Escolar Documentos
Profissional Documentos
Cultura Documentos
Introduo
2
mais complexos:
1. Controle Feedforward
2. Controle em Cascata;
3. Controle Baseado em Modelo
4. Controle Seletivo e Override, Razo e Fuzzy
5. Controle PID Adaptativo
6. Controle de Processo Multivariveis
7. Processos com tempo morto grande: MPC
y A questo chave determinar as variveis de controle que devem ser
escolhidas para se controlar um determinando processo;
y Outro problema a ser discutido a questo da interao entre
diferentes malhas de controle.
Controle Realimentado
3
Relembrando
Feedback control tem a forma geral:
D(s)
GD
R(s)
U(s)
+
-
Gc
Gv
Ym(s)
Gp
Y(s)
Gm
Controle Antecipatrio
5
Controle Antecipatrio
6
perturbaes:
{
FeedForward
Cascata
Elemento
final
controle
Feedback
Controller
Processo
secundrio
++
processo medida
++
Processo
Primrio
Controle Antecipatrio
8
TT
TT
TC1
Ps
vapor
Condensado
F,T
Essa configurao de controle Feedback ou Feedforward?
Como podemos usar o fluxo de entrada do termopar para regular as perturbaes na
entradas?
Ser que isto vai se tornar um controlador Feedforward ou Feedback?
Controle Antecipatrio
9
TC2
TT
F,Tin
TT
+
TC1
Ps
vapor
Condensado
F,T
Como opera o TC2?
y No Controle Feedback
{
Perturbaes na
Varivel do
Processos
disturbance
sensor
Elemento FeedForward
Modelo Perturbao
Modelo Processo
ydisturb
ufeedforward
ysetpoint
Controlador
Feedback
ufeedback
++
utotal
Sado do controlador
influi no comportam.
Varivel de Processo
yprocesso
++
y(t)
processo
y
y
controle
y Como os modelos lineares nunca descrevem exatamente o
Controle
ControleAntecipatrio
Antecipatrio
14
Gf
GD
R(s)
Gc
+ +
U(s)
Ym(s)
Gv
Gp
Gm
+
Y(s)
Controle Antecipatrio
15
ser medidas.
Controle Antecipatrio
16
Controle
ControleAntecipatrio
Antecipatrio
17
D(s)
Gf
GD
UR(s)+
Gv
Gp
U(s)
+
+
Y(s)
Funo de Transferncia:
Y ( s) = GD ( s) D( s) + G P ( s)Gv ( s)U ( s)
Y ( s) = GD ( s) D( s) + G P ( s)Gv ( s)(U R ( s) + G f ( s) D( s))
Y ( s) = (GD ( s) + G p ( s)Gv ( s)G f ( s)) D( s) + G p ( s)Gv ( s)U R ( s)
Y ( s) = (GD ( s) + G p ( s)Gv ( s)G f ( s)) D( s) + YR ( s)
Controle Antecipatrio
18
D(s)
Gf
GD
UR(s)+
Gv
Gp
U(s)
+
+
GD ( s)
G p ( s)Gv ( s)
Y(s)
Controle Antecipatrio
19
G D ( s)
G p ( s)Gv ( s)
GD ( s) + G p ( s)Gv ( s)G f ( s) 0
Controle Feedforward:
muito sensvel a erros de modelagem
no pode lidar com distrbios no medidos
no pode implementar-se mudanas de setpoint
Requer do controle feedback para obter um sistema de controle
mais robusto.
Controle
Antecipatrio
Controle
Feedback/Feedforward
20
D(s)
Gf
GD
R(s)
Gc
+ + G
v
U(s)
Gp
+
+
Y(s)
Gs
Ym(s)
Controle
Antecipatrio
Controle
Feedback/Feedforward
21
Controle Antecipatrio
22
C( s) GD ( s) + G f ( s)Gv ( s)G p ( s)
=
D( s) 1 + Gc ( s)Gv ( s)G p ( s)Gm ( s)
Controle ideal requer que (como visto anteriormente)
G f ( s) =
GD ( s)
Gv ( s)G p ( s)
Nota:
Controlador feedforward no afeta a estabilidade em malha fechada
Controlador feedforward com base em modelos de plantas pode ser
irrealizvel (tempo morto ou zeros RHP)
Pode ser aproximado por uma unidade de lead-lag ou ganho puro (raro)
G f ( s) = K f
( 1s + 1)
( 2 s + 1)
G f ( s) =
KD
Kv K p
Exemplo:
Processo do tambor de Flash
23
Vapor do topo
P
vapor
Alimentao
Lsetpoint
LC
Vlvula
Flash
liquido
liquido
condensado
Exemplo:
Processo do tambor de Flash
24
Vapor do topo
P
Elemento FeedForward
Disturbance Model
Process Model
vapor
Alimentao
LC
Vlvula
Flash
Lsetpoint
liquido
liquido
condensado
y Suponha que:
{
manipulated
variable
measured
process variable
disturbance
variable
Teoria do FeedForward
28
y O modelo do processo:
{
Y(s) = GP (s)U(s)
y Este modelo diz que, com o conhecimento da sada do controlador,
U(s) = [
1
] Y(s)
G P (s)
Teoria do FeedForward
29
GD(s), em que:
Y(s) = GD(s) D(s)
y Este modelo diz que, com o conhecimento das mudanas na
Teoria do FeedForward
30
FF
Rejeio da perturbao
Comparao da malha simples vs FeedForward
32
Desempenho da Rejeio perturbao malha nica Controlador PI
set point
Temperatura de
Sada do reator
set point
ao rpida do
controle feedforward
Degrau da
varivel
perturbao
Degrau da
varivel
perturbao
Variao no Setpoint
Comparao da malha simples vs FeedForward
33
PV/Setpoint
90
88
S Feedback
86
Controller Output
84
60
40
20
0
10
20
30
40
50
Time (mins)
60
70
80
90
Controle Antecipatrio
34
y Outro exemplo:
Controle Antecipatrio
35
y Outro exemplo:
Controle Antecipatrio
36
Desvantagens:
y Apesar das melhorias apresentadas pelo controle
As variveis de perturbao precisam ser medidas online. O que impraticvel em vrias aplicaes.
A qualidade do controle depende da preciso no modelo
do processo. Em particular, precisamos saber como a
varivel controlada responde a mudanas nos distrbios
e na varivel manipulada.
2. Controle em Cascata
y A arquitetura de controle em Cascata
y Benefcios da Estratgia Cascata
y Projeto e Ajuste de um Controlador em Cascata
y Aplicao a um processo de tambor de flash
y Aplicao a um reator encamisado
Controle
Controle
emCascata
Cascata
38
Controle em Cascata
39
F,Tin
TT
TT
TC1
Ps
Vapor
Condensado
FT
F,T
Malha Convencional Feedback:
opera a vlvula para controlar o fluxo de vapor
distrbios de fluxo de vapor deve se propagar atravs de todo o processo
para afetar sada
no leva em conta medio de vazo
Controle em Cascata
40
Controle
Controle
em
Cascata
Cascata
41
TT
TT
TC1
FC
FT
Ps
Vapor
Condensado
F,T
Nota:
TC1 determina o setpoint em cascata para o controlador de fluxo
Controlador de fluxo atenua o efeito de perturbaes de fluxo de vapor
Controle em Cascata
42
43
Perturb. int, D2
Primrio
(externo)
SP1
+
secundrio
(interno)
Controlador SP2
+
externo
Perturbao
interna
secundrio
(interno)
Controlador CO2
FCE
interno
Processo
secundrio
primria
secundrio
(externa)
(interna)
Processo PV1
+ + PV2
primrio
ex. vlvula
de perturbaes de PV1
Cascata
trabalha p/
proteger PV1
perturbao, D2
Perturbao
Primrio
(externo)
SP1
+
secundrio
(interna)
Controlador SP2
+
Primrio
primrio
(externo)
CO1
secundrio
(interna)
CO2
Controlador
Secundrio
Vlvula
Processo
secundrio
+
+
secundria
(interna)
PV2
primria
(externa)
Processo PV1
primrio
44
perturbao, D2
Perturbao
Primrio
(externo)
SP1
+
secundrio
(interna)
Controlador SP2
+
Primrio
primrio
(externo)
CO1
secundrio
(interna)
CO2
Controlador
Secundrio
Vlvula
Processo
secundrio
+
+
primria
secundria
(externa)
(interna)
PV2
Processo PV1
primrio
Projeto Cascata
46
Projeto do Cascata
47
dois sensores
{ dois controladores
{ um elemento final de controle (EFC)
y A sada do controlador externo primrio, em vez de ir a uma vlvula,
torna-se o ponto de ajuste do controlador interno secundrio
y Devido a esta arquitetura aninhada :
{
y Nvel nunca deve cair to baixo, para evitar que o vapor seja enviado
P
vapor
Alimentao
LC
Vlvula
Flash lquido
Lsetpoint
Dreno do
liquido
condensado
y Objetivo
funo da:
{ posio da vlvula
{ presso hidrosttica (altura do lquido)
{ presso de vapor acima do lquido que empurra-lo para baixo (uma
perturbao)
Tambor de Flash
50
P
vapor
Alimentao
LC
Vlvula
Flash lquido
Lsetpoint
Dreno do
liquido
condensado
P
vapor
Alimentao
LC
Vlvula
Flash
Lsetpoint
liquido
Fsetpoint
FC
Vazo manipulada
p/ controlar nvel liquido
Dreno do
liquido
condensado
set point
primrio
+
Lsetpoint
set point
Controlador secundrio
+
Primrio
Fsetpoint
Relao da
Presso /
Vazo
Vazo do liq
Controlador
secundrio
Vlvula
Processo
drenagem
drenado
++
Processo
Nvel do
tambor
nvel
a vlvula e quanto
y Assim, uma perturbao na presso de vapor se dirige rapidamente
57
Reator encamisado
58
jaqueta de arrefecimento
secundria adequada
{
{
Temperatura
Entra jaqueta Relao temp.
entra / sada
jaqueta
set point
primrio
Tsetpoint
set point
Controlador secundrio
+
primrio
Tsetpoint
Controlador
secundrio
Vlvula
Vazo
jaqueta
Processo
resfriamento
jaqueta
Temperatura
Temperatura
sada jaqueta Processo
sada reator
+
+
Reator
D2
+
-
Gc1
+
-
Gc2
Gv2
Gp2
D1
Gp1
Gm2
Gm1
Funo de transferncia do
Controle em Cascata
1. Malha Interna
G p2 Gv 2 Gc2
C2
=
= Gcl 2
R2 1 + G p2 Gv 2 Gc2 Gm2
2. Malha Externa
G p1Gcl 2Gc1
C1
=
R1 1 + G p1Gcl 2Gc1Gm1
64
Funo de transferncia do
Controle em Cascata
65
Equao Caracterstica
1 + G p1Gcl 2Gc1Gm1 = 0
1 + G p1
G p2Gv 2Gc2
1 + G p2Gv 2Gc2Gm2
Gc1Gm1 = 0
Controle em Cascata
66
Controle em Cascata
67
Controle em Cascata
68
Controle em Cascata
69
Comparao do Desempenho
70
Desempenho Rejeio de
perturbao do Controlador PI
Process: Single Loop Jacketed Reactor
86
84
set point
constant e
45
Secondary PV
temperatura
de sada do
reator
Primary PV
88
30
48
86
Offset do
controle P
84
72
68
48
Disturbance
Disturbance
Controller Output
PV/Setpoint
88
44
40
variveis
meddas de
perturbao
10
20
Time (mins)
30
40
44
40
0
Variveis
medidas de
perturbao
10
20
30
Time (mins)
Tuning: Gain = 1.0, Reset Time = 0.95, Sample Time = 1.0
40
Comparao do Desempenho
71
Cont.: PID ( P= DA, I= ARW, D= off, F = off) Process: Cascade Jacketed Reactor
Primary PV
90
88
86
84
60
88
86
84
Desempenho
p/setpoint
Desempenho
p/setpoint
60
Secondary CO
PV/Setpoint
90
Controller Output
92
40
40
20
20
0
10
20
30
40
50
Time (mins)
10
20
30
Time (mins)
Tuning: Gain = 1.0, Reset Time = 0.95, Sample Time = 1.0
40
50
Modelagem Avanada
73
y
y
Modelos superamortecidos
78
dPV
+ PV = KP CO(t P )
dt
P1 P2
d PV
dt2
dPV
+ (P1 + P2 )
+ PV = KP CO (t P )
dt
y Segunda Ordem mais Tempo Morto mais lead time (SOPDT com/ Lead)
P1 P2
d2PV
dCO(t P )
dPV
+ (P1 + P2 )
+ PV = KP CO(t P ) + L
dt
dt
dt2
Qual usar?
79
extrapola muito alm dos limites dos dados originais utilizados para
ajustar o modelo.
single arc
response
GFOPDT =
Kpe
Second Order
Process Variable
Process Variable
First Order
p s
pS +1
GSOPDT =
s shaped
response
Kpe
p s
p S 2 + 2 p S + 1
FOPDT
SSE = 0.287
R2 = 0.993
SOPDT
SSE = 0.187
R2 = 0.996
P = 10
CO
Controller Output
PV
Process Variable/Setpoint
70
P = 2.5
60
50
40
65
Kp = 1
Kp= 2
Kp = 1
60
55
50
0
150
300
Time (time units)
450
600
82
83
PV
Process Variable/Setpoint
60
55
resposta
mais lenta
50
CO
Controller Output
70
P = 10
65
P = 25
60
55
50
0
50
100
150
200
250
Time (time units)
300
350
400
450
PV
Process Variable
60
Kp = 1
P = 10
resposta
retardada
55
50
CO
Controller Output
70
P= 25
P = 0
65
60
55
50
0
50
100
150
200
250
Time (time units)
300
350
400
450
84
85
resposta PV
y Lead-time:
{
{
60
PV
Process Variable
overshoot
inversa
50
40
70
L = +20
65
CO
Controller Output
L = 20
60
55
50
0
50
100
150
200
250
Time (time units)
300
350
400
45
Vazo gua
92
Vazo de cido
O controlador executa o clculo de
razo e sinaliza o ponto de ajuste
adequado para o controlador que
define o segunda vazo de fluido,
de modo que a proporo
adequada do segundo fluido possa
ser adicionada.
Controle Fuzzy
93
controlador utiliza lgica Fuzzy para tomar decises sobre como ajustar
o processo.
y A lgica Fuzzy uma forma de lgica do computador onde se algo ou
no includo em um conjunto baseia-se numa escala em que mltiplos
fatores so contabilizados e avaliado pelo computador.
y A ideia essencial de controle fuzzy criar uma espcie de inteligncia
artificial que ser responsvel por inmeras variveis, formular uma
teoria de como fazer melhorias, ajustar o processo, e aprender com o
resultado.
y Controle Fuzzy uma tecnologia relativamente nova. Porque uma
mquina faz alteraes de controle de processo sem consultoria s
seres humanos, controle fuzzy remove alguns capacidades de
operadores, mas no a responsabilidade, para controlar o processo.
controlador;
y So comercialmente disponveis controladores PID com
auto-sintonia;
y Permite o uso de modelos no-lineares: redes neurais,
sries temporais no-lineares
98
custa dinheiro
{
y Mtodo:
{
100
y1setpoint
CONTROL
u1
Process 1
PROCESS 11
PV1
response to
CO1
y1
+
INTERACT 12
PV1
response to
CO2
INTERACT 21
PV2
response to
CO1
u2
ysetpoint
+-
CONTROL
Process 2
PROCESS 22
PV2
response to
CO2
y2
Desacopladores
105
Estrutura do Desacoplamento
106
y1setpoint
CONTROL
u1total
u1feedback
++
Process 1
PROCESS 11
PV1
response to
CO1
y1
+
G11( s)
DECOUPLER 12
PV1
decoupled from
CO2
INTERACT 12
PV1
response to
CO2
u1decouple
D12 ( s)
G12 ( s)
INTERACT 21
PV2
response to
CO1
DECOUPLER 21
2
udecouple
PV2
decoupled from
CO1
G21( s)
D21(s)
2
ysetpoint
+-
CONTROL
Process 2
2
ufeedback
++
2
utotal
PROCESS 22
PV2
response to
CO2
G22 ( s)
y2
Desacoplamento Multivarivel 2 x 2
107
0.1P
cold liquid
FC
Fsetpoint
2. The sensor does not see the result of the control action
until the hot liquid travels down the pipe, and this
dead time makes tight control difficult.
hot liquid
Tsetpoint
TC
1) afinar o controlador
2) implementar o controle de modelo preditivo
y O modelo de processo ideal recebe u(t) e produz yideal(t) , uma previso d y(t)
PID
Controller
u(t)
y(t)
Actual
Process
yideal(t)
+-
yideal(t) yprocess(t)
Process Model
Add Time Delay
to Ideal
Prediction ofy(t)
yprocess(t)
+
+