Escolar Documentos
Profissional Documentos
Cultura Documentos
SO CAETANO DO SUL
2008
RICARDO PASTORELLO
SO CAETANO DO SUL
2008
DEDICATRIA
A Deus por todas as minhas conquistas, por minha vida, pela minha fora de vontade que me
trouxe at esse momento, pela minha perseverana e a busca da compreenso das suas
palavras e sabedoria.
A meu falecido Pai, que certamente est orgulhoso deste momento, observando de onde est,
e a minha me pela dedicao em nossa criao.
A Nilce, minha espsa, Leonardo e Carolina filhos adorados, que sempre estiveram ao meu
lado, com amor, admirao e gratido por sua compreenso, carinho, presena e incansvel
apoio ao longo do perodo de elaborao deste trabalho.
Ao Prof. Claudio Garcia, que nos anos de convivncia, muito me ensinou, contribuindo para
meu crescimento cientfico e intelectual, mais que um professor um grande amigo.
A Joaquim Guimares, um amigo, que colaborou com seu conhecimento para realizao deste
trabalho.
A todos amigos em geral, que colaboraram para que este projeto se tornasse realidade.
LISTA DE ILUSTRAES
17
18
19
33
34
35
36
37
38
43
43
44
45
46
48
FIGURA 4.2 RESPOSTA DE XB COM PID EM AMBIENTE MAT LAB COM DEGRAU
NO VALOR DE REFERNCIA DE XD DE 0,98 PARA 0,99 EM T=20S
48
49
49
50
51
53
54
57
58
59
60
60
61
62
63
63
64
65
66
66
FIGURA 5.1 CONFIGURAO DOS BLOCOS MPC, PIDs, AIs, AOs NO CONTROL
STUDIO DO DELTA V
69
70
72
73
75
PREDICT
PARA
VISUALIZAO
DA
76
CURVA
DA
77
78
79
80
80
81
82
83
84
SUMRIO
1 INTRODUO
15
1.1 OBJETIVOS
16
16
20
20
23
27
29
30
41
41
42
42
43
44
45
47
47
48
49
50
52
52
54
55
4.2.3.1 Utilizando a ferramenta Delta V tune para realizao das sintonias dos PIDs no
DeltaV
55
4.2.3.2 Operao do DeltaV tune para realizao das sintonias dos controladores
56
58
58
60
61
63
63
64
65
68
68
69
70
71
80
80
81
83
6 CONCLUSES
85
86
REFERNCIAS
87
RESUMO
Nos ltimos anos a tecnologia de controle digital tem evoludo rapidamente, os fabricantes de
sistemas digitais oferecem solues de hardware e software com maior capacidade e menor
custo.
A instrumentao de campo melhorou muito a sua qualidade, oferecendo muitas opes para
o aumento da eficincia de controle, tais como transmissores e posicionadores inteligentes.A
comunicao entre sistemas foi bastante simplificada com a adoo do padro OPC.Algumas
tecnologias de controle avanado saram das universidades e esto disponveis sob forma de
ferramentas de uso mais fcil.
Toda esta disponibilidade de tecnologia para integrao e implementao reduziu
drasticamente os custos e prazos dos projetos de controle avanado e com isto cada vez mais
sistemas com controle avanado vm sendo implementados.
Uma das grandes dificuldades na implementao destes sistemas tem sido a necessidade de
gerar modelos do processo baseando-se em testes de planta, que normalmente causa perdas de
produo, instabilidade da qualidade do produto e riscos a equipamentos e do prprio
processo.
Com este cenrio, a proposta deste trabalho de criar um ambiente vitual para testes vem de
encontro s expectativas de criar um ambiente economicamente mais vivel e ao mesmo tempo
mais seguro.
Este trabalho utilizou como processo a ser controlado uma coluna de destilao de mistura
binria, equipada com oito pratos perfurados, onde se necessita controlar as composies de
topo e de fundo. Trata-se de uma coluna simulada, modelada no Matlab com base em
(Luyben, 1990). O controle simultneo das composies de topo e de fundo numa coluna de
destilao um problema complexo, devido ao acoplamento inerente das duas variveis de
sada com as variveis de entrada, restringindo o uso de tcnicas de controle convencionais,
do tipo PID (Proporcional, Integral, Derivativo). Para tanto, se utiliza neste trabalho um
controlador controle preditivo comercial, como alternativa para soluo deste problema.
Dentre as opes disponveis no mercado, optou-se por utilizar o Delta V Predict que faz parte
do sistema de controle Delta V do fabricante Emerson Process.
A integrao do modelo da coluna de destilao e do DeltaV Predict foi feita atravs da
ferramenta OPC, normalmente utilizada para integrao de sistemas.
Foram realizados testes de desempenho com controladores PID multimalha construdos no
Matlab, depois no sistema Delta V e finalmente um controlador DMC gerado a partir de um
modelo instalado no Delta V Predict .
Os resultados dos testes de desempenho das trs opes acima descritas so comparados
analisados.
ABSTRACT
Over the past few years, the digital control technology has evolved rapidly, while
manufacturers of digital systems have been providing hardware and software solutions
featuring greater capacity at lower costs. The field instrumentation has improved a lot in terms
of quality, providing many options to enhance control efficiency, such as smart transmitters
and positioners. The communication between systems has been much simplified by the
adherence to the OPC standard. Some advanced control technologies have come out of
universities and are available in the form of tools that are easier to use.
All such availability of integration and implementation technologies has drastically reduced
costs and shortened advanced control project implementation time frames, and, as a result,
more and more systems with advanced controls have been implemented. One of the major
difficulties with the implementation of these systems has the been need to create process
models based on plant tests, which usually gives rise to production losses, product quality
instability and risks to the equipment and the very process.
In this scenario, the purpose of this paper is to create a virtual testing environment that meets
the expectations for greater economic feasibility while being safer. As the process to be
controlled, this paper has used a binary mixture distillation column equipped with eight
perforated trays, where control of top and bottom compositions is required. It is a simulated
column modeled on Matlab based on (Luyben, 1990).
The simultaneous control of top and bottom compositions in a distillation column is a
complex problem, due to the inherent coupling of the two variables, thereby limiting the use
of standard control techniques such as the PID (Proportional, Integral, Derivative) type, and,
therefore, it was used a commercial predictive control as an alternative to solve that problem.
Of the options available on the market, it was chosen to use Delta V Predict, which is part of
the Delta V control system from manufacturer Emerson Process. The integration between the
distillation column model and Delta V Predict was accomplished using the OPC tool, which is
typically used to integrate systems.
Performance tests were run with multiloop PID controllers built first on Matlab, in the Delta
V system and finally a DMC controller generated from a model implemented on Delta V
Predict. The results from the performance testing of the three options described above are
compared and analyzed.
15
1 INTRODUO
Nos ltimos anos tem ocorrido uma grande mudana nas estratgias de controle avanado,
constatando-se que a otimizao em uma linha implementada com controle preditivo propicia
um dos melhores mtodos para controle e otimizao de plantas industriais.
Dentro deste contexto, uma tcnica de controle preditivo, o Controle por Matriz Dinmica
(DMC), foi desenvolvida e aplicada na indstria com sucesso.O mtodo apresentou boa
aceitao devido sua relativa facilidade de modelagem, baseada em uma representao de
resposta a degrau aplicado ao processo em malha aberta e diferindo dos modelos em espao de
estados ou funes de transferncia. O DMC , portanto, obtido a partir de curvas de resposta
entrada-sada experimentais e efetua o clculo das aes de controle, de modo a otimizar a
trajetria futura do processo, incorporando restries nas variveis.
16
1.1 OBJETIVOS
O objetivo desta dissertao efetuar o controle DMC, bem como a anlise dos resultados deste
tipo de controle aplicado a uma coluna de destilao de oito pratos para separao de uma
mistura binria, coluna esta que simulada dinamicamente no aplicativo Simulink do Matlab,
dever ser controlada atravs do aplicativo Delta V Predict, do sistema de controle Delta V do
fabricante Emerson Process. A coluna simulada em Matlab, bem como o sistema de controle
Delta V esto instalados em microcomputadores distintos e a integrao de ambos os softwares
feita via OPC.
A integrao visa criar um ambiente virtual de testes, que possibilite obter reduo de custos,
pois evita que o equipamento estudado tenha perdas de produo, devidas a testes efetuados no
sistema de controle durante a criao dos modelos e o comissionamento do mesmo, alm de ser
um ambiente mais seguro para realizao dos testes, argumento suficientemente consistente
para as instalaes industriais atuais.
17
MD
F Z TF
Coluna
de
destilao
D XD
QV
MB
B
XB
O controle da coluna proposto neste trabalho mostrado na figura 1.2. As variveis de entrada
so F, Z, TF, QV, R, D, B e as de sada so MD, MB, XD, XB.
18
A composio de topo (XD) controlada pela relao R/D, isto , pela relao entre a
A composio de fundo (XB) controlada pela relao QV/B, isto , pela razo entre a
Controlador
de MD
MD
F Z TF
QV
Coluna
de
destilao
MB
XD
Controlador
de MB
XB
B
QV
XD
R/D
Controlador
DMC
XB
QV/B
19
Perturbaes
Z
R/D
Entradas
QV/B
TF
Sistema
a ser
controlado
XD
Sadas
XB
20
Recentemente foi reconhecido que a anlise no domnio do tempo pode ter um importante
papel conceitual na anlise e controle de processos, baseando-se em modelos de convoluo.
Em decorrncia do desenvolvimento da tecnologia digital, os clculos no domnio do tempo
se tornaram mais acessveis, superando a anlise baseada em transformadas integrais.
Nos ltimos anos tm sido propostas tcnicas de controle preditivo baseadas em modelos de
convoluo discretos, isto , modelos de resposta a impulso (ou degrau) ou modelos no
paramtricos. Outras tcnicas preditivas trabalham com modelos paramtricos, principalmente
no contexto adaptativo.
De modo geral, estas tcnicas so denominadas MPC (Model Predictive Control), que se
referem a uma famlia de controladores onde h a utilizao direta de um modelo. A tcnica
MPC fornece a metodologia de se manipular variveis de modo sistemtico durante o projeto
e a implementao do controlador.
21
Diferentemente do MAC, que utiliza um modelo interno de resposta a impulso, o DMC possui
a representao interna do processo baseada na resposta ao degrau. Os dois algoritmos so
comparados por MARTIN (1981) para o caso monovarivel, ressaltando-se suas principais
semelhanas com o controlador deadbeat.
CUTLER (1982) indica as modificaes necessrias no DMC para controlar sistemas que no
atinjam um valor estacionrio; ilustrado o controle de nvel de produto de fundo de uma
coluna fracionadora.
O SMPC (Simplified Model Predictive Control) pode ser considerado uma particularizao do
DMC. MARCHETTI (1982) apresenta o DMC para o caso de uma predio; verifica-se sua
semelhana com o SMPC (ARULALAN, 1985). O algoritmo comparado ao PID para
sistemas monovariveis de primeira ordem com tempo morto por VALDYA e DESHPANDE
(1988).
22
O LDMC (Controle por Matriz Dinmica Linear), baseado no conceito original do DMC, foi
desenvolvido por MORSHEDI, CUTLER e SKROVANEK (1985). O algoritmo utiliza o
mtodo de programao linear e possui uma habilidade especial de manipular restries
explicitamente.
Seguindo a mesma estrutura IMC, ECONOMOU et alli (1986) fazem a extenso para
sistemas no-lineares. As propriedades desenvolvidas para o IMC no caso linear continuam
vlidas quando definies apropriadas so feitas.
23
EHAC (Extended Horizon Adaptive Controller), de YDSTIE et alli (1985), que calcula
os valores preditos das variveis de sada apenas num instante futuro e no ao longo de
um horizonte. Permite tambm a adoo das diversas estratgias relativas s futuras
aes de controle.
Uma comparao entre verses adaptativas dos algoritmos MAC, DMC, EHAC e EPSAC (De
KEYSER et alli, 1988) mostrou que o desempenho de todos foi satisfatrio em termos de
robustez. As vantagens do tipo de modelo utilizado (paramtrico ou no paramtrico) so
evidenciadas. Segundo os autores, a adoo de modelos no paramtricos (MAC e DMC)
envolve problemas de estimao dos diversos parmetros de controle, enquanto os modelos
paramtricos (EHAC e EPSAC) possuem problemas com processos que possuam tempos
mortos e com a superestimao da ordem do modelo.
24
25
26
de Lyapunov e controle adaptativo multivarivel. Por outro lado, deriva facilmente funes de
transferncia a partir de testes de planta. utilizado o mtodo da Matriz Inversa de Nyquist.
LUYBEN (1985) e LUYBEN (1986) defendem a utilizao de controladores monovariveis
tipo PI, ressaltando o pequeno nmero de implementaes de controladores multivariveis.
proposta a utilizao da Matriz de Ganhos Relativos (RGA) e do ndice de Resilncia de
Morari (MRI) para a escolha de pares de variveis controladas e variveis manipuladas. A
sintonia dos parmetros feita pelo mtodo BLT (Biggest Log Modulus Tuning) e testada
em modelos linearizados de colunas de destilao.
A aplicao do DMC monovarivel a uma coluna de destilao batelada em escala piloto foi
feita por YOON (1986), onde a concentrao de sada controlada pela razo de refluxo.
CUTLER (1983) utilizou o controle DMC e LDMC num modelo de fracionadora com uma
retirada lateral. Foram controladas as composies de topo e da corrente lateral, manipulandose o refluxo interno e o refluxo lateral. No caso do LDMC utilizado um procedimento
heurstico para reduzir a dimenso do problema de programao linear.
27
O DMC com ganho programado (gain scheduling) foi aplicado em colunas de destilao
binrias de alta pureza por McDONALD e McAVOY (1987). O objetivo da estratgia
ajustar os parmetros do controlador de modo a manter constante o ganho global da malha,
compensando as no-linearidades do processo.
GEORGIOU et alii (1988) propem a utilizao do DMC com transformao no-linear das
composies. A transformao tem efeito semelhante ao ganho programado, isto , tratar de
forma mais eficiente a no-linearidade do processo. O desempenho do DMC com
transformao comparado ao DMC convencional e aos controladores PI multimalha com
sintonia BLT.
28
A eliminao das variabilidades de processo pode contribuir com uma reduo de at 30% no
custo total dos produtos vendidos. Em termos menos tcnicos, reduo de variabilidade
significa manter as plantas de processo funcionando de maneira tima, ou seja, permitir que o
produto industrial final seja fabricado exatamente na sua especificao, sem necessidade de
reprocessamentos e gastos adicionais de energia e matria prima. Um dos fatores
preponderantes para que isto ocorra a instalao de instrumentao, sistemas de controle e
controles avanados de alto desempenho com qualidade e preciso.
29
30
Os controladores e suas fontes de alimentao so montados em bases e estes, por sua vez, se
conectam a outras bases onde so instalados os cartes de entrada e sada. Estes controladores
possuem capacidade limitada por senha de 25 at 500 DSTs (Device Signal Tags), que em
outras palavras equivalem a um sinal fsico ou de comunicao de entrada ou sada.
O sistema possui alguns softwares que so utilizados para aplicaes especficas, tais como o
Delta V Tune, Delta V Fuzzy, Delta V Predict, etc.
Como dito anteriormente o Delta V Predict um aplicativo que pertence ao sistema Delta V e
cuja finalidade principal proporcionar uma maior taxa de produo, uma reduo de
31
32
(degraus) e coleta de dados automaticamente. Baseado nesta informao pode ser gerado o
modelo de processo e do controlador multivarivel associado automaticamente, e (iv) - Testes
do bloco MPC offline, pois antes de comissionar o MPC, possvel testar e treinar os
operadores neste novo modo de operar o processo. Usando a capacidade de simulao
fornecida pelo Delta V Predict, pode-se observar a resposta ao set point e s perturbaes na
carga.
O modelo de processo usado para desenvolver o bloco de MPC tambm pode ser usado para
simular o processo e para testar a estratgia de controle. Podendo ser usadas as mesmas telas
grficas e interfaces de operador que sero usadas para a planta.
A ferramenta Delta V Predict permite uma nova abordagem para a implementao do modelo
de controle preditivo. Usando o bloco de funo MPC desta ferramenta, pode-se implementar
um modelo multivarivel baseado em estratgias de controle de maneira mais muito mais fcil
do que nas estratgias tradicionais de controle.
A ferramenta Delta V Predict deve ser aplicada em algumas condies caractersticas, tais
como:
-
Processos que tenham mltiplas entradas que possam ser manipuladas, onde cada uma
complexas associadas, tais como tempo morto muito grande, resposta inversa, etc.
-
lenta. Desta forma, o MPC deveria ser aplicado para processar somente exigncias de
controle que possam ser satisfeitas com esta velocidade de execuo.
33
Como alguns exemplos de aplicao da ferramenta Delta V Predict, pode-se citar: (i)processos de dinmica complexa; (ii)- interao entre as malhas de controle; (iii)
perturbaes medidas e (iv)- restrio medida.
Nos casos de processos de dinmica complexa, quando a resposta do processo para qualquer
mudana na entrada manipulada influenciada por um atraso, o controle PID fica muito lento
para atender estas necessidades de controle. Em tal situao o bloco MPC pode ser utilizado,
pois este configura o controle a ser utilizado e est baseado em um modelo do processo, neste
caso pode ser alcanado um controle mais rpido do que com o PID. O exemplo desta
configurao mostrado na figura 2.1. O bloco MPC abaixo configurado contm o modelo do
processo, o que o torna mais rpido que a colocao de PIDs sucessivos e em cascata para
execuo da mesma estratgia de controle.
A1
201 TM 30
SIMULATE_IN OUT
#1
AO
201 CV 130
MPC
CAS_IN
MPC1
CNTRL1
OUT
BKCAL_OUT
MNPLT1
BKCAL_IN1
#3
#2
Para os processos onde ocorram interaes entre as malhas de controle, o modelo que
desenvolvido para o MPC controla o impacto de uma mudana nas entradas manipuladas,
bem como as perturbaes e todas as sadas do processo. Assim possvel para o MPC fazer a
correo de um desvio de um parmetro controlado, sem afetar outros parmetros controlados
34
associados a este bloco MPC. A implementao e comissionamento de tal controle podem ser
feitos facilmente e tambm muito rapidamente, o exemplo mostrado na figura 2.2.
A1
AO
201CV100
CAS_IN
SIMULATE_IN OUT
#2
A1
BKCAL_OUT
MPC
MPC1
CNTRL1
MNPLT1
CNTRL2
MNPLT2
OUT
#4
AO
BKCAL_IN1
201CV102
SIMULATE_IN OUT
BKCAL_IN2
CAS_IN
#1
#3
OUT
BKCAL_OUT
#5
Nas aplicaes onde as perturbaes sejam medidas, o modelo identifica a dinmica associada
a uma perturbao medida do processo e este modelo a base para o controle MPC, o qual
permite a compensao automtica das perturbaes. Nenhum elemento de compensao
dinmica adicional necessrio (como com as tcnicas tradicionais). A figura 2.3 ilustra este
caso.
35
A1
201AM136
MPC
SIMULATE_IN OUT
#1
AO
MPC1
A1
201CV130
CNTRL1
201tM77
SIMULATE_IN OUT
#2
MNPLT1
BKCAL_IN1
CAS_IN
OUT
BKCAL_OUT
DSTRB1
#5
DSTBR2
A1
201FM71
#4
SIMULATE_IN OUT
#3
FIGURA 2.3 MPC PARA UM CONTROLE DE MALHA NICA COM DUAS PERTURBAES MEDIDAS
Nas aplicaes onde uma restrio medida, a manipulao da mesma uma funo
integrante do bloco MPC. Baseado nas predies feitas pelo MPC, o impacto das perturbaes
e das mudanas em entradas manipuladas sobre as restries podem ser preditas. Quando o
valor predito exceder o limite de restrio, ento o set point predicto da varivel controlada
associada ser reduzido automaticamente, de forma que as mudanas resultantes nas entradas
manipuladas impeam a restrio de exceder seu limite. A figura 2.4 apresenta este caso.
36
A1
201TM30
SIMULATE_IN OUT
#1
MPC
AO
MPC1
201CV130
CNTRL1
MNPLT1
OUT
BKCAL_OUT
BKCAL_IN1
A1
CAS_IN
#4
CNSTRL1
SIMULATE_IN OUT
#2
#3
37
AI
PI-8627
AI
FI-22402
AI
FI-8627
AI
FI-4688
A0
MPC
PYI-8627
MPC1
OUT
CAS IN
CNTR1
CNTR2
MNPL1
BKCAL_OUT
MNPL2
A0
VLVULA DE
CONTROLE DE
PRESSO
BKCAL/N1
BKCAL/N2
CNSTR1
CNSTR2
CAS IN
OUT
BKCAL_OUT
BOMAB 402
VFD
38
Control
studio e
aplicao
do
Predict
As entradas e sadas
devem ser
automaticamente
designadas para o Delta
V Historian
Teste de planta.
Mudar as entradas do
processo durante a
operao normal
Identificar o modelo e
gerar o controlador
MPC
Delta V
Historian
Verificao usando o
bloco de simulao,
criar a interface para o
operador
Fazer download para o
controlador e o monitor
de operao
Control
studio e
interface
do
operador
O tempo para o regime permanente definido como o tempo de uma sada do processo em
resposta a um degrau em uma entrada do mesmo, com todas outras entradas constantes,
39
definido no Bloco MPC por 120 pontos. O scan rate de um mdulo que contem ao bloco
MPC deve ser configurado para 1 segundo ou maior. O bloco MPC automaticamente ser
executado, a intervalos de 1 segundo ou o tempo para regime permanente/120, o que for
maior.
O MPC faz a predio do controle atual e dos parmetros de controle, baseado nos ajustes do
passado, sendo que os efeitos das perturbaes so incorporados dentro do controle,
predizendo os parmetros das restries automaticamente.
Aps estas tarefas o MPC calcula o que se deseja como trajetria futura para os parmetros
controlados, calculando os ajustes necessrios, movendo as variveis manipuladas para que os
parmetros de controle sigam a trajetria desejada.
A Simulao tambm utilizada no Delta V Predict. Usando este ambiente, pode-se testar o
modelo e as estratgias de controle preditivo at 100 vezes mais rpido do que em tempo real,
antes de colocar este controlador para efetuar o controle do processo.
40
Com o Delta V Predict possvel configurar telas grficas que tornem a interface IHM do
MPC to amigvel como a de um PID. Atravs desta interface o operador pode fazer a
interao com a estratgia do MPC.
Os valores preditos das variveis controladas e das manipuladas so automaticamente
mostrados nos grficos de tendncia histrica e armazenados para serem consultados.
A tabela 1 apresenta as especificaes tcnicas do sistema DeltaV Predict.
41
A OPC uma ferramenta padro tipicamente utilizada para comunicao entre diversas
fontes, qualquer dispositivo, sistema ou uma base de dados.
A ferramenta OPC pode ser utilizada para vrias aplicaes, dentre as quais se destacam: (i)Gerenciamento de campo, pois com o advento dos dispositivos inteligentes de campo, uma
quantidade de informaes pode ser fornecida por estes dispositivos, que anteriormente no
estavam disponveis, tais como funcionalidade dos dispositivos, configurao de parmetros,
materiais de construo etc. Todas estas informaes podem ser fornecidas ao operador para
as mais diversas finalidades, (ii)- Gerenciamento do processo. A instalao do SDCD e de
sistemas SCADA para monitorar e controlar processos de manufatura faz com que a
informao facilmente torne-se disponvel para os nveis de engenharia e gerencial, o que
antes somente era obtido de forma manual e (iii)- Gerenciamento do Negcio. Benefcios
podem ser aumentados pela instalao de um sistema de controle interligado a um sistema de
informao via OPC, pois a coleta de informaes importantes do processo pode ser utilizada
para tomadas de decises de investimentos pelos departamentos de engenharia e financeiro.
42
Com ampla aceitao na indstria, a OPC fornece muitos benefcios, dentre os quais se
destacam: (a)-Os fabricantes de hardware tm somente que fazer um conjunto dos
componentes de software para que os clientes possam utilizar em suas aplicaes; (b)Desenvolvedores de software no tm que retrabalhar os drivers, pois as principais mudanas
ou adies so efetuadas nos novos lanamentos do hardware e (c)-Os usurios tm mais
escolhas com uma classe mundial de sistemas de manufatura integrados.
43
Servidor OPC
Fornecedor A
Servidor OPC
Fornecedor B
Cliente OPC
Servidor OPC
Fornecedor C
A OPC pode ser fornecida por diferentes fornecedores. O fornecedor determina os cdigos
para que cada servidor acesse de cada dispositivo as informaes e detalhes a respeito de
como fisicamente acess-las. A figura 3.2 ilustra este caso.
Servidor
OPC
Fornecedor
CLIENTE OPC#1
Servidor
OPC
Fornecedor
Servidor
OPC
FornecedorC
CLIENTE OPC
#3
FIGURA 3.2 INTERFACE ENTRE CLIENTE OPC E UM SERVIDOR
CLIENTE OPC
#2
44
O servidor de acesso a OPC compreende alguns componentes tais como: o servidor OPC, o
grupo OPC e o item. O componente servidor OPC mantm a informao sobre o servidor e
utilizado como uma rea para armazenar componentes do grupo OPC. O grupo OPC mantm
a informao dele mesmo e fornece um mecanismo para armazenar e ordenar os vrios itens
OPC.
Os grupos OPC fornecem um modo para que os clientes organizem a informao. Por
exemplo, o grupo pode representar itens em um display para o operador ou at um relatrio,
pois as informaes podem ser lidas e escritas. Um cliente OPC pode configurar a taxa com
que um servidor OPC deveria fornecer as mudanas das informaes para qualquer outro
cliente.
Existem dois tipos de grupos: pblico e local (ou privado). O pblico utilizado para
comunicar-se com vrios clientes e o local atende especificamente a um cliente local.
Dentro de cada grupo o cliente pode definir um ou mais itens OPC, conforme figura 3.3.
GRUPO
Item 1
Item 2
Item 3
45
Especificaes de uma OPC sempre contm dois tipos de interfaces, a interface personalizada
e a interface automatizada, como mostrado na figura 3.4.
Aplicao C++
OPC CUSTOMIZADA
I/F
Aplicao VB
Servidor OPC r
(Local, Remoto)
Lgica especfica do
fornecedor
46
padro chamada Wrapper DLL, que pode ser usada por qualquer fornecedor especfico.
Abaixo segue o exemplo de arquitetura tpica de OPC.
Aplicao VB
Interface automatizada
da OPC (Wrapper)
Aplicao C++
Memria do Servidor de
informao
Dispositivo
Fsico
Informao
FIGURA 3.5 ARQUITETURA TPICA DE UMA OPC
47
48
20
40
60
80
100
120
140
160
180
200
FIGURA 4.1 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XD DE 0,98 PARA 0,99 EM T=20S .
0.024
0.0235
0.023
0.0225
0.022
0.0215
0.021
0.0205
0.02
0.0195
20
40
60
80
100
120
140
160
180
200
FIGURA 4.2 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XD DE 0,98 PARA 0,99 EM T=20S.
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XB, com o
pico atingindo 0,0235, contudo rapidamente o controlador PID de XB conseguiu trazer a
varvel ao seu valor de set point . No grfico de XD notamos pouca oscilao o controlador
49
PID de XD conseguiu rapidamente atingir o seu novo set point. Isto mostra que existe um
forte acoplamento entre a varivel manipulada R e a concentrao XB.
0.02
0.019
0.018
0.017
0.016
0.015
20
40
60
80
100
120
140
160
180
200
FIGURA 4.3 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XB DE 0,02 PARA 0,015 EM T=20S.
0.9802
0.9801
0.98
0.9799
0.9798
0.9797
0.9796
0.9795
0.9794
20
40
60
80
100
120
140
160
180
200
FIGURA 4.4 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XB DE 0,020 PARA 0,015 EM T=20S.
50
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XD, seu valor
elevou-se rapidamente, contudo o controlador PID de XD conseguiu trazer a varvel ao seu
valor de set point. No grfico de XB nota-se pouca oscilao, o controlador PID de XB
conseguiu rapidamente atingir o seu novo set point. Conforme citado anteriormente, verificase um forte acoplamento da varivel manipulada Qv sobre XD.
0.022
0.0215
0.021
0.0205
0.02
0.0195
20
40
60
80
100
120
140
160
180
200
FIGURA 4.5 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR NA
VAZO DE ALIMENTAO F DE 100 PARA 105 EM T=20S
51
0.9802
0.9801
0.98
0.9799
0.9798
0.9797
0.9796
0.9795
0.9794
20
40
60
80
100
120
140
160
180
200
FIGURA 4.6 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU NA VAZO DE
ALIMENTAO F DE 100 PARA 105 EM T=20S.
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XB,
mostrando que a variao na vazo de entrada teve maior influncia nesta composio. A
composio XD mostrou uma queda brusca em seu valor, contudo retornou rapidamente ao
seu valor de set point.
52
Passa-se ento a configurar e operar novos PIDs para efetuar o controle das concentraes
XD e XB, manipulando as relaes R/D, vazo de reciclo pela vazo de destilado e QV/B,
carga trmica do referverdor pela vazo de produto de fundo, agora utilizando PIDs externos
ao Matlab, ou seja, configurando-os atravs da ferramenta denominada Control Studio no
sistema de controle Delta V.
Optou-se por utilizar a ferramenta OPC toolbox existente no software Matlab verso 7.1,
como padro para estabelecer a comunicao entre os computadores. O OPC toolbox uma
ferramenta de fcil manuseio e que est disponvel dentro do Matlab / Simulink e, portanto,
configurada dentro do modelo em estudo. Para esta configurao foram utilizados trs blocos
do seu menu de opes, so eles:
(i) O bloco OPC configuration onde se configura basicamente na arquitetura servidor-cliente,
o endereo relacionado ao servidor, o endereo relacionado ao cliente, ou seja, determina-se
quem e onde se disponibiliza a informao. O tempo configurado para aquisio e envio de
informaes foi o tempo real.
53
(ii) OPC Read, bloco responsvel por ler a informao originada pelo Delta V e que est
disponvel para o modelo. Aqui basicamente se configura o endereo do mdulo, bloco,
parmetro (sinal de sada do Delta V), que de onde a informao originada no Delta V, ou
seja, as relaes R/D e QV/B.
(iii) OPC Write, bloco responsvel por enviar as informaes que o modelo est gerando para
o Delta V, para que o mesmo efetue o controle. Da mesma forma se configura endereo do
mdulo, bloco, parmetro (sinal de entrada do Delta V) das variveis de processo dentro do
Delta V, que precisam ser atualizadas para efetuar o controle, neste caso as concentraes XD
e XB.
Aps realizao das configuraes acima mencionadas, resulta o modelo conforme mostrado
na figura 4.7.
FIGURA 4.7 MODELO DA COLUNA COM OPC PARA COMUNICAO COM O DELTA V.
54
55
Esta uma ferramenta utilizada para fazer a identificao do processo, baseado no princpio
Relay Self Oscillation, podendo ser aplicada a qualquer tipo de varivel: lenta, rpida, autoregulada, integrativa etc.
56
O Delta V Tune na workstation tambm fornece uma interface grfica e os clculos dos
parmetros de sintonia.
57
Aps estes cuidados, seleciona-se o boto test e a partir deste instante os testes so efetuados,
conforme mostrado na figura 4.9.
58
Foram realizados testes em degrau para verificar o comportamento dos PIDs implementados
no DeltaV. A seguir mostras-se os testes de comportamento com os PIDs de XB e XD.
4.3.1
0.027
0.026
0.025
0.024
0.023
0.022
0.021
0.02
0.019
20
40
60
80
100
120
140
160
180
200
FIGURA 4.10 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,020 PARA 0,025
NO INSTANTE T=20S
59
0.9816
0.9814
0.9812
0.981
0.9808
0.9806
0.9804
0.9802
0.98
0.9798
0.9796
20
40
60
80
100
120
140
160
180
200
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XD, com o
pico atingindo 0,9813, contudo o controlador PID de XD conseguiu trazer a varvel ao seu
valor de referncia, contudo isto demorou em torno de 60s. No grfico de XB nota-se menos
oscilao, o controlador PID de XB conseguiu rapidamente (em torno de 10s) atingir o seu
novo valor de referncia.
60
4.3.2
20
40
60
80
100
120
140
160
180
200
FIGURA 4.12 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,98 PARA 0,975
NO INSTANTE T=20S
0.02
0.02
0.0199
0.0199
0.0199
0.0198
0.0198
0.0197
20
40
60
80
100
120
140
160
180
200
61
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XB, com o
pico atingindo 0,0198, contudo o controlador PID de XB conseguiu trazer a varvel ao seu
valor de referncia novamente, contudo demorou em torno de 60 s para se atingir novamente
o seu valor de referncia. No grfico de XD nota-se menos oscilao, o controlador PID de
XD conseguiu em 20s, atingir o seu novo valor de referncia.
20
40
60
80
100
120
140
160
180
200
62
0.984
0.9835
0.983
0.9825
0.982
0.9815
0.981
0.9805
0.98
0.9795
20
40
60
80
100
120
140
160
180
200
Analisando-se os grficos, nota-se que houve uma oscilao no instante t=80 s, quando houve
o degrau na vazo de alimentao F. Contudo verifica-se que os controladores de XD e XB
conseguiram rapidamente estabilizar novamente no valor de referncia tanto de XD quanto de
XB. Nota-se tambm a oscilao foi mais intensa em XB, mostrando que o degrau na vazo
de alimentao F causou maior oscilao nesta composio.
63
0.025
0.024
0.023
0.022
0.021
0.02
0.019
200
400
600
800
1000
1200
1400
1600
0.981
0.9808
0.9806
0.9804
0.9802
0.98
0.9798
200
400
600
800
1000
1200
1400
1600
64
0.982
0.981
0.98
0.979
0.978
0.977
0.976
0.975
200
400
600
800
1000
1200
1400
1600
FIGURA 4.18 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,98 PARA 0,975
NO INSTANTE T=200S
65
0.045
0.04
0.035
0.03
0.025
0.02
0.015
200
400
600
800
1000
1200
1400
1600
66
0.06
0.055
0.05
0.045
0.04
0.035
0.03
0.025
0.02
0.015
200
400
600
800
1000
1200
1400
1600
0.99
0.988
0.986
0.984
0.982
0.98
0.978
200
400
600
800
1000
1200
1400
1600
67
mostraram que o tempo de estabilizao neste caso foi menor que os anteriores (degrau em
XB e XD), o que nos mostra que o degrau na vazo F causou menos oscilaes que nos
grficos anteriores. Contudo, conforme citado anteriormente, verifica-se que com esta sintonia
desempenho piorou.
68
(i) Configurao das entradas (AI) de XD e XB, informaes estas originadas no modelo da
coluna;
(ii) Configurao das sadas analgicas (AO) de R/D e QV/B, variveis que sero
manipuladas para que se tenha as concentraes XB e XD dentro dos limites especificados;
(iii) Configurao dos PIDs, que recebero os set points do bloco MPC que estar efetuando
o controle, atravs do modelo criado dentro deste ltimo.
(iv) Configurao do bloco MPC que utilizar o modelo para predizer os set points para os
PIDs. Neste ltimo item determina-se e configura-se o nmero de variveis manipuladas
(neste caso R/D e QV/B) e de controladas (XB e XD).
69
A Figura 5.1 ilustra o trabalho realizado dentro do Delta V utilizando o control studio.
FIGURA 5.1 CONFIGURAO DOS BLOCOS MPC, PIDS, AIS, AOS NO CONTROL STUDIO DO
DELTA V
Para criao do modelo dentro do bloco MPC necessrio que se tenha as informaes do
teste que ser realizado dentro do ambiente Predict. Para tanto as entradas e sadas analgicas
(XD, XB, R/D, QV/B respectivamente) devero ser assinaladas no Delta V Historian, que
ser responsvel por obter as informaes para criao do modelo do processo durante o teste.
Aps as configuraes dos blocos e atribuio das entradas e sadas para o Historian, faz-se
um download para o controlador e o Continuous Historian.
70
FIGURA 5.2 AMBIENTE PREDICT PARA EXECUO DE TESTE PARA CRIAO DO MODELO
Aps esta abertura, seleciona-se o bloco MPC configurado previamente e passa-se a efetuar
os testes para criao do modelo.
71
5.3.1
Antes de iniciar o teste, deve-se efetuar algumas verificaes nas configuraes do ambiente
Predict.
Inicialmente, deve-se prestar ateno ao degrau a ser gerado para teste, pois se deve aumentlo em 5% caso se tenha sinais ruidosos; o tempo de estabilizao baseado na resposta mais
lenta em relao s entradas (aproximadamente 3 x constante de tempo + tempo morto). O
tempo de teste ser de aproxidamente 6 vezes o valor especificado para o tempo de
estabilizao.
Aps a realizao destas configuraes e/ou verificaes, deve-se determinar o tempo para o
regime permanente do processo que se est controlando, definido no sistema por TSS, a fim
de se poder configurar corretamente este parmetro no Predict.
Com o processo estvel, pode-se ento iniciar o teste para identificao e gerao do modelo.
Para tanto selecionado o boto TEST dentro da tela do Predict, que automaticamente
coloca os blocos anteriores e posteriores ao bloco MPC em modo CASC e o teste iniciado
automaticamente. Na parte baixa direita da tela v-se o parmetro control mudar de LO para
MPC, mostrando que a partir daquele instante este bloco est com controle das aes que
faro a identificao e gerao do modelo, como mostrado na figura 5.3.
72
73
Selecionando-se o quadrado da curva que se quer ajustar ou pelos pares mostrados no lado
esquerdo da tela, pode-se entrar na curva propriamente dita e ento escolher a opo para
efetuar o ajuste.
74
FIGURA 5.5 AMBIENTE PREDICT PARA VISUALIZAO E EDIO GRFICA DOS MODELOS
GERADOS
Selecionando a opo Design response no lado direito da tela, possivel visualizar as curvas
da ARX identificada, FIR (finite impulse response) e da resposta projetada para este par e
aparecem na tela tambm os parmetros que podem ser ajustados, a fim de melhorar a
preciso da curva de resposta.
Para efetuar estes ajustes, manuseia-se principalmente os parmetros Dead time, Gain e First
Order Time constant, que so os que mais ajudam nos ajustes das curvas.
75
De maneira similar possvel tambm fazer os ajustes de forma analtica, atravs dos ajustes
do coeficiente da curva gerada. Para tanto, seleciona-se a opo Edit Coef e aparecem na tela
todos os coeficientes da curva, possibilitando efetuar os devidos ajustes na mesma.
Aps os ajustes de todas curvas ou pares, pode-se fazer a comparao do modelo gerado com
o processo e verificar se os ajustes individuais de cada par resultou em um modelo mais
preciso.
76
Esta verificao feita, selecionando-se a opo Verify Against na parte baixa da tela e
seleciona-se contra o que se quer comparar. Pode ser contra as informaes originais, contra
as informaes selecionadas ou contra as informaes trazidas de um arquivo externo.
FIGURA 5.7 AMBIENTE PREDICT PARA VISUALIZAO DAS OPES DE VERIFICAO DAS
CURVAS DO MODELO GERADO.
Aps a seleo feita, pode-se visualizar as curvas das controladas x opo feita.
A figura 5.8 ilustra esta verificao. Nela pode-se ver a curva de modelo da contralada 1
comparada com os dados originais.
77
Aps a verificao e anlise, pode-se efetuar a gerao do controlador, para tanto basta
selecionar o boto Generate CRTL na parte baixa da tela e o controlador associado ser
gerado e mostrado na rvore de modelos no lado esquerdo da tela, na frente do modelo que
foi selecionado como mostrado na figura 5.7.
Pode-se agora para efetuar o download deste controlador gerado para o bloco MPC no control
studio. Realizando esta aose est pronto para efetuar os testes deste controlador gerado e
carregado para o MPC.
Pode-se, antes de efetuar o teste de controle com o modelo da coluna, utilizar a ferramenta
MPC Operate e com isso simular o controle no prprio ambiente do Delta V, para tanto basta
78
selecionar o bloco MPC e escolher a opo Advanced Control e MPC Operate, como ilustra a
figura 5.9.
FIGURA 5.9 CONTROL STUDIO COM O BLOCO MPC E SELECO DO MPC OPERATE
Com isto pode-se visualizar a tela do MPC Operate e efetuar a simulao off line como
mostrado na figura 5.10.
79
Com este teste efetuado se est pronto para fazer o teste de controle com o modelo da coluna
de destilao.
80
0.0199
0.0198
0.0197
0.0196
0.0195
0.0194
0.0193
50
100
150
200
250
300
350
400
450
500
FIGURA 5.11 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,020 PARA 0,015
NO INSTANTE T=150S
0.9808
0.9806
0.9804
0.9802
0.98
0.9798
0.9796
50
100
150
200
250
300
350
400
450
500
81
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XB, com o
pico atingindo 0,0194. O controlador gerado, contudo est ineficiente, pois no conseguiu
trazer o valor de XB para o seu novo valor de set point XB=0,015, atingindo uma certa
estabilidade em XB= 0,0197. No grfico de XD nota-se menor oscilao, atingindo valor de
0.9806. O controlador tambm no conseguiu atingir o seu set point, contudo chegou a
estabilizar em um valor mais prximo do esperado XD=0,9798. Isto nos faz acreditar que
realmente a aquisio das informaes para gerao do modelo no est confivel, o que gera
um controlador ineficiente.
5.4.2
0.9804
0.9802
0.98
0.9798
0.9796
0.9794
0.9792
50
100
150
200
250
300
350
400
450
500
FIGURA 5.13 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,98 PARA 0,975
NO INSTANTE T=150S
82
0.0205
0.0204
0.0203
0.0202
0.0201
0.02
0.0199
0.0198
0.0197
0.0196
0.0195
50
100
150
200
250
300
350
400
450
500
Analisando-se os grficos nota-se que a oscilao foi igualmente intensa tanto em XB quanto
em XD. Neste ltimo observa-se picos de valor mximo 0,9802 e mnimo de
aproximadamente 0,9793. O controlador gerado, contudo, est ineficiente, pois no conseguiu
trazer o valor de XD para o seu novo valor de set point em XD=0,975, atingindo uma certa
estabilidade em aproximadamente XD= 0,9799. No grfico de XB nota-se tambm oscilao,
atingindo valores de pico mximo de 0,0205 e mnimo de 0,0196. Neste caso, o controlador
conseguiu atingir o seu set point novamente XB=0,02 em aproximadamente 50s.
83
0.07
0.06
0.05
0.04
0.03
0.02
0.01
50
100
150
200
250
300
350
400
450
500
84
0.994
0.992
0.99
0.988
0.986
0.984
0.982
0.98
0.978
50
100
150
200
250
300
350
400
450
500
Analisando-se os grficos nota-se que no houve grandes oscilaes, contudo percebe-se que
tanto para XB quanto XD os valores no retornaram aos seus respectivos valores de set points
XD=0,98 e XB=0,02. Com o degrau promovido na vazo de alimentao F, verifica-se que o
valor de XB estabilizou-se em XB=0,069, ou seja diferente do esperado e o valor de XD
estabilizou-se em aproximadamente XD = 0,99 tambm diferente de seu valor de set point.
Isto somente confirma o que estamos observando, que realmente a aquisio das informaes
para gerao do modelo no est confivel, o que gera um controlador ineficiente.
85
6. CONCLUSES
O trabalho apresentado demonstra o desafio de criar um ambiente virtual de testes atravs da
comunicao entre dois softwares com caractersticas distintas.
Demonstra-se que com as ferramentas existentes no mercado para simulao e controle de
processos, possvel criar um ambiente virtual para testes de controle de processos, o que
propicia indstria novas alternativas para seleo e criao de estratgias de controle.
Contudo, verifica-se que existe ainda a necessidade de evoluo de alguns softwares de
simulao no que diz respeito comunicao via OPC, bem como o claro entendimento por
estas empresas da importncia deste tipo de comunicao na simulao de processos
industriais.
Comparando-se os testes efetuados, com controladores PIDs dentro Matlab com
controladores PIDs no sistema de controle DeltaV, verifica-se que os primeiros tiveram um
comportamento mais estvel, contudo os controladores utilizados no DeltaV mostraramse,
apesar de menos estveis, com certa robustez.
Quando da gerao dos modelos a partir do Delta V Predict, verifica-se que estes se
mostraram imprecisos, ou seja, os modelos ARX e FIR no se mostraram sobrepostas como o
esperado, apesar de a maioria dos modelos gerados mostrarem boa tendncia. Contudo esta
impreciso nos mostra claramente a falta de comunicao em tempo real entre o Delta V e o
Matlab.
Passa-se ento a verificar onde poderia estar o problema e identificou-se que o Matlab no
consegue fazer com que o modelo da coluna simule em tempo real.
Devido dificuldade na soluo do problema, verifica-se outras possibilidades de
comunicao, tais como, Visual Basic e banco de dados, contudo, devido falta de
conhecimento suficiente dos fabricantes envolvidos, no obtivemos sucesso.
86
O trabalho realizado traz muita informao nova sobre a utilizao do controlador preditivo
da Emerson, sua facilidade na gerao e criao do controlador associado, sua facilidade de
configurao. Traz tambm informao sobre o Matlab e sua metodologia de comunicao,
contudo mostra a vulnerabilidade ainda nesta metodologia de comunicao e que estamos
provavelmente no limiar da tecnologia existente para a aplicao proposta.
Com isto posto, o grande desafio que se apresenta o desenvolvimento do OPC toolbox do
Matlab com consistncia, a fim de poder manter suas aplicaes em tempo real.
Outro grande desafio desenvolver outras possibilidades de comunicao a fim de conseguir
manter as aplicaes simulando em tempo real
Acredita-se que com a evoluo da tecnologia dos softwares de simulao, este problema ser
solucionado e com interfaces melhores, acreditamos que ambientes virtuais para testes sero
muito utilizados na indstria em futuro muito prximo.
87
REFERNCIAS
ANDERSEN, H.W.; KUMMEL, M.; NORGAARD HANSEN, A.; NIELSEN, K. Tuning of
dual-composition distillation column control, Chem. Eng. Science, 44(3), (1989), p. 619630.
ARULALAN, G. R. Application of model predictive control to distillation. Ph.D. Thesis,
Univ. of Louisville, 1985.
CLARKE, D. W.; MOHTADI, C.; TUFFs, P. S. Generalized predictive control Part I:
The Basic Algorithm, Automatica, 23(2), 1987a, p. 137-148.
CLARKE, D. W.; MOHTADI, C.; TUFFs, P. S. Generalized predictive control Part II:
Extensions and Interpretations, Automatica, 23(2), 1987a, p. 149-160.
COGHI, M. Diminuio da variabilidade, Artigo tcnico, ISA SHOW, 1995, So Paulo.
CUTLER, C. R. Dynamic matrix control of imbalanced systems, ISA Transactions, 21(12)
1982, p. 1-6.
CUTLER, C. R.; HAWKINS, R. B. Constrainer multivariable montrol of hydrocracker
reator. Proc. Am. Cont. Conf., 1987, p 1014-1020.
CUTLER, C. R.; RAMAKER, B. L. Dynamic matrix control: Computer control
algorithm. AICHE 86th, 1979, National Meeting, Paper 51-B.
DE KEYSER, R. M. C.; VAN CAUWENBERGHE, A. R. Extended prediction selfadaptive control, IFAC Symposium on Identification and System Parameter Estimation,
York (UK), 1985, p. 1255-1259.
DE KEYSER, R. M. C.; VAN DE VELDE, Ph. G. A.; DUMORTIER, F. A. G. A
comparative study of self-adaptive long-range predictive control methods, Automatica,
24(2), 1988, p. 149-163.
ECONOMU, C. G.; MORARI, M.; PALSSON, B. O. Internal model control - Extention to
nonlinear systems, Ind. Eng. Chem. Process Des. Dev., 25, 1986, p. 403-411.
EMERSON PROCESS MANAGEMENT. DeltaV predict application. USA, 2002.
Disponvel em: <http:www.emersonprocess.com> . Acesso em: 10 ago. 2005
EMERSON PROCESS MANAGEMENT. DeltaV predict and Deltav PredictPro. USA,
2004. Disponvel em: <http:www.> . Acesso em: 10 ago. 2005
GARCIA, C. Controle preditivo multivarivel do tipo DMC aplicado a uma coluna de
destilao. In. CONGRESSO DE EQUIPAMENTOS E AUTOMAO DA INDSTRIA
QUMICA E PETROQUMICA, 3, 1997, So Paulo. Anais So Paulo, SP: ABIQUIM,
1998. p. 96-106.
GARCIA, C. Studies in optimizing and regulatory control of chemical processing
systems, Ph.D. Thesis, Univ. of Wisconsin, 1982.
88
GARCIA, C.; MORARI, M. Internal model control Design procedure for multivariable
systems, Ind Eng. Chem Process Des., 24, 1985, p. 472-484.
GARCIA, C.; MORARI, M. Internal model control - Multivariable control law
computation and tuning guidelines, Ind Eng. Chem Process Des., 24, 1985, p. 484-494.
GEORGIOU, A.; GEORKAKIS, C.; LUYBEN, W. L. Nonlinear dynamic matrix control
for high-purity distillation columns, AICHE J., 34(8), 1988, p. 1287-1297
LUYBEN, W. L. Simple method for tuning SISO controllers in multivariable systems,
Ind. Chem. Process Des. Dev., 25, 1986, p. 654-660.
LUYBEN, W. L. P. Process modeling, simulation, and control for chemical engineers. 2.
ed. New York: McGraw-Hill, 1989. 725p.
MARCHETTI, J. L. Predictive computer control of a distillation column. Ph. D. Thesis,
1982, Univ. of Santa Barbara.
MARTIN, G. D. Long-range predictive control, AICHE J., 27, 1981, p. 748-753.
McDONALD, K. A.; McAVOY, T. J. Application of dynamic matrix control to moderate
and high-purity distillation towers, Ind. Eng. Chem. Res., 26, 1987, p. 1011-1018.
MORSHEDI, A. M.; CUTLER, C. R.; SKROVANEK, T. A. Optimal solution of dynamic
matrix control with linear programming techniques (LDMC). Proc. Am. Control Conf.,
Boston, 1985, p.199-208.
OPC
FOUDATION.
OPC
overview.
EUA,
<http:www.opcfoudation.org > . Acesso em: 20 jun. 2005
OPC
FOUDATION.
What
is
OPC?.
EUA,
<http:www.opcfoudation.org > . Acesso em: 20 jun. 2005
1998.
2005.
Disponvel
em:
Disponvel
em:
89
ANEXO A
TEORIA DMC
Apesar de processos qumicos serem normalmente no-lineares, muitos deles podem ser
linearizados em torno do ponto normal de operao. O algoritmo DMC pode ser aplicado em
processos descritos ou aproximados por um conjunto de equaes diferenciais lineares. As
propriedades mais importantes de sistemas lineares so:
- Preservao da escala: se y sada do processo para uma entrada u, ento c.y a sada do
mesmo para a entrada c.u.
- Superposio: se y1 a sada do processo para uma entrada u1 e y2 a sada para uma
entrada u2, ento y1 + y2 a sada para a entrada u1 + u2 .
Predio das sadas de interesse sobre o horizonte futuro de tempo, corrigida por ao
feedback;
91
Clculo dos movimentos futuros das variveis manipuladas de modo que as variveis de
entrada e de sada satisfaam algum critrio de performance.
assumido que o modelo seja estvel em malha aberta e que o DMC seja implementado em
um sistema com dados amostrados. Portanto, considerado um modelo discreto do processo,
onde valores das variveis sejam conhecidos somente em intervalos discretos de tempo k:
k .T Tempo (k + 1).T
Onde T o tempo de amostragem do sistema.
y k = hi .u k 1
(1)
i =1
92
y k = hi .u k 1
(2)
i =1
y k +1 = hi .u k +1i
(3)
i =1
y k +1 y k = hi .(u k +1i u k i )
(4)
i =1
Definindo:
u k = u k u k 1
(5)
A expresso ( 4 ) se torna:
N
y k +1 = y k + hi .u k +1i
(6)
i =1
(7)
O valor desejado para a sada no instante k+1 especificado na forma de uma trajetria de
referencia, que assumida de primeira ordem. Esta representao do valor desejado
equivalente a um filtro de primeira ordem e no constava da estratgia inicial da DMC, sendo
incorporada da estratgia MAC. O parmetro determina o quo rpido a trajetria atinge o
setpoint yspk:
y kd+1 = . y k + (1 ). ysp k
0 1
y kc +1 = y kd+1
(9)
(8)
93
Substituindo as equaes ( 7 ) e ( 8 ) em ( 9 ):
y k +1 + y k y k = . y k + (1 ). ysp k
(10)
y k +1 y k = (1 ).ek
Onde:
(11)
ek = ysp k
h .u
i
k +1 i
= (1 ).ek
(12)
i =1
u k = u k u k 1 =
(1 ) .e
h1
1 N
. hi .u k +1i
h1 i =2
(13)
Na seo (A.2.1), a sada do processo era predita apenas para o primeiro instante no futuro e a
varivel manipulada determinada de modo que a resposta calculada fosse igual desejada.
Nesta seo, a resposta ser predita em R instantes futuros e as aes de controle sero
calculadas visando minimizar as diferenas entre a resposta e a trajetria desejada.
O modelo de convoluo, equao (6), pode ser estendido para R instantes futuros:
N
y k + j = y k + j 1 + hi .u k + j 1
j = 1,.............,R
(14)
i =1
y kc + j = y k + j + y kc + j 1 y k + j 1
Onde:
y kc = y k
j = 1,.........,R
(16)
(15)
94
y kc + j = y kc + j 1 + hi .u k + j 1
j = 1,..............,R
(17)
i =1
c
k +1
i =1
i =1
= y + hi .u k +1i = y k + hi .u k +1i
c
k
y kc +1 = y k + h1 .u k + h2 .u k 1 + ...... + h N .u k +1 N
(18)
S1 = hi .u k +1i
(19)
i=2
y kc +1 = y k + h1 .u k + S1
(20)
y kc + 2 = y kc +1 + hi .u k + 2i
i =1
y kc + 2 = y kc +1 + h1 .u k +1 + h2 .u k + L + h N .u k + 2 N
(21)
S 2 = hi .u k + 2i
(22)
i =3
Chega-se a:
y kc + 2 = y kc +1 + h1 .u k +1 + h2 .u k + S 2
(23)
y kc + 2 = y k + (h1 + h2 ).u k + h1 .u k +1 + S1 + S 2
(24)
(25)
95
Onde:
N
S 3 = hi .u k +3i
(26)
i =4
Definindo-se genericamente:
i
Pi = S m
i = 1,............,R
(27)
m =1
Sm =
h .u
i
k + m 1
m = 1,......,R
(28)
i = 1,........,R
(29)
i = m +1
ai = h j
j =1
y kc + j = y k + a j .u k + a j 1 .u k +1 + K + a1 .u k + j 1 + Pj
(30)
A equao (30) pode ser reescrita na forma vetor-matriz para os R instantes futuros. Assim:
y kc +1 a1
c
yk +2 a2
M = M
c
y k + R 1 a R 1
y c a R
k +R
a1
a R2
L a1
a R 1
L a2
0 u k y k
0 u k +1 y k +1
M M + M
0 u k + R 2 y k + R 2
a1 u k + R 1 y k + R 1
P1
P2
M
PR 1
PR
(31)
Sendo a trajetria dada por:
y kd+ j = j . y k + (1 j ). ysp k
(32)
Na forma matricial:
y kd+1 1 . y k
d
yk +2 2 . yk
M =
d
y k + R 1 R 1 . y k
y d R .yk
k+R
+ (1 1 ). ysp k
+ (1 2 ). ysp k
+ (1 R 1 ). ysp k
+ (1 R ). ysp k
(33)
96
E = A.u + E
(34)
y kd+1 y kc +1
d
c
yk +2 y k +2
E=
M
d
c
y k = R 1 y k + R 1
yd yc
k +r
k +r
(1 1 ).ek
(1 ).e
2
k
E =
M
(1 R 1 ).ek
(1 R ).ek
P1
P2
PR 1
PR
(35)
A definio de ek dada pela equao (11). importante notar que E calculado com base
nas aes passadas de controle e representa o desvio predito da sada com respeito trajetria
desejada. Porm, o calculo de E assume que no ocorrero perturbaes no intervalo
[k;(k+R)].
Se requerido que a sada predita seja igual desejada, ento:
E = 0 0 = A.u + E `
(36)
Conseqentemente:
1
u = ( A) .E
(37)
A soluo dada pela equao (37) nica, sendo obtida a partir de um sistema determinado;
entretanto, baseada na imposio de que a varivel controlada seja igual trajetria desejada
ao longo do horizonte de controle, o que , muitas vezes, fisicamente impossvel.
97
y kc +1 a1
c
yk +2 a2
M = M
c
y k + R 1 a R 1
y c a R
k+R
0
a1
M
a R2
a R 1
0
0
M
u k y k + P1
u
y +P
k +1
2
k
. M +
L a R L u k + L 2 y k + PR 1
L a R L +1 u k + L 1 y k + Pr
L
L
(38)
E = A.u + E `
(39)
O sistema que no apresenta uma nica soluo, deve ser resolvido segundo um critrio de
otimizao. Segundo a estratgia original (CUTLER e RAMAKER, 1979), a melhor
soluo obtida por mnimos quadrados, minimizando o ndice de desempenho quadrtico:
(u ) = E T .E
(40)
u = A . A . A .E `
(41)
A equao (41) fornece a soluo para o problema de otimizao sem restries. A lei de
controle pode resultar em movimentos bruscos na varivel manipulada. Define-se um ndice
de performace modificado que incorpore restries de suspenso, penalizando os movimentos
da varivel manipulada:
98
(u ) = E T .Q.E + u T .R.u
(42)
u = A .Q. A + R . A .Q.E
(43)
i =1
i =1
i =1
i =1
i =1
i =1
i =1
i =1
i =1
y k = H i .u k 1
i =1
(45)
(44)
99
y k +1 = y k + H i .u k +1i
(46)
i =1
O valor corrigido :
c
y k +1 = y k +1 + y k y
(47)
y k +1 = . y k + (I ).r k
d
(48)
Impondo-se:
c
(49)
y k +1 = y k +1
Chega-se a:
y k +1 + y k y k = . y k + (I ).rk
y k +1 y k = (I ).e k
(50)
Onde:
(51)
ek = r k y k
Utilizando a equao (46) em (50), tem-se:
N
Hi.u
k +1 i
= (1 ).e k
(52)
i =1
Finalmente:
N
1
u k = u k u k 1 = H i (I ).e k H i .u k +1i
i=2
(53)
100
y k + j = y k = j 1 + H i .u k + j i
j = 1,...........,R
(54)
j = 1,...........,R
(55)
i =1
c
c
y k + j = y k + j + y k + j 1 y k + j 1
Onde:
c
yk = yk
Substituindo a equao (55) na equao (54), tem-se o modelo corrigido:
N
y k + j = y k + j 1 + H i .u k + j 1
c
j = 1,...........,R
(56)
i =1
y c A1
ck +1
y k +2 A2
M = M
y k + R 1 A R 1
c A
y k + R R
0
A1
M
A R 2
A R 1
0
0
M
L A1
L A2
L
L
0 u k y k + P 1
0 u k +1 y k + P 2
M
M . M +
y + P
0 u k + R 2 k
R 1
A1 u k + r 1 y k + P R
(57)
Onde:
i
Pi = S m
i = 1,..........,R
(58)
m = 1,.............,R
(59)
m =1
Sm =
H
i = m +1
.u k + m1
101
Ai = H
i = 1,..............R
(60)
j =1
A trajetria :
y k + j = j . y k + (I j ). ysp k
d
(61)
y d 1.y
k
dk +1
.
y
y
k +2 2 k
M =
d
y k + r 1 R 1 . y k
d .y
y k + r R k
(
(
)
)
+ I 1 . ysp k
+ I 2 . ysp k
+ I R 1 . ysp k
+ I R . ysp k
(
(
(62)
E = A'.u + E '
(63)
102
A estrutura de controle feedback vista na figura (4), onde o processo representado por
uma funo de transferncia discreta G(z). O algoritmo de controle C(z) pode ser um PID ou
~
ysp(z)
m(z)
C(z)
-
G(z)
d(z)
y(z)
ym(z)
d
~
G( z)
G( z )
modelo
ym(z)
-
modelo
Considerando, na figura (A.2), a funo de transferncia Gc(z) como novo controlador, tem-se
a estrutura bsica do IMC. A relao entre os controladores nas duas configuraes dada
por:
C (z ) =
Gc ( z )
~
1 Gc ( z ). G ( z )
(64)
103
ysp(z)
Gc(z)
m(z)
G(z)
d(z)
y(z)
controlador
~
G( z)
ym(z)
-
~
1
P3. Offset nulo: Se o controlador satisfaz Gc (1) = G (1) a malha possui offset nulo.
104
Alm disso, pode-se fazer com que o esquema siga uma trajetria de referncia, alimentando
o setpoint com um bloco R(z). A figura (A.3) mostra a estrutura completa do IMC.
Ysp(z)
R(z)
m(z)
Gc(z)
d(z)
G(Z)
controlador
ym(z)
G(z )
F(z)
d (z )
min J (u ) = y y
sujeito a:
) .Q.(y
c T
y + u .R.u
(65)
y(z)
105
y k + j = y k + j + d k + j = hi .u k + j i + d k + j
c
j = 1,......,R
(66)
i =1
dk+ j = dk
(67)
onde dk o sinal feedback, obtido pelo desvio entre o valor medido e o valor predito pelo
modelo:
^
(68)
d k = yk yk
(69)
Onde o vetor E ' definido em (35) e a matriz A definida em (38). Nota-se que E ' contm
uma parcela referente a ek e outra parcela Pi, que representa as aes de controle anteriores ao
instante k.
u k + i .u k 1 = i . y kd+1 y k y k
i =1
i =1
(70)
onde:
(71)
106
Dc ( z ) = 1 + 1 .z 1 + 2 .z 2 + K + N 1 z N +1
N c ( z ) = 1 + 2 .z + 3 .z 2 + K + p .z R 1
Processo
Dc (1)
~
N c (1) H (1)
Compensador de
offset
N c (z )
N c (1)
Preditor de
setpoint
N c (1)
Dc ( z )
H(z)
controlador
H (z )
+
-
modelo
Dc (1)
~
N c (1) H (1)
Compensador
de offset
Figura A.4 Estrutura IMC com controle preditivo
A seguir so mostrados os teoremas de estabilidade do IMC dentro do contexto de controle
preditivo. Observa-se que a propriedade (P2) um caso particular do Teorema 1.
Teorema 1 : para R = 0 , q ii = 0 e selecionando L = R N tem-se Gc ( z ) = H 1 ( z ) .
Quando L =R, R = 0 e q ii = 0 o problema pode ser resolvido exatamente, conforme a
equao (37):
107
u = ( A') .E '
(37)
1
h1
N
^
d
y
+
y
hi . k +1i
k
k
k +1
i =2
h .
i
k +1 i
(72)
= y kd+1 y k + y ^ k
i =1
Em transformada-Z:
^
N
1i
d
h
.
z
.
u
(
z
)
=
H
(
z
)
.
u
(
z
)
=
z
.
y
(
z
)
y
(
z
)
+
y
(z )
i
i =1
(73)
Ou seja:
Gc ( z ) =
N c (1)
= H 1 ( z )
Dc ( z )
(74)
Teorema 2: Assumindo que o sistema possua uma resposta monotnica a degrau e que
Teorema 3: Existe um r < 0 finito, o qual para rii r a lei de controle estvel para todo
L 1, R 1 e q ii 0 .
108
O modelo foi obtido a partir de dados de resposta a degrau aproximados por uma funo de
primeira ordem com tempo morto. A funo de transferncia que relaciona a composio de
destilado com a vazo de refluxo dada por:
X D (s )
12.8 e 1s
= G (s ) =
R (s )
16.7.s + 1
(75)
1 e
HG ( z ) = Z
1. s
12.8 e 1s
.
16.7.s + 1
(76)
109
1
1
1
1
16.7
16.7
16.7
16.7
X D (n ) = 1 + e
X D (n 2 ) + 12.81 e
X D (n 1) e
R(n 2 ) 12.81 e
R(n 3)
(77)
IAE = e(i )
(78)
i =0
onde: