premier chapitre. Le deuxième chapitre est consacré à l’étude du système de démarrage actuel de rebouilleur "H301". Le dernier chapitre est consacré à la configuration et l’implémentation sur le "DCS I/A" des séquences de démarrage du rebouilleur "H301".
Caractérisation expérimentale des flux et contrôle prédictif d’un procédé de bacs interconnectés
(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2018) Khouidmi, Toufik; Habbi, Hacene (Promoteur)
Ce présent travail est organisé comme suit: le premier chapitre retrace les concepts et outils de base en relation avec les systèmes de contrôle prédictifs dédiés aux processus dynamiques. Le deuxième chapitre traite du problème de modélisation du procédé de trois bacs d’eau du laboratoire "DTS200", en revenant sur les principaux aspects de dimensionnement du modèle à travers la calibration des capteurs et des actionneurs, l’estimation et l’optimisation par la voie expérimentales des coefficients de flux associés aux vannes manuelles du procédé. En procédant ainsi, une caractérisation expérimentale des écoulements à travers les vannes manuelles du système est alors établie sur la base d’approches utilisant les données expérimentales prélevées sur l’installation réelle. Dans le troisième chapitre, il a été question de développer un modèle de contrôle prédictif pour le système de trois bacs d’eau du laboratoire en s’appuyant sur le modèle expérimental traité dans le deuxième chapitre.
Élaboration d’une configuration de commande auto-ajustable pour la compensation du «Slug Flow» dans un procédé de séparation pétrolier
(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2016) Hadid, Nouh; Zeghoud, Asmane; Habbi, Hacene (Promoteur)
Ce mémoire est composé de trois chapitres et est organisé de la façon suivante: le premier chapitre est consacré aux procédés de séparation pétroliers. Nous y présentons les principaux concepts et mécanismes associés et donnons une description technologique qui permet de comprendre leur fonctionnement en rapport avec leur utilisation dans l’industrie pétrolière. Nous abordons dans le deuxième chapitre le séparateur triphasique "D901-A" objet de cette étude. Une description de la configuration de contrôle actuelle du séparateur y est fournie appuyée par des données de mesure prélevées sur "DCS". Cette étape est suivie par une étude de modélisation physique du séparateur "D901-A" servant à la définition des différentes configurations de régulation à concevoir. Le dernier chapitre traite du problème de synthèse des lois de commande introduites pour la reconfiguration du contrôle actuel. Les performances des boucles de régulation synthétisées sont étudiées en simulation dans différentes conditions de fonctionnement.
Evolving cloud-based fault monitoring system for an industrial gas turbine
(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2024) Fadel, Mohamed Saout El Hak; Messaoudi, Mohammed Rida; Habbi, Hacene (Promoteur)
The Thesis focuses on the development and implementation of an evolving fault monitoring system for an industrial gas turbine. Building on our study of turbine during our internship, this work is dedicated to creating an evolving cloud-based system of AnYa-type to detect and identify different fault scenarios in the industrial gas turbine. This model leverages real-time data and non-parametric methods to adapt to dynamic environments, enhancing efficiency and reliability in complex systems. Our efforts have been directed towards building this monitoring system to ensure continuous learning and adaptation, ultimately improving operational performance under normal and fault modes.
Evolving intelligent control of three-phase separator level loop with slug flow compensation
(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2023) Mokhtache, Islem; Hedna, Abderrahmen; Habbi, Hacene (Promoteur)
This manuscript is organized in three chapters. The first chapter introduces the oil production separator processes with detailed description of industrial control structures involved. The second chapter describes the modeling phase of the "10-V-255" separator and presents the derived mathematical models for water level, oil level and gas pressure. Control structure design and tuning is presented in the third chapter, where the design methods of the "RECCo controller", the "PID-ZN controller", the "PID-PSO controller" and the "PID-SIMC controller" are detailed. This chapter also summarizes the control results and compares the considered controllers under level reference tracking and slugging effect compensation scenarios.
Intelligent calibration of level sensors using functional link neural networks with piecewise linear interpolation
(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2024) Benhacine, Souheil Nadjmeddine; Naili, Mohamed Chakib; Habbi, Hacene (Promoteur)
This Study focuses on designing an intelligent calibration model for level sensors by using the Functional Link Artificial Neural Network (FLANN). The FLANN has simple architecture and requires less computational effort compared to other neural networks models. This made it good enough in extending the linearity of many sensors and transducers as reported in recent literature. Despite its advantages, the standard FLANN model has limitations in terms of generalization and accuracy. To overcome this shortcoming, we propose in this study an approach that relies on integrating Piecewise Linear (PWL) interpolation with the FLANN model. This approach aims to improve the overall performance of the calibration process, offering better generalization capabilities. Building on an extensive experimental investigation of the intelligent calibration model on the typical problem of level sensors calibration, this manuscript outlines the methodology, implementation steps, and findings of our study.
Surveillance d’un turbocompresseur Propane industriel basée sur le Deep Learning
(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2024) Bennabi, Merina; Mammasse, Melissa; Habbi, Hacene (Promoteur)
Les Processus industriels sont sujets à de multiples défaillances, ce qui rend la détection et le diagnostic de défauts un domaine de recherche d’une importance majeure. De nombreuses méthodes ont été développées à cet effet dans le contexte de l'apprentissage de la machine (Machine Learning ou ML), et plus précisément le Deep Learning qui est une branche du ML ayant suscité un intérêt particulier ces dernières années. Dans cette thèse, nous nous sommes intéressés au problème particulier de la surveillance du turbocompresseur propane de la boucle de réfrigération au propane entrant dans le cycle de liquéfaction du gaz naturel dans le Complexe GL2Z de la zone industrielle d’Arzew. Notre approche de surveillance est typiquement orientée vers la conception d’un système de classification de défauts basée sur les réseaux de neurones à convolution (CNN), dont le développement engage l’emploi d’une quantité importante de mesures prélevée sur le système réel dans différentes périodes de fonctionnement par les opérateurs sur site. Cette base de données regroupe des situations de fonctionnement normal et défaillant présentant des caractéristiques très variées et complexes. Les modèles de diagnostic développés ont été validés sur les données expérimentales du processus à surveiller, montrant des performances supérieures en termes de training, testing et prédiction des défauts. Nos résultats constituent une preuve de faisabilité de l’approche de surveillance par Deep Learning en milieu industriel, offrant par conséquent des solutions de monitoring très prometteuses en matière d’exploitation de l’historique des mesures à des fins de surveillance industrielle.