در این پژوهش، به طراحی یک شناساگر شبکه عصبی برای سیستم برج تقطیر پرداخته ایم دلیل این پروژه، این است که در سیستم برج تقطیر به دلیل سینی های فراوان محصول ، ابعاد فضای حالت سیستم بزرگ بوده و به همین علت در صورتی که بخواهیم از شبکه عصبی متناسب با مرتبه مدل استفاده کنیم، حجم شبکه افزایش یافته و به همین دلیل حجم محاسبات شبکه افزایش می یابد. با توجه به مباحث مربوط به شبکه عصبی، در صورتی که حجم و پارامترهای شبکه افزایش یابد، به تعداد داده های بسیار بیشتری برای آموزش شبکه نیاز است.با توجه به شرایط صنعتی معمولا نمیتوان به تعداد زیادی از داده های آموزش دست یافت. به همین دلیل دست یابی به یک ساختار بهینه شبکه عصبی به منظور تخمین رفتار سیستم برای هر کاربردی ضروری است. در این پایان نامه روشی ارائه شده است که با استفاده از آن یک ساختار بهینه برای شبکه عصبی ارائه شده است. در این روش آزمایشی ارائه شده که با استفاده از آن ورودی های بهینه شبکه عصبی شامل دینامیک های ورودی و خروجی تعیین می شود.
در نهایت در کنار این ساختار، از کنترل کننده فازی ممدانی برای بستن حلقه کنترل استفاده کرده ایم. در نهایت نتایج شبیه سازی برای ردیابی غلظت آورده شده است که کارایی کنترل کننده فازی (برای کنترل) و شناساگر شبکه عصبی (برای تخمین) اثبات شده است.