191mc_gvp_norestriction

Download 191MC_gvp_NoRestriction

If you can't read please download the document

Upload: rommel-andres-pozo

Post on 11-Nov-2015

212 views

Category:

Documents


0 download

DESCRIPTION

expo 2015

TRANSCRIPT

  • SUBSECRETARA DE EDUCACIN E

    INVESTIGACIN TECNOLGICAS

    SEPSECRETARA DE

    EDUCACIN

    PBLICA

    Centro Nacional de Investigacion y Desarrollo Tecnologico

    Departamento de Ingeniera Electronica

    TESIS DE MAESTRIA EN CIENCIAS

    Aplicacion del Control Predictivo Multivariablea una Columna de Destilacion Binaria

    presentada por

    Guillermo Valencia PalomoIng. Electronico por el I. T. de Merida

    como requisito para la obtencion de grado de:

    Maestra en Ciencias en Ingeniera Electronica

    Director de tesis:

    Dr. Carlos Manuel Astorga Zaragoza

    Co-Director de tesis:

    Dr. Manuel Adam Medina

    Jurado:Dr. Victor Vctor Manuel Alvarado Martnez - Presidente

    Dr. Enrique Quintero-Marmol Marquez - SecretarioDr. Alejandro Rodriguez Palacios - Vocal

    Dr. Carlos Manuel Astorga Zaragoza - Vocal Suplente

    Cuernavaca, Morelos, Mexico. 18 de Diciembre de 2006

  • Dedicatoria

    A mis , por luchar siempre por mi y por ser el mejor ejemplo en mi vida. Los amo.

    A mis , con quienes he pasado los mejores momentos de mi vida.

    A mis , con toda mi admiracin y respeto, gracias por estar siempre tan cerca de mi.

    A , que siempre ha estado de mi lado.

    Con todo mi amor y cario, para ustedes:

    El amor nunca dejar de ser. Un da cesarn las profecas, y no se hablar ms en lenguas ni ser

    necesaria la ciencia. Porque la ciencia y la profeca son imperfectas.

    1 Corintios 13; 8:9.

  • Agradecimientos

    Durante este tiempo en que realice mi maestra pude constatar el apoyo

    de profesores, familiares y amigos, a los cuales quiero expresar mi mas sin-

    cero agradecimiento.

    A mis asesores el Dr. Carlos M. Astorga Zaragoza y el Dr. Manuel

    Adam Medina, gracias por guiarme en este trabajo de investigacion mediante

    sus invaluables consejos y observaciones, por su confianza y sobre todo por

    su amistad.

    A los miembros de mi comite revisor; el Dr. Victor Manuel Alvarado, el

    Dr. Enrique Quintero-Marmol Marquez y el Dr. Alejandro Rodrguez Pala-

    cios, gracias por sus acertados comentarios y correcciones que contribuyeron

    a enriquecer este trabajo.

    Agradezco tambien a todos mis profesores de CENIDET, por su labor

    dentro y fuera de las aulas. A mis companeros de potencia: Enrique Contre-

    ras, Jorge A. Perez, Rosendo Flores, Alfonso Perez, Roberto Ovando, Palo-

    ma E. Torres, Arnoldo Pacheco, Juan Carlos Tujillo y Francisco Pereyra;

    y de control: Fernando A. Alegra, Leonel Alonso, Marcos A. Mendez, Juan

    Carlos Gracia, J. Hector Ramirez, Eber J. Martnez, Jose E. Martnez y

    Cesar A. Villanueva, con quienes compart momentos agradables de trabajo

    y la ilusion de algun da ver nuestros estudios concluidos, por esos ratos de

    diversion y por su amistad.

    Les agradesco al Dr. David Juarez Romero, a Fernando Rivas y a Fran-

    cisco Ronay, con quienes pase horas en la columna, gracias por sus aporta-

    ciones dentro del Grupo de Destilacion, por su amistad y por los ratos que

    compartimos.

    Agradezco profundamente a mis padres Guillermo y Mara Luca, para

    quienes sus hijos son la esencia de su vida, su dicha y la ilusion de su exis-

    tencia ha sido verlos convertidos en personas de provecho. A mis hermanos

    Jorge y Lizardo; ustedes son parte de mi inspiracion. Gracias por quererme

    como solo ustedes podran hacerlo.

  • A mis abuelos, Papa Guillermo y Mama Mechita que han velado por

    mi en todo momento.

    Sin duda he dejado de mencionar a muchas otras personas que hicieron

    mas placentera mi estancia en Cuernavaca, tanto los que aqu conoc como

    a los que desde Merida y otros lugares siempre estuvieron pendientes de

    mi. No obstante, a todos ustedes los tengo presentes y les reitero mi mas

    profundo agradecimiento.

    Agradezco al CONACYT y DGEST por el apoyo economico brinda-

    do, sin el cual no hubiera sido posible dedicarme de tiempo completo al

    desarrollo de este trabajo de tesis.

    Finalmente, agradezco al Centro Nacional de Investigacion de Desarro-

    llo Tecnologico por proporcionarme los medios necesarios para mi formacion

    academica y por las facilidades otorgadas durante mi estancia.

  • Resumen

    En un proceso, las variables pueden clasificarse en variables controladas

    y variables manipuladas. La mayor parte de estas variables se encuentran

    acopladas, como en el caso de una columna de destilacion. Para hacer

    frente a esto, en la mayora de los casos, se busca desacoplar las variables

    del proceso y disenar multiples controladores monovariables. En aquellos

    casos en los que el controlador PI se usa para regular estos lazos de

    control, la sintona normalmente se realiza en un punto de operacion.

    Esta sintona no puede ser efectiva si los puntos de operacion cambian

    considerablemente, pudiendo originar una degradacion del desempeno

    del controlador. Esto podra incluso causar, en el caso mas extremo, la

    inestabilidad del proceso.

    Cuando estas interacciones entre variables no se pueden evitar, la plan-

    ta, debe considerarse como un proceso multivariable en vez de un con-

    junto de procesos monovariables.

    En este trabajo se exponen las bases conceptuales para el diseno de un

    controlador predictivo multivariable basado en modelo. El controlador

    es formulado en espacio de estados y se programa en Matlabr para suevaluacion. Este controlador combina la simplicidad de los modelos linea-

    les con las no linealidades esenciales del proceso utilizando una tecnica

    conocida como linealizacion en lnea. El controlador se desarrolla para

    una planta piloto de destilacion binaria, presentando como principales

    ventajas la facilidad de sintona y su adaptacion a los distintos puntos

    de operacion de la planta sin necesidad de reajustar los parametros de

    los controladores. Se presentan los resultados obtenidos en simulacion

    para diversos casos estudiados. Entre estos se incluye la compensacion

    de perturbaciones medibles que permite eliminar los errores de estado

    estacionario.

    Como caso particular del caso multivariable, se presenta la imple-

    mentacion experimental de un controlador monovariable para regular el

    flujo de agua al condensador de la planta piloto de destilacion.

  • Abstract

    In a process, the variables can be classified in manipulated variables

    and controlled variables. Most of these variables are coupled, as in the

    case of a distillation column. In order to face this, the most popular

    way of control the multivariable processes, is by designing decoupling

    compensators to suppress the interactions and then designing multiple

    monovariable controllers. In those cases in which PI controllers are used

    to regulate these control loops, the tuning normally is made in a operating

    point. As the set points are modified, the poor tuning originates a loss of

    yield in the controller, causing a high variability in the controlled outputs

    that even can arrived in instability.

    When these interactions are not negligible, the process must be con-

    sidered to be a multivariable process instead of a set of monovariable

    process.

    In this work the conceptual bases for the design of a multivariable

    model-based predictive controller are exposed. The controller uses a space

    state formulation and is programed in Matlabr for his evaluation. Thiscontroller combines the simplicity of the linear models with the essen-

    tial nonlinearities of the process using a technique known as on-line

    linearization. The controller has been developed for a bench-scale disti-

    llation column, presenting as main advantages the facility of tuning and

    its adaptation to the different set points of the plant with no need of

    readjusting the controller parameters. The results obtained in simulation

    for diverse studied cases are exposed. Between these, the compensation of

    measurable disturbances is included, this allows to eliminate the steady

    state errors.

    As particular case of the multivariable controller, appears the experi-

    mental implementation of a monovariable controller to regulate the flow

    of cooling water to the condenser of the bench-scale distillation column.

  • Indice general

    Lista de figuras V

    Lista de tablas IX

    Notacion XI

    1. Introduccion 1

    1.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . 4

    1.2. Ventajas del control predictivo . . . . . . . . . . . . . . . . . . . . . . . 5

    1.3. Hipotesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

    1.4. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

    1.5. Justificacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

    1.6. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

    1.6.1. Temas abiertos a la investigacion . . . . . . . . . . . . . . . . . 10

    1.7. Organizacion del documento . . . . . . . . . . . . . . . . . . . . . . . . 11

    2. Conceptos basicos del control predictivo 13

    2.1. Estrategia de los controladores predictivos . . . . . . . . . . . . . . . . 13

    2.2. Elementos basicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

    2.2.1. Modelo de prediccion . . . . . . . . . . . . . . . . . . . . . . . . 16

    2.2.2. Funcion objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . 20

    2.2.3. Obtencion de la ley de control . . . . . . . . . . . . . . . . . . . 22

    2.3. Revision de los principales algoritmos . . . . . . . . . . . . . . . . . . . 23

    2.3.1. Control por matriz dinamica (DMC) . . . . . . . . . . . . . . . 23

    2.3.2. Control algortmico de modelo (MAC) . . . . . . . . . . . . . . 24

    2.3.3. Control predictivo funcional (PFC) . . . . . . . . . . . . . . . . 25

    i

  • ii Indice general

    2.3.4. Control autosintonizado de prediccion extendida

    (EPSAC) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

    2.3.5. Control adaptable de horizonte extendido (EHAC) . . . . . . . 26

    2.3.6. Control predictivo generalizado (GPC) . . . . . . . . . . . . . . 27

    2.3.7. Control predictivo no lineal (NLMPC) . . . . . . . . . . . . . . 28

    2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

    3. El control predictivo multivariable 31

    3.1. El control multivariable . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

    3.2. Formulacion del MPC en espacio de estados . . . . . . . . . . . . . . . 32

    3.3. Estimacion de estados . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

    3.4. Alternativas del vector de estados . . . . . . . . . . . . . . . . . . . . . 39

    3.5. Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

    3.5.1. Restricciones en el control predictivo . . . . . . . . . . . . . . . 41

    3.5.2. Solucion del problema . . . . . . . . . . . . . . . . . . . . . . . 42

    3.5.3. Gestion de restricciones . . . . . . . . . . . . . . . . . . . . . . 46

    3.6. Pruebas realizadas al controlador . . . . . . . . . . . . . . . . . . . . . 47

    3.6.1. Caso 1: Control monovariable . . . . . . . . . . . . . . . . . . . 48

    3.6.2. Caso 2: Modelo de prediccion diferente a la planta . . . . . . . . 50

    3.6.3. Caso 3: Restricciones . . . . . . . . . . . . . . . . . . . . . . . . 52

    3.6.4. Caso 4: Control multivariable . . . . . . . . . . . . . . . . . . . 53

    3.7. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

    4. Modelado matematico de una columna de destilacion binaria 57

    4.1. Perspectiva historica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

    4.2. Hipotesis sobre el modelo . . . . . . . . . . . . . . . . . . . . . . . . . . 58

    4.3. Relacion de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

    4.3.1. Mezcla ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

    4.3.2. Mezcla no ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

    4.3.3. Eficiencias de Murphree . . . . . . . . . . . . . . . . . . . . . . 60

    4.3.4. Diagrama de equilibrio . . . . . . . . . . . . . . . . . . . . . . . 61

    4.4. Flujos y masas molares . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

    4.5. Parametros de alimentacion . . . . . . . . . . . . . . . . . . . . . . . . 62

  • Indice general iii

    4.6. Balance de materia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

    4.7. Balance de energa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

    4.8. Pruebas en la columna de destilacion . . . . . . . . . . . . . . . . . . . 65

    4.8.1. Descripcion del la planta piloto de destilacion . . . . . . . . . . 65

    4.8.2. Validacion del modelo matematico . . . . . . . . . . . . . . . . 74

    4.9. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

    5. Diseno e implementacion de controladores 79

    5.1. Configuraciones de control en la CDD . . . . . . . . . . . . . . . . . . . 79

    5.1.1. Configuracion de balance de energa (L V ) . . . . . . . . . . . 805.1.2. Configuracion de balance de materia (D V ) y (LB) . . . . 815.1.3. Otras configuraciones de control . . . . . . . . . . . . . . . . . . 81

    5.2. Metodologa para la implementacion de controladores predictivos en la

    columna de destilacion . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

    5.3. Controlador MPC para el flujo de agua al condensador . . . . . . . . . 83

    5.3.1. Seleccion de variables . . . . . . . . . . . . . . . . . . . . . . . . 84

    5.3.2. Obtencion de la respuesta temporal del proceso . . . . . . . . . 85

    5.3.3. Obtencion del modelo de prediccion . . . . . . . . . . . . . . . . 85

    5.3.4. Pruebas en simulacion . . . . . . . . . . . . . . . . . . . . . . . 86

    5.3.5. Desarrollo de una interfaz operador-proceso . . . . . . . . . . . 89

    5.3.6. Pruebas experimentales . . . . . . . . . . . . . . . . . . . . . . . 91

    5.3.7. Validacion y analisis de resultados . . . . . . . . . . . . . . . . . 91

    5.4. Controlador MPC para la columna de destilacion . . . . . . . . . . . . 94

    5.4.1. Seleccion de variables . . . . . . . . . . . . . . . . . . . . . . . . 94

    5.4.2. Obtencion de la respuesta temporal . . . . . . . . . . . . . . . . 95

    5.4.3. Obtencion del modelo de prediccion . . . . . . . . . . . . . . . . 95

    5.4.4. Pruebas en simulacion . . . . . . . . . . . . . . . . . . . . . . . 99

    5.4.5. Analisis de resultados . . . . . . . . . . . . . . . . . . . . . . . . 109

    5.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

    6. Conclusiones generales y perspectivas 111

    6.1. Conclusiones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

    6.2. Trabajos futuros propuestos . . . . . . . . . . . . . . . . . . . . . . . . 114

  • iv Indice general

    Bibliografa 115

    A. Tablas de parametros 119

    B. Descripcion de los programas 121

    B.1. El modelo de la columna de destilacion . . . . . . . . . . . . . . . . . . 121

    B.2. El controlador MPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

  • Lista de figuras

    1.1. Diagrama esquematico de una columna de destilacion. . . . . . . . . . . 2

    1.2. Columna de destilacion fraccionaria. . . . . . . . . . . . . . . . . . . . 2

    1.3. Principio de operacion de la columna de destilacion. . . . . . . . . . . . 3

    1.4. Esquema del objetivo de la tesis. . . . . . . . . . . . . . . . . . . . . . 7

    2.1. Estrategia de control predictivo. . . . . . . . . . . . . . . . . . . . . . . 14

    2.2. Estructura basica del control predictivo. . . . . . . . . . . . . . . . . . 15

    2.3. Respuestas del sistema. . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

    a. Respuesta al impulso. . . . . . . . . . . . . . . . . . . . . . . . . 17

    b. Respuesta al escalon. . . . . . . . . . . . . . . . . . . . . . . . . 17

    2.4. Estructura ARIMA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

    2.5. Respuestas libre y forzada. . . . . . . . . . . . . . . . . . . . . . . . . . 20

    2.6. Puntos de coincidencia. . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

    3.1. Estructura del control MPC en espacio de estados. . . . . . . . . . . . . 38

    3.2. Estructura del control MPC en espacio de estados con observador. . . . 38

    3.3. Punto de control optimo en un proceso. . . . . . . . . . . . . . . . . . . 41

    3.4. Diagrama de flujo del controlador. . . . . . . . . . . . . . . . . . . . . . 48

    3.5. Calentador de agua. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

    3.6. Respuesta al escalon del calentador de agua. . . . . . . . . . . . . . . . 49

    3.7. Caso 1. Respuesta a diferentes valores de y . . . . . . . . . . . . . . 50

    3.8. Caso 2. Modelo diferente de la planta. . . . . . . . . . . . . . . . . . . 51

    3.9. Caso 3. Restricciones en el controlador. . . . . . . . . . . . . . . . . . . 52

    3.10. Sistema de cuatro tanques. . . . . . . . . . . . . . . . . . . . . . . . . . 53

    3.11. Caso 4. Respuesta del sistema. . . . . . . . . . . . . . . . . . . . . . . . 55

    v

  • vi Lista de figuras

    4.1. Diagrama de equilibrio lquido-vapor. . . . . . . . . . . . . . . . . . . . 61

    4.2. Esquema de un plato generico. . . . . . . . . . . . . . . . . . . . . . . . 63

    4.3. Planta piloto de destilacion. . . . . . . . . . . . . . . . . . . . . . . . . 66

    4.4. Diagrama de instrumentacion de la columna. . . . . . . . . . . . . . . . 67

    4.5. Cuerpo de la columna. . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

    a. Seccion del cuerpo de la columna. . . . . . . . . . . . . . . . . . 68

    b. Plato. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

    4.6. Alimentacion de la mezcla. . . . . . . . . . . . . . . . . . . . . . . . . . 68

    a. Bomba de alimentacion. . . . . . . . . . . . . . . . . . . . . . . . 68

    b. Termorresistencia de precalentamiento. . . . . . . . . . . . . . . 68

    4.7. Tablero de control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

    4.8. Interpolacion de los puntos de operacion de la bomba de alimentacion. 69

    4.9. Adicion de calor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

    a. Termorresistencia de calentamiento. . . . . . . . . . . . . . . . . 70

    b. Hervidor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

    4.10. Parte superior de la columna. . . . . . . . . . . . . . . . . . . . . . . . 71

    a. Condensador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

    b. Valvula de control para el flujo del agua. . . . . . . . . . . . . . 71

    c. Electrovalvula de reflujo. . . . . . . . . . . . . . . . . . . . . . . 71

    4.11. Bomba de anillo lquido. . . . . . . . . . . . . . . . . . . . . . . . . . . 72

    4.12. Regulador Digitric 500. . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

    4.13. Diagrama de equilibrio Metanol-Etanol. . . . . . . . . . . . . . . . . . . 74

    4.14. Comparacion entre los datos del modelo y la planta piloto de destilacion. 76

    5.1. Configuracion de control en la columna de destilacion. . . . . . . . . . . 82

    a. Columna en lazo abierto. . . . . . . . . . . . . . . . . . . . . . . 82

    b. Configuracion (L V ). . . . . . . . . . . . . . . . . . . . . . . . 82c. Configuracion (D V ). . . . . . . . . . . . . . . . . . . . . . . . 82d. Configuracion (LB). . . . . . . . . . . . . . . . . . . . . . . . 82

    5.2. Diagrama de instrumentacion de la seccion del condensador. . . . . . . 84

    5.3. Variables manipulada y controlada para el control de flujo de agua de

    alimentacion al condensador. . . . . . . . . . . . . . . . . . . . . . . . . 84

  • Lista de figuras vii

    a. Valvula neumatica FV1. . . . . . . . . . . . . . . . . . . . . . . 84

    b. Sensor de flujo FI1. . . . . . . . . . . . . . . . . . . . . . . . . . 84

    5.4. Respuesta al escalon del flujo de agua de alimentacion. . . . . . . . . . 85

    5.5. Esquema de simulacion para el control MPC de flujo de agua al conden-

    sador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

    5.6. Simulacion del control de flujo de agua al condensador. . . . . . . . . . 88

    5.7. Pantalla principal del programa para el control en tiempo real. . . . . . 89

    5.8. Jerarqua de la interfaz operador-proceso. . . . . . . . . . . . . . . . . . 90

    5.9. Programa del control interactuando con la planta piloto. . . . . . . . . 90

    5.10. Control del lazo de flujo de agua al condensador (tiempo real). . . . . . 92

    5.11. Parametros estimados (tiempo real). . . . . . . . . . . . . . . . . . . . 92

    5.12. Control del lazo de flujo de agua al condensador (tiempo real). . . . . . 93

    5.13. Respuesta al escalon de la CDD. . . . . . . . . . . . . . . . . . . . . . . 95

    5.14. Esquemas de simulacion. . . . . . . . . . . . . . . . . . . . . . . . . . . 101

    a. Esquema MPC. . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

    b. Esquema PID. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

    5.15. Caso 1. Modelo de prediccion lineal, Regulacion. . . . . . . . . . . . . . 103

    5.16. Caso 1. Modelo de prediccion lineal, Seguimiento. . . . . . . . . . . . . 104

    5.17. Caso 2a. R (apertura proporcional). MPC y PI, Regulacion. . . . . . . 105

    5.18. Caso 2a. R (apertura proporcional). MPC y PI, Seguimiento. . . . . . . 106

    5.19. Caso 2b. R (On/Off). MPC y PI, Regulacion. . . . . . . . . . . . . . . 107

    5.20. Caso 2b. R (On/Off). MPC y PI, Seguimiento. . . . . . . . . . . . . . . 108

    B.1. Simulador de la columna de destilacion en lazo abierto. . . . . . . . . . 122

    B.2. Comparacion de la columna de destilacion en lazo abierto y la columna

    de destilacion linealizada en lnea. . . . . . . . . . . . . . . . . . . . . . 122

    B.3. Bloque del controlador MPC en Simulinkr. . . . . . . . . . . . . . . . 124

    B.4. Cuadro de dialogo del controlador MPC. . . . . . . . . . . . . . . . . . 124

    B.5. Simulador del control de flujo de agua al condensador. . . . . . . . . . 125

    B.6. Cuadro de dialogo del bloque de estimacion de parametros. . . . . . . . 125

    B.7. Programa en LabViewr para el control MPC en tiempo real. . . . . . . 126

    a. Pantalla inicial. . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

  • viii Lista de figuras

    b. Salida del sistema. . . . . . . . . . . . . . . . . . . . . . . . . . . 126

    c. Entrada al sistema. . . . . . . . . . . . . . . . . . . . . . . . . . 126

    B.8. Programa en LabViewr para el control MPC en tiempo real, parametros

    estimados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

    a. Estimados a1 y a2. . . . . . . . . . . . . . . . . . . . . . . . . . 127

    b. Estimados b0 y b1. . . . . . . . . . . . . . . . . . . . . . . . . . . 127

    B.9. Simulador del control de flujo de agua al condensador. . . . . . . . . . 128

  • Lista de tablas

    3.1. Dimensiones de las matrices y vectores involucrados en el calculo de u(k) 38

    3.2. Valores de los parametros del sistema de cuatro tanques. . . . . . . . . 54

    4.1. Calidad de la alimentacion q. . . . . . . . . . . . . . . . . . . . . . . . 62

    4.2. Nomenclatura del diagrama de instrumentacion. . . . . . . . . . . . . . 66

    4.3. Elementos monitoreados y controlados por los reguladores. . . . . . . . 73

    4.4. Senales de entrada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

    4.5. Error del modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

    5.1. Configuraciones de control. . . . . . . . . . . . . . . . . . . . . . . . . . 81

    5.2. Parametros de los controladores del flujo de agua al condensador. . . . 87

    5.3. Error medio cuadratico del control del flujo de agua de alimentacion. . 93

    5.4. Parametros de sintona los controladores de la planta piloto de destilacion.101

    5.5. Error medio cuadratico de las simulaciones. . . . . . . . . . . . . . . . . 109

    6.1. Tabla comparativa entre el controlador programado y el toolbox de MPC

    de Matlabr. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

    A.1. Caractersticas fsicas de la planta piloto de destilacion. . . . . . . . . . 119

    A.2. Propiedades termodinamicas de la mezcla Metanol-Etanol. . . . . . . . 120

    A.3. Parametros iniciales de las simulaciones. . . . . . . . . . . . . . . . . . 120

    ix

  • x Lista de tablas

  • Notacion

    Letras mayusculas

    Ac Constante de Antoine.

    B Flujo molar del producto de fondo (mol/min).

    Bc Constante de Antoine.

    Cc Constante de Antoine.

    Cpc Calor especfico (kJ/moloC).

    D Flujo molar del producto destilado (mol/min).

    E Eficiencia de Murphree en la seccion de empobrecimiento.

    F Flujo molar en la alimentacion (mol/min).

    FC Flujo de agua al condensador (L/hr).

    FPB Porcentaje de variacion en la frecuencia de la bomba.

    FV Flujo volumetrico en la alimentacion (mL/min).

    Hci Entalpa de vapor (J/mol).

    HC Horizonte de control.

    HP Horizonte de prediccion.

    Kci Coeficiente de equilibrio.

    L Flujo molar lquido (mol/min).

    LR Flujo molar lquido en la seccion de enriquecimiento (mol/min).

    LS Flujo molar lquido en la seccion de empobrecimiento (mol/min).

    Mci Masa molar retenida en cada estado (mol).

    MWc Peso molecular (gr/mol).

    PT Presion total (kPa).

    Pci Presion del componente c puro (kPa).

    PAB Porcentaje de apertura de la valvula de fondo.

    QB Potencia calefactora anadida al hervidor (Watt).

    R Reflujo {0,1}.T Perodo de la senal aplicada a la valvula.

    Ti Temperatura en cada estado (oC).

    TF Temperatura de la alimentacion (oC).

    Tbc Temperatura de ebullicion (oC).

    xi

  • xii Notacion.

    V Flujo molar de vapor (mol/min).

    Vci Volumen de cada estado (mL).

    VF Volumen de un componente en la alimentacion (mL).

    VR Flujo molar de vapor en la seccion de enriquecimiento (mol/min).

    VS Flujo molar de vapor en la seccion de empobrecimiento (mol/min).

    Wtc Porcentaje de peso de un componente en la alimentacion.

    Letras minusculas

    e Eficiencia de Murphree en la seccion de enriquecimiento.

    f Plato de alimentacion.

    f 0ci Fugacidad del lquido en un estado de referencia.

    hci Entalpa lquida (J/mol).

    n Numero total de estados.

    q1 Operador de desplazamiento hacia atras.q Calidad de la alimentacion.

    s Senal de salida deseada.

    td Tiempo de duracion de la senal aplicada a la valvula de reflujo (s).

    ton Tiempo de apertura de la valvula (s).

    w Trayectoria interna o de referencia.

    xFc Concentracion lquida en la alimentacion.

    xci Concentraciones molares lquidas.

    yci Concentraciones molares de vapor.

    Letras griegas

    Hvapc Entalpa de vaporizacion (kJ/mol).

    u Incremento en u.

    Peso de la senal de control.

    f Factor de olvido.

    ci Coeficiente de actividad.

    ci Coeficiente de fugacidad.

    c Densidad (g/cm3).

    Caracteres especiales

    R Campo de los numeros reales.

  • Notacion. xiii

    Subndices

    c Componente.

    i i-esima etapa de la columna.

    F Etapa de alimentacion.

    R Seccion de enriquecimiento.

    S Seccion de empobrecimiento.

    Superndices

    equ En equilibrio.

    min Valor mnimo.

    max Valor maximo.

    real Valor real.

    set Valor deseado.

    mod Valor calculado por el modelo.

    vap En la fase de vapor.

    Marcas diacrticas

    Predicho.

    Estimado.

    Abreviaturas

    CENIDET Centro Nacional de Investigacion y Desarrollo Tecnologico.

    CDD Columna de destilacion.

    EMC Error medio cuadratico.

    EOH Etanol.

    MeOH Metanol.

    MIMO Multiples entradas, multiples salidas.

    MPC Control predictivo basado en modelo.

    PI Control proporcional-integral.

    PID Control proporcional-integral-derivativo.

    PWM Modulacion por ancho de pulso.

    SISO Una entrada, una salida.

  • xiv Notacion.

  • Captulo 1

    Introduccion

    La destilacion se define como la separacion fsica de una mezcla lquida en dos

    o mas fracciones que tienen diferentes puntos de ebullicion. Esta operacion es la mas

    empleada e importante en las refineras e industrias qumicas, aunque tambien encuentra

    aplicaciones en otras areas como lo son la industria farmaceutica, alimenticia, perfumera

    y licorera. El equipo utilizado para llevar a cabo este proceso es la columna de destilacion

    y representa una fuerte inversion para las industrias en el mundo. Ademas, una gran

    parte de la energa usada en estas empresas se consume en los procesos de destilacion.

    Es por ello que la destilacion es una de las areas de control de procesos mas investigada

    en el mundo y se dice que es el proceso mas beneficiado por estas tecnicas (de control)

    en las plantas industriales [Schmitz, 2001].

    Los procesos de separacion alcanzan sus objetivos mediante la creacion de dos

    o mas zonas (etapas) que coexisten y que tienen diferencia de temperatura, presion,

    composicion y fase. Cada componente molecular de la mezcla que se vaya a separar

    reaccionara de modo unico ante los diversos ambientes presentes en esas etapas. En

    consecuencia, conforme el sistema se desplaza hacia el equilibrio, cada componente

    establecera una concentracion diferente en cada etapa y esto da como resultado una

    separacion entre los componentes.

    El proceso de destilacion utiliza fases de vapor y lquido, esencialmente a la misma

    temperatura y a la misma presion, para las etapas coexistentes. Se utilizan varios tipos

    de dispositivos, como, por ejemplo el hervidor, el condensador y las bandejas o platos

    para que las dos fases entren en contacto ntimo. Los platos se colocan uno sobre otro

    y se encierran con una cubierta cilndrica para formar una columna. Una columna de

    destilacion cuenta con n 2 platos, se etiqueta al condensador como numero 1 y alhervidor como numero n y los platos intermedios son numerados ascendentemente del

    condensador al hervidor. En la Figura 1.1 aparece la representacion esquematica de

    una columna caracterstica de destilacion del tipo de platos, junto con sus principales

    accesorios externos.

    1

  • 2 Captulo 1. Introduccion.

    n

    n-1

    f

    f+1

    f-1

    2

    1

    F

    B

    D

    R

    Condensador

    Hervidor

    Seccin de

    enriquecimiento

    Seccin de

    empobrecimiento

    Figura 1.1: Diagrama esquematico de una columna de destilacion.

    C1 a C4 Gases

    20

    Naftalina

    70

    Petrleo

    (Gasolina)

    120

    Keroseno

    170

    Diesel

    270

    Lubricantes

    Aceite

    combustible

    600

    Residuos

    Petrleo

    crudo

    Combustible

    para

    vehculos

    Combustible

    para

    aviones,

    parafina,

    etc..

    Qumicos

    Diesel

    Lubricantes,

    aceites,

    ceras, etc..

    Betn para

    caminos y

    techos.

    Petrleo liquado

    Combustible

    para barcos,

    industrias

    etc..

    Figura 1.2: Columna de destilacion fraccionaria.

  • 3Flujo de vapor

    Flujo lquido

    Lixci

    Viyci

    Vi-1yci-1

    Li+1Xci+1

    Figura 1.3: Principio de operacion de la columna de destilacion.

    En cada etapa de la columna se tienen diferentes concentraciones o grado de pureza

    de los elementos (ver ejemplo en la Figura 1.2), para ello se emplea una variable

    fsica denominada fraccion molar e indica la relacion que hay entre los moles de un

    componente y los moles totales de la solucion. xci es la fraccion molar lquida del

    componente c en el plato i y yci es la fraccion molar de vapor del componente c en el

    plato i.

    La alimentacion se introduce en un punto situado a lo largo de la coraza de la

    columna, conocido como plato de alimentacion y etiquetado con el numero f. La columna

    se divide en una seccion superior, que se denomina con frecuencia seccion de rectificacion

    o enriquecimiento, y otra inferior, que suele recibir el nombre de seccion de agotamiento

    o empobrecimiento. Estos terminos se vuelven bastante indefinidos en columnas en las

    cuales se retira una corriente lateral de producto en algun punto a lo largo de la columna,

    ademas de las dos corrientes de productos de los extremos.

    El material de alimentacion que se debe separar en fracciones, se introduce en uno

    o mas puntos a lo largo de la coraza de la columna. Debido a la diferencia de gravedad

    entre la fase de vapor y la lquida, el lquido corre hacia abajo de la columna, cayendo

    en cascada de plato a plato, mientras que el vapor asciende por la columna, para entrar

    en contacto con el lquido en cada uno de los platos, como se muestra en la Figura 1.3.

    El lquido que llega al fondo de la columna se vaporiza parcialmente en un hervidor

    para proporcionar vapor que asciende por la columna. El resto del lquido se retira como

    producto del fondo (B). El vapor que llega a la parte superior de la columna se enfra

    y condensa como lquido en el condensador superior. Parte de este lquido regresa a la

    columna como reflujo (R), para proporcionar un derrame lquido en los platos. El resto

  • 4 Captulo 1. Introduccion.

    de la corriente superior se retira como producto destilado o superior (D).

    Este patron de flujo en la columna de destilacion proporciona un contacto, a contra

    corriente de la corriente de vapor y lquido, en todos los platos de la columna. Las fases

    de vapor y lquido en un plato dado se acercan a los equilibrios de temperatura, presion

    y composicion, hasta un punto que depende la eficiencia del plato de contacto.

    Los componentes de punto de ebullicion mas bajo, llamados componentes ligeros,

    tienden a concentrarse en la fase de vapor, mientras que los de punto de ebullicion

    mas altos, llamados componentes pesados, tienden a la fase lquida. El resultado es una

    fase de vapor que se hace mas rica en componentes ligeros al ir ascendiendo por la

    columna, y una fase lquida que se va haciendo cada vez mas rica en los componentes

    pesados conforme desciende en cascada. La separacion general que se logra entre el

    producto superior y del fondo depende primordialmente de las volatilidades relativas

    de los componentes, el numero de platos de contacto y la relacion de reflujo.

    1.1. Planteamiento del problema

    Aunque en el pasado poda considerarse que el unico objetivo del control consista

    en mantener una operacion estable del proceso, actualmente la industrias se enfrentan

    a un mercado cambiante y difcil de predecir, lo que les obliga a operar sus proce-

    sos productivos en consonancia con la evolucion del mercado para poder mantenerse

    competitivas y rentables.

    La competencia en muchos sectores industriales as como el creciente interes social

    por los problemas medioambientales relacionados con los procesos de produccion provo-

    ca la necesidad de disponer de tecnicas fiables que permitan la operacion del proceso

    con gran eficiencia y alto grado de flexibilidad.

    Actualmente los sistemas de control en la industria de procesos deben satisfacer

    criterios economicos, asociados con el mantenimiento de las variables de proceso en

    sus puntos de ajuste (set points) minimizando dinamicamente una funcion de costo

    de operacion, criterios de seguridad, medioambientales, y de calidad en la produccion,

    la cual debe satisfacer ciertas especificaciones sujetas a una demanda normalmente

    variable.

    Por ello, se puede considerar que en la actualidad el objetivo de todo sistema de

    control consiste en actuar sobre las variables manipuladas de forma que puedan satis-

    facerse multiples y cambiantes criterios de funcionamiento (economicos, de seguridad,

    medioambientales o de calidad) en presencia de cambios en las caractersticas del pro-

    ceso.

    La gran variedad de metodologas actuales de control de procesos se enfrenta al

    cumplimiento de este objetivo. La diferencia entre las diversas tecnicas radica basica-

  • 1.2. Ventajas del control predictivo. 5

    mente en los compromisos hechos en la formulacion matematica de los criterios de

    funcionamiento y en la eleccion de la manera de representar el proceso.

    Todas las operaciones de separacion requieren un suministro de energa en forma

    de calor o trabajo. En la operacion convencional de destilacion, la energa requerida

    para la separacion de los componentes se agrega en forma de calor al hervidor, en el

    fondo de la columna, donde la temperatura es maxima. Ademas, se elimina calor del

    condensador en la parte superior de la columna, donde la temperatura es mnima. Con

    frecuencia, esto da por resultado un requerimiento elevado de energa y una baja eficien-

    cia termodinamica en general, que tena poca importancia (excepto para los procesos

    criogenicos y de alta temperatura) cuando los costos de la energa eran bajos. Con el

    reciente incremento en los costos de energa, las operaciones complejas de destilacion

    requieren una eficiencia termodinamica mas elevada. La mejor manera de reducir gastos

    de explotacion de unidades existentes, es mejorar la eficacia y operacion por medio de

    la optimizacion y control del proceso para que los productos se obtengan con la pureza

    deseada en el menor tiempo posible, y con la menor inversion en energa aplicada al

    sistema.

    Adicionalmente, en la industria de procesos, los reguladores PID solucionan bien

    la mayora de los problemas de control monovariable, como lo son flujo, presion, tempe-

    ratura etc., sin embargo, en sistemas mas complejos con interaccion entre sus variables,

    perturbaciones etc., como lo es una columna de destilacion, las llamadas estructuras de

    control convencionales no siempre dan buenos resultados y son difciles de mantener.

    En consecuencia, a menudo la unidad se regula manualmente por un operador.

    Para cada uno de todos los problemas mencionados, podemos encontrar en la li-

    teratura trabajos que proponen alguna solucion, sin embargo en la mayora de estos

    trabajos, las soluciones que se proponen no han sido probadas experimentalmente ni

    mucho menos explotadas a nivel industrial. En el Centro Nacional de Investigacion y

    Desarrollo Tecnologico se cuenta con una planta piloto de destilacion, que posee la

    instrumentacion necesaria para poner en practica conceptos teoricos de control, con la

    finalidad de obtener resultados en un caso real de manera experimental.

    1.2. Ventajas del control predictivo

    La tecnica de control predictivo parece constituir una poderosa herramienta para

    afrontar los retos anteriormente planteados. El control predictivo es una de las areas

    de control que mas exito ha tenido en la industria. Este exito se debe principalmente a

    que [Maciejowsky, 2002]:

    1. La idea general de funcionamiento no es difcil de entender.

  • 6 Captulo 1. Introduccion.

    2. Las restricciones en las senales de control, debido a los actuadores as como las

    restricciones en los estados del proceso son faciles de incorporar al algoritmo de

    control.

    3. Es una tecnica de control mas poderosa que los PID, aun para los lazos de control

    sencillos y sin restricciones.

    4. Posee intrnsecamente compensacion del retardo.

    5. La sintonizacion de estos controladores no es complicada, aun en los lazos de

    control que presentan cierto grado de dificultad de sintonizacion (utilizando otras

    tecnicas de control) debido a retardos de tiempo.

    El control predictivo basado en modelo Model (Based) Predictive Control (MBPC

    o MPC) constituye un campo muy amplio de metodos de control desarrollados en

    torno a ciertas ideas comunes e integra diversas disciplinas como control optimo, control

    estocastico, control de procesos con tiempos muertos, control multivariable o control

    con restricciones.

    Las ideas que aparecen en mayor o menor medida en toda la familia de contro-

    ladores predictivos son basicamente:

    Uso explcito de un modelo para predecir la salida del proceso en instantes detiempo futuros (horizonte).

    Calculo de las senales de control minimizando una cierta funcion objetivo. Estrategia deslizante, de forma que en cada instante el horizonte se va despla-zando hacia el futuro, lo que implica aplicar la primera senal de control en cada

    instante y desechar el resto, repitiendo el calculo en cada instante de muestreo.

    Los distintos algoritmos de MPC difieren entre s casi exclusivamente en (i) la

    funcion de costo a minimizar y (ii) en el modelo usado para representar el proceso y los

    ruidos. Aunque las diferencias puedan parecer pequenas a priori, pueden provocar dis-

    tintos comportamientos en lazo cerrado, siendo crticas para el exito de un determinado

    algoritmo en una determinada aplicacion.

    1.3. Hipotesis

    Dado el problema planteado para este trabajo y las ventajas expuestas anteriormen-

    te de los controladores predictivos, se plantea la siguiente hipotesis para este trabajo:

    Con el control predictivo multivariable se obtendra una mejora en

    el desempeno del proceso de una columna de destilacion binaria

    comparado con un controlador convencional (PI).

  • 1.4. Objetivo. 7

    1.4. Objetivo

    El objetivo de este trabajo es desarrollar un controlador predictivo multivariable

    para una columna de destilacion binaria, con el fin de controlar las composiciones

    lquidas de los productos en el fondo y la salida del condensador.

    F

    B

    D

    R

    FCFT

    TT

    TT

    FT

    LCLT

    MPC

    Multivariable

    LT

    LC

    Figura 1.4: Esquema del objetivo de la tesis.

    El esquema del objetivo de la tesis se puede ver en la Figura 1.4. La validacion

    del controlador multivariable se hara en simulacion. Sin embargo, se desarrollara un

    controlador monovariable (como caso particular del controlador multivariable) para el

    control del flujo de agua al condensador de la columna de destilacion. Este controlador

    monovariable se validara en tiempo real ya que se cuenta con los sensores y actuadores

    necesarios para llevar a cabo la validacion experimental.

    1.5. Justificacion

    Dada la expansion y desarrollo que tendra el sector qumico en los proximos anos, es

    necesario prepararse para hacer frente a la demanda masiva de un producto calificado.

    Debido a la complejidad que presentan las unidades de destilacion que se encuentran en

    las plantas industriales (tales como en la petroqumica), la demanda de un producto con

  • 8 Captulo 1. Introduccion.

    calidad y de bajo costo no podra satisfacerse si no se usan herramientas matematicas y

    nuevas tecnicas para el control del procesos. Lo que conlleva un cierto tipo de ventajas

    que han motivado fuertemente su estudio hoy en da en algunos pases de Europa y de

    Norteamerica. Estas ventajas pueden ser:

    Aumentar la eficiencia y confiabilidad de una unidad de destilacion. Optimizar el proceso a su maxima capacidad. Mejorar los procedimientos de operacion. Adiestramiento de operadores para la reduccion de riesgos e incremento de laseguridad.

    Promover la investigacion de este campo en el pas para lograr tener una tecnologade vanguardia.

    1.6. Estado del arte

    El control predictivo fue introducido por [Richalet et al., 1978] presentando el con-

    trol predictivo heurstico basado en modelo (Model Predictive Heuristic Control,

    MPHC), mas tarde conocido como control algortmico basado en modelo (Model Al-

    gorithmic Control, MAC); y por otro lado, de forma independiente: Cutler y Ramaker,

    ingenieros de la compana Shell, presentaron en [Cutler y Ramaker, 1980] sobre control

    con matriz dinamica (Dynamic Matrix Control, DMC). Ambos algoritmos utilizan

    explcitamente un modelo dinamico del proceso (obtenido de la respuesta impulso en el

    primer caso y de la respuesta escalon en el segundo) para predecir el efecto de las futuras

    senales de control en las variables a controlar. Estas formulaciones eran heursticas.

    Estos controladores estaban ntimamente ligados al problema de control optimo

    en tiempo mnimo y a la programacion lineal [Zadeh y Whalen, 1962]. El concepto de

    horizonte deslizante, una de las ideas centrales del control predictivo, fue propuesto

    por [Propoi, 1963], en el marco de realimentacion optima en lazo abierto (open-loop

    optimal feedback) que fue utilizada extensamente en los anos 70.

    El control predictivo llego a ser popular particularmente en la industria de procesos

    qumicos debido a la simplicidad del algoritmo y a la utilizacion del modelo de respuesta

    ante impulso que, aunque requiriendo muchos mas parametros que las formulaciones en

    el espacio de estado o en el dominio de entrada y salida, resulta mas intuitivo y requiere

    mucha menos informacion a priori para la identificacion.

    La mayora de estas aplicaciones se llevaron a cabo en sistemas multivariables que

    incluan restricciones. A pesar de este exito, estas formulaciones carecan de una teora

    formal para proveer resultados sobre la estabilidad y robustez. De hecho, el caso de

    horizonte finito pareca demasiado difcil de analizar excepto en casos muy especficos.

  • 1.6. Estado del arte. 9

    Otra lnea de trabajo se desarrollo independientemente en torno a las ideas de con-

    trol adaptable, desarrollandose estrategias de control predictivo para sistemas mono-

    variables y formulada sobre modelos de entrada y salida. El control autosintoniza-

    do basado en predictores (Predictor-Based Self-Tuning Control) en el trabajo de

    [Peterka, 1984], el control adaptable de horizonte extendido (Extended Horizon Adap-

    tive Control, EHAC) por [Ydstie, 1984], el controlador autosintonizado (Extended

    Prediction Self Adaptive Control, EPSAC) [Keyser y Cuawenberghe, 1985], y el con-

    trol predictivo generalizado (Generalized Predictive Control, GPC) desarrollado por

    [Clarke et al., 1987] se pueden mencionar en este contexto. El GPC utiliza ideas de

    los controladores de varianza mnima generalizada (Generalized Minimum Variance,

    GMV) [Clarke y Gawthrop, 1979] y es en la actualidad uno de los metodos mas utiliza-

    dos a nivel academico.

    Existen numerosas formulaciones de control predictivo basadas en las mismas ideas

    comunes, entre las que se puede incluir control adaptable multivariable multipaso (Mul-

    tistep Multivariable Adaptive Control, MUSMAR) [Greco et al., 1984], control pre-

    dictivo funcional (Predictive Functional Control, PFC) [Richalet, 1992]. El MPC,

    tambien ha sido formulado en el espacio de estados [Morari, 1994], lo que permite una

    utilizacion de resultados bien conocidos sobre estabilidad y tambien la generalizacion

    a casos mas complejos como procesos multivariables, procesos no lineales y sistemas

    con perturbaciones estocasticas. Aunque los primeros trabajos sobre GPC contienen

    algunos resultados de estabilidad para el caso nominal, la falta de resultados generales

    sobre la estabilidad de los controladores de horizontes finito y deslizante constituyo un

    inconveniente para su utilizacion al principio. Para hacer frente a esto, aparecio en

    los noventa una nueva lnea de trabajo sobre controladores predictivos con estabilidad

    garantizada, imponiendo que la senal de salida alcanzara a la referencia al final del

    horizonte.

    Existen muchas aplicaciones del control predictivo en la industria. La mayor parte

    de las aplicaciones estan en el sector petroqumico en el area de refinera

    [Qin y Badgwell, 2003], pero tambien existen numerosas aplicaciones en los sectores

    de pulpa y papel, procesado de alimentos, gas, mineral, hornos, metalurgia, industria

    aeroespacial e industria automotriz. Una excelente revision sobre MPC dirigida princi-

    palmente a personal de la industria con experiencia en control se puede encontrar en

    [Rawlings, 2000].

    Recientemente han aparecido en la literatura aplicaciones de los controladores pre-

    dictivos a sistemas hbridos1 [Camacho, 2004]. Donde los sistemas hbridos se han mo-

    delado de distintas formas, bien, como un grafo de transicion de estados (con dinamica

    continua dentro de cada estado) o bien como un conjunto de ecuaciones diferenciales

    con variables discretas.

    1 Un sistema hbrido es un sistema continuo con eventos discretos.

  • 10 Captulo 1. Introduccion.

    Para el caso de las columnas de destilacion, cuyo control es predictivo, existen

    diferentes trabajos, en los que actualmente se trata el caso del control MPC aplica-

    do a procesos mal condicionados [Pannocchia, 2003], [Waller et al., 2005]; y el caso del

    MPC no lineal [Jana et al., 2005], [Volk et al., 2005], en los que la principal alternativa

    esta basada en una linealizacion iterativa (linealizacion en cada instante de muestreo)

    de la respuesta del modelo, para asegurar una solucion factible al problema de la mini-

    mizacion. De igual forma se encuentran reportados en la literatura trabajos que presen-

    tan resultados experimentales, como en [Alpbaz et al., 2002], donde se aplica el control

    a una planta piloto de destilacion, pero usando el control predictivo multivariable en

    su forma lineal, sin restricciones y trabajando dentro de una region de operacion.

    1.6.1. Temas abiertos a la investigacion

    No se puede considerar al control predictivo como una disciplina ya cerrada a la

    investigacion, sino que, al contrario, es una rama del control de gran efervescencia. Esto

    se puede constatar por el hecho de que en todos los congresos de control de estos ultimos

    anos siempre hay sesiones especficas de control predictivo y raro es el numero de las

    revistas de control donde no aparezca algun artculo sobre este tema.

    Los temas todava no del todo resueltos y que son objeto de investigacion se pueden

    clasificar en problemas de implementacion y problemas de analisis y diseno.

    Temas abiertos a

    Anlisis de estabilidad y robustez de estos controladores

    Aplicados a sistemas:

    Hbridos

    No lineales

    Muy rpidosla investigacin

    Implementacin y anlisis de diseo

    El control predictivo es muy difcil de implementar en tiempo real para procesos

    no lineales, procesos hbridos o procesos muy rapidos. En el caso de sistemas no lineales

    e hbridos han aparecido soluciones para casos particulares y normalmente de pequena

    dimension, pero no existen soluciones generales. Se ha demostrado recientemente que

    la estructura de control predictivo para procesos lineales es afn a trozos (picewise

    affine systems) y por lo tanto el controlador puede calcularse previamente. Esto ha

    permitido que el control predictivo pueda ser aplicado a procesos mas rapidos, pero,

    desafortunadamente, la tecnica solo es aplicable a problemas especficos (incluyendo

    horizontes de control pequenos).

    El otro gran problema todava no resuelto es el problema del analisis de estabilidad

  • 1.7. Organizacion del documento. 11

    y robustez de estos controladores. Es decir, aun en el caso de que los controladores sean

    implementables, analizar como se puede asegurar su estabilidad en el caso nominal o

    en el caso de que el modelo no sea exacto. Para el caso de restricciones, el analisis

    de estabilidad pareca ser un problema demasiado complicado de resolver. Aun en el

    caso de que el optimizador fuera capaz de encontrar una solucion, no esta garantizada

    la estabilidad del sistema en lazo cerrado. La utilizacion de penalizaciones terminales

    y/o restricciones, funciones de Lyapunov, o conjuntos invariantes han dado lugar a una

    familia de tecnicas que garantizan la estabilidad del sistema. Este problema ha sido

    atacado desde distintos puntos de vista y han aparecido numerosas contribuciones en

    anos recientes, siempre analizando el problema del regulador (llevar el estado al reposo)

    y normalmente en espacio de estados. Se han obtenido resultados que utilizan tecnicas

    de control robusto en el contexto de controladores predictivos. La idea basica es tener

    en cuenta las incertidumbres sobre el proceso de una manera explcita y disenar el

    controlador predictivo para optimizar la funcion objetivo ante la peor situacion posible

    de las incertidumbres. En cualquier caso, estos resultados exigen el computo de regiones

    invariantes que, salvo en el caso de sistemas lineales, son difcilmente calculables.

    Estos avances prometedores permiten pensar que el control predictivo experimen-

    tara una mayor diseminacion tanto en el mundo academico como en la comunidad

    industrial en los proximos anos.

    1.7. Organizacion del documento

    El presente documento consta de 6 captulos y 2 apendices.

    En el Captulo 2 se presentan los conceptos basicos del control predictivo basado

    en modelo, se incluyen sus puntos clave y hace una revision de los principales algoritmos

    presentando sus caractersticas mas importantes.

    En el Captulo 3 se desarrolla la formulacion en espacio de estados del control pre-

    dictivo, siendo esta formulacion facilmente extendible al caso multivariable. Finalmente,

    se integra este controlador a un programa y se realizan unas pruebas en simulacion de

    su funcionamiento.

    En el Captulo 4 se presenta el modelo dinamico de la planta piloto de destilacion,

    se estudian los fenomenos involucrados en su dinamica, posteriormente se hace una

    descripcion de la planta piloto utilizada para las pruebas y se valida modelo comparando

    valores experimentales con los teoricos.

    En el Captulo 5 se muestran los resultados obtenidos al aplicarle el control

    predictivo al lazo de flujo de agua al condensador (caso SISO) en simulacion y de

    forma experimental, as como las simulaciones del control al modelo de la columna

    (caso MIMO).

  • 12 Captulo 1. Introduccion.

    En elCaptulo 6 se dan las conclusiones generales de la tesis, y los trabajos futuros

    propuestos.

    En el Apendice A se muestran los valores numericos de los parametros utilizados

    en esta tesis para las simulaciones y los experimentos realizados.

    En elApendice B se da una descripcion de los programas utilizados y una pequena

    gua de su uso.

  • Captulo 2

    Conceptos basicos del control

    predictivo

    En este captulo se presentan los conceptos basicos del control predictivo basado

    en modelo y se describen los elementos que son comunes a todos estos controladores,

    mostrando algunas alternativas que son utilizadas en diferentes implementaciones.

    En la Seccion 2.1 se describe la estrategia general que siguen los controladores que

    pertenecen a la familia de los controladores predictivos. En la Seccion 2.2 se detallan

    los elementos comunes de los controladores predictivos, como lo son: el modelo utiliza-

    do para la prediccion, la funcion objetivo y la obtencion de la ley de control. En la

    Seccion 2.3 se presenta una revision general de los principales algoritmos reportados en

    la literatura. Finalmente, en la Seccion 2.4 se dan las conclusiones del captulo en base

    a lo estudiado.

    2.1. Estrategia de los controladores predictivos

    El principio de operacion de todos los controladores pertenecientes a la familia del

    MPC se caracteriza por la estrategia siguiente, representada en la Figura 2.1:

    1. En cada instante k y haciendo uso del modelo del proceso se predicen las futuras

    salidas para un determinado horizonte, llamado horizonte de prediccion HP . Estas

    salidas predichas yf (k + i|k) 1 (para i = 1, 2, ..., HP ), dependen de los valoresconocidos hasta el instante k (entradas y salidas pasadas) y de las senales de

    control futuras u(k + i|k) (para i = 0, 1, ..., HP 1) que se pretenden mandar alsistema y que son las que se quieren calcular.

    1 La notacion indica el valor de la variable en el instante k+ i, calculado en el instante k. As comola marca diacrtica denota prediccion.

    13

  • 14 Captulo 2. Conceptos basicos del control predictivo.

    k k+HC

    s(t)

    w(k+i|k)

    y(t)

    k+HPk

    y(k+i|k)^

    yf (k+i|k)^

    Hp

    HcEntrada

    Salida

    u(t)u(k+i|k)

    Figura 2.1: Estrategia de control predictivo.

    2. El conjunto de senales de control futuras se calcula optimizando un determinado

    criterio en el que se pretende mantener el proceso lo mas proximo posible a la

    trayectoria de referencia w(k + i|k) (que puede ser directamente la salida deseadas(k) o una suave aproximacion a esta). Este criterio suele tomar la forma de

    una funcion cuadratica de los errores entre la salida predicha y la trayectoria de

    referencia tambien predicha, incluyendo en muchos casos el esfuerzo de control.

    Si el criterio es cuadratico, el modelo lineal y no existen restricciones se puede

    obtener una solucion explcita, de otra manera se debe usar un metodo iterativo

    de optimizacion. Adicionalmente se hace alguna suposicion sobre la estructura de

    la ley de control futura, como por ejemplo que va a ser constante a partir de cierto

    instante HC .

    3. La primera senal de control u(k|k) es enviada al proceso mientras que las siguientessenales de control calculadas son desechadas. Puesto que en el siguiente instante

    de muestreo ya se conoce y(k + 1), se repite el paso 1 con este nuevo valor y to-

    das las secuencias son actualizadas. Se calcula por tanto la nueva senal de control

    u(k + 1|k + 1) (que en principio sera diferente a la secuencia de salida anterioru(k + 1|k), al disponer de nueva informacion), haciendo uso del concepto de hori-zonte deslizante.

  • 2.2. Elementos basicos. 15

    s(k)

    yf (k+i|k)^

    u(k|k)y(k)

    Predictor

    Optimizador Proceso

    v(k)

    Figura 2.2: Estructura basica del control predictivo.

    Para llevar a cabo esta estrategia, se usa una estructura como la mostrada en la

    Figura 2.2. Se hace uso de un modelo para predecir las salidas futuras del proceso

    basandose en las futuras senales de control propuestas. Estas senales son calculadas por

    el predictor teniendo en cuenta la funcion de costo (donde aparece el futuro error de

    seguimiento) as como las restricciones.

    Por lo tanto, el modelo del proceso juega un papel decisivo en el controlador.

    El modelo elegido debe ser capaz de reproducir la dinamica del proceso para poder

    predecir correctamente las salidas futuras. Al mismo tiempo, debe ser sencillo de usar

    y de comprender.

    El optimizador es otra parte fundamental de la estrategia pues proporciona las

    acciones de control. Si la funcion de costo es cuadratica, el mnimo se puede obtener

    como una funcion explcita (lineal) de las entradas pasadas, las salidas pasadas y de

    la trayectoria de referencia. Sin embargo, cuando existen restricciones de desigualdad

    la solucion debe de ser calculada por metodos numericos con mas carga de calculo.

    La complejidad del problema de optimizacion depende directamente del numero de

    variables y el tamano de los horizontes elegidos.

    2.2. Elementos basicos

    Todos los controladores predictivos poseen elementos comunes y para cada uno de

    estos elementos se pueden elegir diversas opciones, dando lugar a distintos algoritmos.

    Estos elementos son:

    Modelo de prediccion. Funcion objetivo. Obtencion de la ley de control.

  • 16 Captulo 2. Conceptos basicos del control predictivo.

    2.2.1. Modelo de prediccion

    La piedra angular del MPC es el modelo del proceso; un diseno completo debe de

    incluir los mecanismos necesarios para la obtencion del mejor modelo posible, el cual

    debe de ser lo suficientemente rico para capturar al maximo la dinamica del proceso y

    debe de ser capaz de permitir el calculo de las predicciones. A la vez, debe ser intuitivo

    y debe ser posible llevar a cabo en el un analisis teorico. El uso del modelo del proceso

    viene determinado por la necesidad del calculo de la salida predicha en instantes futu-

    ros yf (k+ i|k). Las diferentes estrategias del MPC pueden usar distintos modelos pararepresentar la relacion de las salidas con las entradas medibles, que pueden ser compen-

    sadas con una accion prealimentada. Ademas se debe de tener en cuenta un modelo de

    las perturbaciones para intentar describir el comportamiento que no aparece reflejado

    en el modelo del proceso, englobandose aqu el efecto de las entradas no medibles, el

    ruido y los errores de modelado.

    Para este fin, se puede separar el modelo en dos partes: el modelo del proceso

    propiamente dicho y el modelo de las perturbaciones. Cualquier metodo utilizara ambas

    partes para la prediccion.

    Modelo del proceso

    Casi todas las formas posibles de modelar un proceso aparecen en alguna formu-

    lacion del MPC siendo las mas usadas las siguientes:

    Respuesta al impulso. Tambien conocida por secuencia de ponderacion o modelode convolucion. La salida viene relacionada con la entrada por la ecuacion:

    y(k) =j=1

    hju(k j)

    donde hj son los valores muestreados obtenidos al someter al proceso a un impulso

    unitario de amplitud igual a un perodo de muestreo (ver Figura 2.3a). Esta suma

    es truncada y solo se consideran N valores (por lo tanto solo permite representar

    procesos estables y sin integradores), teniendo

    y(k) =Nj=1

    hju(k j) = H(q1)u(k) (2.1)

    donde: H(q1) = h1q1 + h2q2 + + hNqN , siendo q1 el operador de des-plazamiento hacia atras. Un inconveniente de este metodo es el gran numero de

    parametros que necesita, ya que N normalmente es de un valor elevado (del orden

  • 2.2. Elementos basicos. 17

    y(k)

    k k+1 k+2 k+N. . .

    h1

    h2

    hj

    hN

    a Respuesta al impulso.

    y(k)

    k k+1 k+2 k+N. . .

    g1

    g2

    gj gN

    b Respuesta al escalon.

    Figura 2.3: Respuestas del sistema.

    de 30-40) [Camacho, 2001]. La prediccion vendra dada por:

    y(k + i|k) =Nj=1

    hju(k + i j|k)

    = H(q1)u(k + i|k)

    Este metodo es ampliamente aceptado en la practica industrial debido a que es

    muy intuitivo y no requiere de informacion previa del proceso, con lo que el pro-

    cedimiento de identificacion se simplifica, a la vez que permite describir facilmente

    dinamicas complejas como fase no mnima o retardos.

    Respuesta al escalon. Es muy similar al anterior solo que la senal de entrada esun escalon. Para sistemas estables se tiene la respuesta truncada que sera (ver

    Figura 2.3b):

    y(k) = y0 +Nj=1

    gju(k j) = y0 +G(q1)(1 q1)u(k) (2.2)

    donde las gj son los valores muestreados ante la entrada escalon y u(k) =

    u(k) u(k 1). El valor de y0 puede tomarse como 0 sin perdida de generalidad,con lo cual el predictor sera:

    y(k + i|k) =Nj=1

    gju(k + i j|k)

    Este metodo presenta las mismas ventajas y desventajas que el metodo anterior.

  • 18 Captulo 2. Conceptos basicos del control predictivo.

    Funciones de transferencia. Se utiliza el concepto de funcion de transferenciaG = B/A con lo que la salida viene dada por:

    A(q1)y(k) = B(q1)u(k)

    donde:

    A(q1) = 1 + a1q1 + a2q2 + + anaqnaB(q1) = b1q1 + b2q2 + + bnbqnb

    Por lo tanto la prediccion viene dada por:

    y(k + i|k) = B (q1)

    A (q1)u(k + i|k)

    Esta representacion tambien es valida para procesos inestables y posee la ventaja

    de necesitar pocos parametros, aunque es fundamental un conocimiento a priori

    del proceso, sobre todo en cuanto al orden de los polinomios A y B.

    Espacio de estados. Tiene la siguiente representacion:

    x (k + 1) = Ax (k) +Bu (k)

    y (k) = Cx (k)

    siendo x el estado y A, B y C las matrices del sistema, de entrada y salida respec-

    tivamente. Para este modelo la prediccion viene dada por:

    y(k + i|k) = Cx(k + i|k) = C[Aix(k) +i

    j=1

    Aj1Bu(k + i j|k)]

    Posee la ventaja de que sirve tambien para sistemas multivariables a la vez que

    permite analizar la estructura interna del proceso (aunque a veces los estados

    obtenidos al discretizar no tienen ningun significado fsico). Los calculos pueden

    ser complicados, con la necesidad adicional de incluir un observador si los estados

    no son accesibles.

    Otros. Los modelos no lineales tambien pueden ser utilizados para representar alproceso pero el problema de su uso radica en el hecho de que es muy complicado

    encontrar la respuesta al problema de optimizacion. Las redes neuronales as como

    la logica difusa son otras formas de representacion usadas en algunas aplicaciones.

    Modelo de perturbaciones

    Tan importante es la eleccion de un determinado modelo del proceso como lo

    es la eleccion del modelo utilizado para representar las perturbaciones. Un modelo

  • 2.2. Elementos basicos. 19

    q-nk B(q

    -1)

    C(q-1)

    D(q-1)

    1

    A(q-1)

    u(k) y(k)

    e(k)

    n(k)+

    +

    Figura 2.4: Estructura ARIMA.

    bastante extendido es el Autoregresivo Integrado de Media Movil (Auto-Regressive

    and Integrated Moving Average, ARIMA) mostrado en la Figura 2.4, en el que las

    perturbaciones, es decir, las diferencias entre la salida medida y calculada por el modelo

    vienen dadas por:

    n(k) =C(q1)e(k)D(q1)

    donde el polinomio D(q1) incluye explcitamente el integrador = 1 q1, e(k) esun ruido de media cero y normalmente el polinomio C se considera igual a uno. Este

    modelo se considera apropiado para dos tipos de perturbaciones: cambios aleatorios

    ocurridos en instantes aleatorios (por ejemplo la calidad del material) y movimiento

    browniano (en procesos con balance de energa) y es usado en varios metodos. Notese

    que al incluir un integrador se consigue un control sin errores en el estado estable.

    Respuestas libre y forzada

    Una caracterstica tpica de los controladores predictivos es el empleo de los con-

    ceptos de respuesta libre y forzada. La idea es expresar la secuencia de acciones de

    control como la suma de dos senales:

    u(k) = u(k)f + uc(k)

    La senal u(k)f corresponde a las entradas pasadas (anteriores al instante k) y en el

    futuro se mantiene constante e igual al ultimo valor de la variable manipulada. Es

    decir:

    uf (k j) = u(k j) para j = 1, 2, . . .uf (k + j) = u(k 1) para j = 0, 1, 2, . . .

  • 20 Captulo 2. Conceptos basicos del control predictivo.

    Proceso

    u y

    k

    k k

    k

    k k

    ucuf yf yc

    Figura 2.5: Respuestas libre y forzada.

    La senal uc vale cero en el pasado y corresponde a las senales de control en los tiempo

    futuros:

    uc(k j) = 0 para j = 1, 2, . . .uc(k + j) = u(k + j) u(k 1) para j = 0, 1, 2, . . .

    La prediccion de la secuencia de salida se separa en dos partes, como se ve en la

    Figura 2.5. Una de ellas yf (k), la respuesta libre, corresponde a la prediccion de la

    salida cuando se toma como entrada unicamente uf (k), y la otra, la respuesta forzada

    yc(k), corresponde a la salida cuando la senal de control es uc(k). La respuesta libre

    corresponde a la evolucion del proceso debido a su estado actual (influido principalmente

    por las acciones de control pasadas) mientras que la respuesta forzada es la debida a

    las acciones de control futuras.

    2.2.2. Funcion objetivo

    Los diversos algoritmos de MPC proponen distintas funciones de costo para la

    obtencion de la ley de control. En general se busca que la salida futura (y) en el horizonte

    considerado siga una determinada senal de referencia (w) al mismo tiempo que se puede

    penalizar el esfuerzo de control (u) requerido para hacerlo. La expresion general de

    esta funcion objetivo es:

    J(H1, HP , HC) =

    HPi=H1

    (i)[y(k + i|k) w(k + i|k)]2 +HCi=1

    (i)[u(k + i 1|k)]2 (2.3)

    En algunos metodos el segundo sumando, que se considera el esfuerzo de control,

    no se toma en cuenta, mientras que en otros aparecen directamente los valores de la

    senal de control (no sus incrementos). En la funcion de costo se pueden considerar:

  • 2.2. Elementos basicos. 21

    Parametros. H1 y HP son los horizontes mnimo y maximo de costo (o de predic-cion) y HC es el horizonte de control, que no tiene que coincidir con el horizonte

    maximo, como se vera posteriormente. El significado de H1 y HP resulta bastante

    intuitivo: marcan los lmites de los instantes en que se desea que la salida siga la

    referencia. As si se toma un valor grande de H1 es porque no importa que haya

    errores en los primeros instantes, lo cual provocara una respuesta suave del pro-

    ceso. Notese que para procesos con tiempo muerto d no tiene sentido que H1 sea

    menor que dicho valor puesto que la salida no empezara a evolucionar hasta el

    instante k+d. Ademas, si el proceso es de fase no mnima, este parametro permite

    eliminar de la funcion objetivo los primeros instantes de respuesta inversa.

    Los coeficientes (i) y (i) son secuencias que ponderan el comportamiento fu-

    turo. Usualmente se consideran valores constantes o secuencias exponenciales. Por

    ejemplo se puede conseguir un paso exponencial de (i) a lo largo del horizonte

    usando:

    (i) = HPi

    Si esta comprendido entre 0 y 1 significa que se penaliza mas a los errores alejados

    del instante k que a lo mas proximos, dando lugar a un control mas suave y con

    menor esfuerzo. Si, por el contrario, > 1 es que se penalizan mas los primeros

    errores, provocando un error mas brusco.

    Todos estos valores pueden ser usados como parametros de sintonizacion, obtenien-

    do muchas posibilidades con las que se puede cubrir una amplia gama de opciones,

    desde un control estandar hasta una estrategia disenada especficamente para un

    proceso en particular.

    Trayectoria de referencia. Una de las ventajas del control predictivo es que si seconoce de antemano la evolucion futura de la referencia, el sistema puede empezar

    a reaccionar antes de que el cambio se haya efectivamente realizado, evitando los

    efectos de retardo en la respuesta del proceso. En muchas aplicaciones la evolu-

    cion futura de referencia es conocida de antemano, como en robotica, los servos o

    procesos en lote; en otras aplicaciones aunque la referencia es constante, se puede

    conseguir una sensible mejora de prestaciones simplemente conociendo el instante

    de cambio de valor y adelantandose a esa circunstancia.

    En el criterio de minimizacion (2.3), la mayora de los metodos suelen utilizar

    una referencia w(k + i|k) que no tiene por que coincidir con la referencia real.Normalmente sera una suave aproximacion desde el valor actual de la salida y(k)

    a la referencia conocida s(k) mediante un sistema de primer orden:

    w(k|k) = y(k) w(k + i|k) = w(k + i 1|k) + (1 )s(k + i|k) i = 1...HP(2.4)

    es un parametro comprendido entre 0 y 1 (mientras mas proximo a 1 mas suave

    sera la aproximacion) que constituye un valor ajustable que influira en la respues-

  • 22 Captulo 2. Conceptos basicos del control predictivo.

    ta dinamica del sistema. Otra estrategia es la utilizada en el control predictivo

    funcional, la cual es util para puntos de ajuste (set points) variables:

    w(k + i|k) = s(k + i|k) i (y(k) s(k)) (2.5)

    Restricciones. Una de las grandes bondades que proporciona el control predictivo esla posibilidad de tomar en cuenta las restricciones propias del proceso. El principal

    motivo para considerar restricciones en las variables del proceso consiste en que

    violarlas puede ser muy costoso o peligroso, porque puede originar danos en los

    equipos y perdidas en la produccion. Por ejemplo, en la mayora de los reactores

    por lote, la calidad de la produccion requiere que las variables del proceso se

    mantengan dentro de lmites durante la reaccion; violar estos lmites puede llevar

    a una produccion de calidad inferior a la requerida. Cuando los lmites han sido

    impuestos por razones de seguridad, la violacion de estos lmites puede producir

    danos en los equipos, derrames de los productos nocivos o en la mayora de los casos

    que se activen los dispositivos de seguridad produciendo paradas de emergencia.

    2.2.3. Obtencion de la ley de control

    Para obtener los valores de u(k+ i|k) sera necesario minimizar la funcion de costo,la ecuacion (2.3). Para ello se calculan los valores de la salida predicha y(k + i|k) enfuncion de los valores pasados de entradas y salidas y de senales de control futuras,

    haciendo uso del modelo del proceso que se haya elegido y se sustituyen en la funcion

    de costo, obteniendo una expresion cuya minimizacion conduce a los valores buscados.

    Para el criterio cuadratico, si el modelo es lineal y no existen restricciones, se puede

    obtener la solucion de forma analtica; en otro caso se debe de usar un metodo iterativo

    de optimizacion.

    De cualquier manera, la obtencion de la solucion no resulta tan trivial pues existiran

    HP HC + 1 variables independientes, valor que puede ser elevado (del orden de 10 a30). Con la idea de reducir estos grados de libertad se puede proponer cierta estructura

    a la ley de control. Ademas se ha encontrado en [Clarke y Morari, 1989] que estructurar

    la ley de control produce una mejora en la robustez y en el comportamiento general

    del sistema. Lo anterior se debe fundamentalmente a que el hecho de permitir la libre

    evolucion las variables manipuladas (sin estructurar) puede conducir a senales de control

    de alta frecuencia no deseables y que en el peor de los casos podran conducir a la

    inestabilidad. Esta estructura a la ley control se plasma en el uso del concepto de

    horizonte de control HC , que consiste en considerar que tras un cierto tiempo HC(0 < HC < HP ) no hay variacion en las senales de control propuestas, es decir:

    u(k + i 1|k) = 0 i > HC

  • 2.3. Revision de los principales algoritmos. 23

    lo cual es equivalente a dar pesos infinitos a los cambios en el control a partir de HC .

    El caso extremo sera considerar HC igual a 1 con lo que todas las senales de control

    futuras seran igual a u(k|k) 2 .Otra manera de estructurar la senal de control es mediante el uso de funciones base:

    un procedimiento utilizado en el control predictivo funcional, que consiste en representar

    la senal de control como una combinacion lineal de ciertas funciones predeterminadas.

    2.3. Revision de los principales algoritmos

    A continuacion se presentan los principales algoritmos de control predictivo, mos-

    trando de manera general sus principales caractersticas. Se pueden encontrar estu-

    dios comparativos de las diferentes tecnicas en [Garca et al., 1989], [Kramer, 1991],

    [Keyser et al., 1989] y [Qin y Badgwell, 2003].

    2.3.1. Control por matriz dinamica (DMC)

    Este metodo desarrollado por [Cutler y Ramaker, 1980], usa la respuesta ante un

    escalon (2.2) para modelar el proceso, considerando solo los HP primeros terminos, asu-

    miendo por tanto que el proceso es estable. En cuanto a las perturbaciones, se considera

    que su valor permanece constante e igual al existente en el instante actual durante todo

    el horizonte, es decir, igual al valor medido de la salida ym menos el estimado por el

    modelo y(k + i|k).

    n(k + i|k) = n(k|k) = ym(k) y(k|k)

    y por lo tanto el valor predicho sera:

    y(k + i|k) =i

    j=1

    gju(k + i j) +HP

    j=i+1

    gju(k + i j) + n(k + i|k)

    donde el primer termino contiene las acciones de control futuras (que seran calculadas),

    el segundo los valores pasados de las acciones de control (conocidas) y el ultimo repre-

    senta las perturbaciones. La funcion de costo puede considerar solo errores futuros o

    incluir tambien el esfuerzo de control.

    Una de las caractersticas de este metodo que lo ha hecho muy popular en la

    industria es la inclusion de restricciones, que se traduce en inecuaciones de la forma

    2 Recuerde que en el control predictivo: se calculan HP movimientos de control durante cadainstante de muestreo; se le enva al proceso solo la primera de estas senales calculadas; y, debido alconcepto de horizonte deslizante, en el siguiente instante de muestreo de repite el calculo con nuevainformacion.

  • 24 Captulo 2. Conceptos basicos del control predictivo.

    generica:

    HPj=1

    Cryj y (k + i|k) + Cruju (k + i j|k) + cr 0 r = 1, ..., HC .

    Donde:

    Cyj Corresponde a la relacion que existe entre j-esima salida restingida y la

    senal de control.

    Cuj Corresponde a la relacion que existe entre j-esima entrada restingida y la

    senal de control.

    c Valor de la restriccion.

    En este caso la optimizacion debe ser numerica y se lleva a cabo en cada periodo

    de muestreo, enviandose la senal u(k|k) y recalculando todo en el nuevo periodo demuestreo, como en todos los metodos MPC. Los principales inconvenientes de este

    metodo son el tamano del modelo empleado y la imposibilidad de tratar procesos ines-

    tables.

    2.3.2. Control algortmico de modelo (MAC)

    Este metodo fue presentado por [Richalet et al., 1978]. Se conoce tambien como

    control predictivo heurstico y el producto comercial se llama IDCOM3 (Identification-

    Command). Es muy similar al DMC con la diferencia principal de usar un modelo de

    respuesta al impulso (2.1). No utiliza el concepto de horizonte de control, por lo que

    calcula todos los movimientos de control correspondientes al horizonte de prediccion.

    Introduce el concepto de trayectoria de referencia como un sistema de primer orden que

    evoluciona desde la salida actual a la salida deseada segun una determinada constante

    de tiempo, utilizando la expresion (2.4). La varianza del error entre esta trayectoria y

    la salida es lo que marca la minimizacion de la funcion objetivo.

    Las perturbaciones se pueden tratar como en el metodo anterior o se pueden estimar

    segun la siguiente expresion:

    n (k + i|k) = n (k + i 1|k) + (1 ) [ym (k) y (k|k)]con:

    n(k|k) = 0siendo ym el valor medido de la salida y un parametro ajustable (0 < 1) rela-cionado con el tiempo de respuesta, el ancho de banda y la robustez del sistema en lazo

    cerrado.

    El metodo tambien considera restricciones en los actuadores, en las variables in-

    ternas o en salidas secundarias.3 Fabricado por la compana Adersa.

  • 2.3. Revision de los principales algoritmos. 25

    2.3.3. Control predictivo funcional (PFC)

    Este controlador fue desarrollado por [Richalet et al., 1987] para procesos rapidos.

    Emplea un modelo en espacio de estados, por lo que permite el manejo de procesos

    inestables, y tambien la extension al caso no lineal. Este esquema de control tiene dos

    caractersticas que lo distinguen del resto de controladores de la familia: el uso de puntos

    de coincidencia y de funciones base.

    El concepto de puntos de coincidencia (ver Figura 2.6) se emplea para simplificar

    los calculos considerando solo un subconjunto de puntos en el horizonte de prediccion.

    La salida deseada y la predicha deben coincidir en dichos puntos, no en todo el horizonte

    de prediccion.

    Figura 2.6: Puntos de coincidencia.

    La otra idea innovadora de este metodo es la parametrizacion de la senal de con-

    trol como una combinacion lineal de ciertas funciones base, que son elegidas segun la

    naturaleza del proceso y la referencia:

    u (k + i|k) =nBj=1

    j (k)B (i)

    Estas funciones se escogen de acuerdo a la naturaleza del proceso y normalmente son

    de tipo polinomico: escalones (B1(i) = 1), rampas (B2(i) = i) o parabolas

    (B3(i) = i2), ya que la mayora de referencias se pueden especificar como combinacion

    de estas funciones. Con esta estrategia, un perfil de entrada complejo se puede especi-

    ficar usando un numero pequeno (generalmente nB es del orden de 2 o 3) de parametros

    desconocidos j que son las incognitas del problema de minimizacion. De esta manera,

    el concepto de horizonte de control, no existe en esta formulacion porque se reemplaza

    por el numero de funciones base utilizadas.

  • 26 Captulo 2. Conceptos basicos del control predictivo.

    La funcion a minimizar es:

    J =

    HPj=1

    [y (k + hj|k) w (k + hj|k)]2

    donde hj corresponde a los puntos de coincidencia elegidos. Notese que el numero

    de puntos de coincidencia, debe de ser, al menos igual al numero de funciones base

    utilizadas.

    2.3.4. Control autosintonizado de prediccion extendida

    (EPSAC)

    El algoritmo EPSAC usa un modelo de funcion de transferencia

    A(q1)y(k) = B(q1)u(k d) + v(k) (2.6)

    donde d es el retardo y v(k) la perturbacion a la salida. Este modelo puede am-

    pliarse para tratar perturbaciones medibles d(k) anadiendo un termino D(q1)d(k)para incluir efecto de prealimentacion. La prediccion se obtiene segun se muestra en

    [Keyser et al., 1989] y la estructura de la ley de control es muy simple, ya que se con-

    sidera que la senal de control permanecera constante a partir del instante k (es decir,

    horizonte de control igual a 1): u(k + i|k) = 0 para i > 0. Para obtener la senal decontrol se minimiza una funcion de costo de la forma:

    J =

    HPi=d

    (i)[w(k + i|k) P (q1)y(k + i|k)]2

    donde P (q1) es un polinomio de diseno con ganancia unitaria y (i) es una secuenciade ponderacion similar a la de la ecuacion (2.3). La senal de control se puede calcular

    analticamente de la forma:

    u (k|k) =

    HPi=d

    hi (i) [w (k + i|k) P (q1) y (k + i|k)]HPi=d

    (i)h2i

    siendo hi los coeficientes de la respuesta al impulso del sistema.

    2.3.5. Control adaptable de horizonte extendido (EHAC)

    Esta formulacion tambien emplea un modelo de funcion de transferencia (2.6) sin

    tomar en cuenta las perturbaciones v(k) y pretende minimizar la diferencia entre la

  • 2.3. Revision de los principales algoritmos. 27

    salida calculada y la referencia en el instante k +HP : y(k +HP |k) w(t+HP |k), conHP d. La solucion a este problema no es unica (a menos que HP = d) [Ydstie, 1984];una posible estrategia es considerar horizonte de control igual a 1:

    u (k + i+ 1|k) = 0 1 < i HP d

    o minimizar el esfuerzo de control

    J =

    HPdi=0

    u2 (k + i|k)

    Este metodo utiliza un predictor de HP pasos de la forma

    y (k +HP |k) = y (k) + F(q1)y (k) + E

    (q1)B(q1)u (k +HP d|k)

    donde E(q1) y F (q1) son polinomios que satisfacen la relacion:(1 q1) = A (q1)E (q1) (1 q1)+ qHPF (q1) (1 q1)

    con el grado de E igual a HP 1. Una ventaja de este metodo es que se puede encontrarfacilmente una solucion explcita, dada por:

    u (k|k) = u (k 1) + 0 [w (k +HP |k) y (k +HP |k)]HPdi=0

    2j

    siendo i el coeficiente correspondiente a u(k + i|k) en la ecuacion de prediccion.Por lo tanto, la ley de control depende solo de los parametros del proceso y puede

    hacerse facilmente adaptable si se emplea un identificador en lnea. El unico coeficiente

    de ajuste es el horizonte de prediccion HP , lo cual simplifica el uso pero proporciona

    poca libertad para el diseno. En este metodo no puede usarse trayectoria de referencia

    porque el error se considera solo en un instante (k + HP ), ni tampoco la ponderacion

    del esfuerzo de control.

    2.3.6. Control predictivo generalizado (GPC)

    El control predictivo generalizado fue desarrollado por [Clarke et al., 1987] y se ha

    convertido en uno de los metodos mas populares en el ambito de control predictivo, sobre

    todo en el mundo academico. Puede resolver muchos problemas de control diferentes

    para un amplio campo de procesos con un numero razonable de variables de diseno, que

    son especificadas por el operador dependiendo de los conocimientos previos del proceso

    y de los objetivos de control.

  • 28 Captulo 2. Conceptos basicos del control predictivo.

    El GPC emplea un modelo CARIMA (Controlled Auto-Regressive Integrated Mo-

    ving Average) para la prediccion de la salida:

    A(q1)y (k) = B

    (q1)qdu (k 1) + C (q1) e (k)

    1 q1

    donde u(k) y y(k) son respectivamente la senal de control y salida del proceso y e(k) es

    un ruido blanco de media cero. A, B y C son los siguientes polinomios en el operador

    de desplazamiento hacia atras q1:

    A(q1) = 1 + a1q1 + a2q2 + + anaqnaB(q1) = b0q1 + b1q2 + + bnbqnbC(q1) = 1 + c1q1 + c2q2 + + cncqnc

    Como en la practica es difcil encontrar el verdadero valor del polinomio C(q1),se puede emplear como parametro de diseno para rechazo de perturbaciones o mejora

    de la robustez.

    La prediccion optima se lleva a cabo resolviendo una ecuacion diofantina4 , lo

    cual puede hacerse eficazmente de forma recursiva [Camacho, 2004]. Este algoritmo, al

    igual que otros que usan el modelo de funcion de transferencia, se puede implementar

    facilmente en forma adaptable usando un algoritmo de identificacion en lnea como los

    mnimos cuadrados recursivos. El control predictivo generalizado usa una funcion de

    costo cuadratica de la forma:

    J (H1, HP , HC) =

    HPi=H1

    (i) [y (k + i|k) w (k + i|k)]2 +HCi=1

    (k) [u (k + i 1|k)]2

    Las bases teoricas del algoritmo GPC han sido ampliamente estudiadas

    [Clarke et al., 1987], [Clarke y Morari, 1989] y se puede demostrar que, para distin-

    tos conjuntos de parametros, el algoritmo es estable y que otros controladores, como el

    control por establecimiento finito (dead beat), son casos incluidos en este.

    2.3.7. Control predictivo no lineal (NLMPC)

    En general, los procesos industriales son no lineales, pero aun as, la mayora de

    aplicaciones del MPC estan basadas en el uso de modelos lineales. Existen dos impor-

    tantes razones para ello: por un lado, la identificacion de un modelo lineal a partir de

    datos de proceso es relativamente sencilla y por otro, los modelos lineales proporcio-

    nan buenos resultados cuando la planta opera en las cercanas del punto de operacion.

    4 Una ecuacion diofantina es aquella que tiene solamente coeficientes enteros, exponentes enteros ycuyas soluciones son tambien numeros enteros.

  • 2.3. Revision de los principales algoritmos. 29

    Ademas, el uso de un modelo lineal junto con una funcion de costo cuadratica da lu-

    gar a un problema convexo haciendo uso de la programacion cuadratica (Quadratic

    Programming, QP), cuya solucion esta bien estudiada y existen numerosos productos

    comerciales disponibles.

    Sin embargo, la