Escolar Documentos
Profissional Documentos
Cultura Documentos
DEDICATORIA
Dedico este logro a mis hijos, Andrs y Alejandra, que son el motor que me impulsan a
alcanzar las metas trazadas, a mi esposa Katherine por su apoyo y comprensin, a mis
padres por su esfuerzo y entrega para darme una buena educacin y a mis hermanos
por ser ejemplos de superacin y dedicacin.
Tambin resalto a aquellas personas que con su ejemplo de vida me han demostrado
que el xito se basa simplemente en insistir.
CONTENIDO
Pg.
RESUMEN....................................................................................................................... 8
1
INTRODUCCIN ...................................................................................................... 9
OBJETIVOS ............................................................................................................ 16
2.1 OBJETIVO GENERAL ......................................................................................... 16
2.2 OBJETIVOS ESPECFICOS ................................................................................ 16
4.1.2
METODOLOGA ..................................................................................................... 41
6.1
POINTS ...................................................................................................................... 45
6.2
CONCLUSIONES ................................................................................................... 49
BIBLIOGRAFIA ....................................................................................................... 51
LISTA DE TABLAS
LISTA DE FIGURAS
Pg.
Figura 1.1 Columna de destilacin binaria de platos convencionales. .................. 11
Figura 1.2 Sistema de Control de una Columna de Destilacin Binaria. ....................... 13
Figura 1.3 Esquema de Control 2x2 de Una columna de destilacin binaria. ............... 15
Figura 4.1 Diagrama balance de materia para un plato N de la columna de destilacin.
...................................................................................................................................... 22
Figura 4.2 Respuesta transitoria del modelo dinmico de la columna de destilacin. ... 24
Figura 4.3 Comparacin de la respuesta del modelo lineal y no lineal de la columna de
destilacin...................................................................................................................... 27
Figura 4.4 Estructura de un Regulador LQR. ................................................................ 28
Figura 4.5 Diseo del observador de estados para el controlador LQG. ....................... 30
Figura 4.6 Estructura completa del controlador LQG .................................................... 31
Figura 4.7 Diagrama de flujo que sintetiza la implementacin de un controlador DMPC.
...................................................................................................................................... 40
Figura 5.1 Interfaz grfica desarrollada para la evaluacin del desempeo de los
controladores DMPC y LQG diseados. ........................................................................ 42
Figura 6.1 Respuesta en lazo cerrado de los controladores DMPC y LQG diseados
ante cambios en los Set Points. .................................................................................... 46
Figura 6.2 Respuesta en lazo cerrado de los controladores DMPC y LQG diseados
ante perturbaciones en la entrada de alimentacin (F). ................................................ 48
Figura A3.0.1 Modelo Simulink del Rehervidor.............................................................. 58
Figura A3.0.2 Modelo Simulink para los platos 2 a N ( , + ). ................. 59
Figura A3.0.3 Modelo Simulink para el plato de alimentacin, = . ......................... 59
Figura A3.0.4 Modelo Simulink para el plato encima del plato de alimentacin, = +
. ................................................................................................................................... 60
Figura A3.0.5 Modelo Simulink para el condensador, = + ................................... 60
Figura A3.0.6 Modelo para la entrada de la Alimentacin. ............................................ 61
Figura A3.0.7 Interconexin de los platos de la columna de destilacin. ...................... 61
RESUMEN
INTRODUCCIN
El control predictivo basado en modelo es una estrategia de control avanzado que utiliza
un modelo para predecir las salidas del proceso y calcular la accin de control futura a
travs de la minimizacin de una funcin de coste. La idea del control predictivo naci en
la industria petroqumica a finales de los aos 70 y desde sus inicios han permitido dar
solucin al control de procesos con comportamiento dinmico complejo.
Las ideas que aparecen en mayor o menor medida en toda la familia de controladores
predictivos son bsicamente:
Uso explcito de un modelo para predecir la salida del proceso en futuros instantes
de tiempo (horizonte).
10
Una de las propiedades ms atractivas del MPC es su formulacin abierta, que permite
la incorporacin de distintos tipos de modelos de prediccin, sean lineales o no lineales,
monovariables o multivariables, y la consideracin de restricciones sobre las seales del
sistema. Estas caractersticas han hecho del control predictivo una de las escasas
estrategias de control avanzado con un impacto importante en problemas de mbito
industrial como por ejemplo las columnas de destilacin.
La Figura 1.1 muestra el esquema simplificado de una columna de destilacin binaria con
los equipos ms importantes que rodean a la misma. La parte inferior de la columna se
denomina zona stripper o de agotamiento y la parte superior zona de rectificacin o
enriquecimiento.
La destilacin se realiza por el contacto en contracorriente del vapor que asciende, como
consecuencia del calentamiento efectuado en el reboiler, y del lquido que desciende
como consecuencia del enfriamiento producido en el condensador de cabeza.
Las interacciones que ocurren entre las entradas y las salidas del proceso en una
columna de destilacin son difciles de identificar. Los disturbios pueden provenir de
diferentes fuentes, desde la alimentacin del producto, la presin interna de la columna,
el agua usada para el enfriamiento, etc. Estas dificultades prosee numerosos desafos en
los problemas de control y ha atrado la atencin de un gran nmero de investigadores
de diferentes disciplinas.
Desde el punto de vista de control, una columna de destilacin binaria puede verse como
un sistema 5 x 5 (vase la Figura 1.2), es decir, se tienen cinco entradas de control:
Reflujo (L).
Vapor (V).
El Destilado (D).
12
La presin (P).
13
Los tres bucles SISO por lo general interactan dbilmente y pueden sintonizarse de
forma independiente el uno del otro. Sin embargo, ya que cada tanque tiene un flujo de
entrada y dos flujos de salida, existen varias opciones para el control del nivel.
En este trabajo se utilizan los flujos B y D para controlar los niveles en el rehervidor (MB)
y el tanque de condensados (MD), respectivamente, mientras que la presin (P) se regula
mediante el calor removido en el condensador (VT). Las dos entradas manipulables
14
restantes, el vapor (V) y el reflujo (L), se utilizan para regular las composiciones de los
productos de Destilado (xD) y de Fondos (xB).
15
OBJETIVOS
Programar en Matlab los algoritmos de control predictivo MPC usando los bloques
funcionales de Simulink.
16
En la industria existen muchos procesos que cuentan con variables altamente acopladas,
de difcil control y alta inestabilidad. Para enfrentar este tipo de dificultades, es muy
comn recurrir a desacoplar las variables del proceso y disear mltiples controladores
monovariables debido a su bajo costo, la simplicidad y un fcil diseo de ingeniera. Sin
embargo, esta tcnica no puede ser efectiva si los puntos de operacin cambian
considerablemente, pudiendo originar una degradacin en el desempeo del controlador
e incluso causar la inestabilidad del proceso.
Cuando estas interacciones entre variables no se pueden evitar, la planta debe tratarse
como un proceso multivariable en vez de un conjunto de procesos monovariables. Para
tratar el problema de control multivariable se han desarrollado algoritmos de control ms
sofisticados como son es el control predictivo, entre otros.
3.2 JUSTIFICACIN
Se hace necesario realizar trabajos que permitan aplicar tcnicas de control avanzado a
procesos multivariables y poner en prctica las ventajas que tiene el control predictivo
sobre los esquemas de control clsicos, tales como, el tratar con sistemas lineales y no
17
18
MARCO TEORICO
El vapor que despide cada plato esta en equilibrio con el liquido de la misma. Partiendo
de esto para relacionar el liquido-vapor se usa la siguiente ecuacion:
20
= 1+(1)
(4.1)
21
( )
= +1 +1 + 1 1
(4.2)
Los N platos de la columna estn numerados de abajo hacia arriba, (el plato 1 es el
rehervidor y el plato N + 1 es el condensador). Para obtener el modelo dinmico, el
balance de materia se desarrolla de forma separada a cada uno de los platos de la
columna obteniendo las siguientes ecuaciones:
Para el reherbidor, = 1:
= +1 +1
(4.3)
= +1 +1 + 1 1
(4.5)
(4.4)
(4.6)
Para el condensador, = + 1:
= 1 1
(4.7)
> , = , = +
(4.8)
, = + , =
(4.9)
La respuesta transitoria del modelo en lazo abierto se observa en la figura 4.2, en la que
se detalla que el modelo alcanza el estado estable alrededor de los 60 minutos,
obteniendo una composicin para el producto de destilado (xD) de 0.98 y para el producto
de fondos (xB) de 0.02.
23
21
Plato de Alimentacin ( )
11
100 kmol
100 kmol
10 kmol
128.01 kmol/min
178.01 kmol/min
Volatilidad relativa ()
100 kmol/min
0.5
24
Composicin 0.020 0.035 0.057 0.088 0.131 0.186 0.249 0.316 0.379
Etapa
10
11
12
13
14
15
16
17
18
Composicin 0.433 0.476 0.515 0.562 0.618 0.680 0.743 0.803 0.856
Etapa
19
20
21
22
25
La figura 4.3 compara la respuesta del modelo lineal y no lineal ante un pequeo cambio
en los flujos de entrada del modelo, reflujo (L) y vapor (V). Cabe resaltar que los valores
mostrados en la grafica son valores relativos.
26
27
En la figura 4.4 se muestra la estructura de control usada para el diseo del regulador
LQR, en donde la planta se modela en espacio de estados a travs de las matrices A, B,
C y D.
Para el diseo del controlador LQR por realimentacin de estados debemos extender el
sistema de modo que incluya un par de integradores sobre las variables que deseamos
controlar. El sistema extendido tendr la siguiente presentacin:
[ ]=[
[] = [
][ ] + [ ]
0
0] [ ] +
(4.14)
= [ ] = [
]
(4.15)
El objetivo del LQR es encontrar una matriz de ganancias K que minimice la ecuacin
(4.15), en donde Q y R son matrices diagonales definidas positivas que se utilizan para
penalizar los estados y la accin de control, respectivamente.
= 0 ( + )
(4.16)
28
Donde Q es una matriz diagonal de tamao 2424 correspondiente a los 24 estados del
modelo extendido (4.14) y R es una matriz diagonal de tamao 22 correspondientes a
las dos acciones de control.
11
0
= 0
[ 0
=[
11
0
0
22
0
0 0
0 0
33 0
0
0 0 24 ]
(4.17)
0
]
22
(4.18)
0
]
1 6
(4.19)
0
]
1 6
(4.20)
= [1
0
29
30
Todos los controladores predictivos poseen elementos comunes y para cada uno de
estos elementos se pueden elegir diversas opciones, dando lugar a distintos algoritmos:
Modelo de prediccin
Funcin objetivo
31
(4.21)
(4.22)
() = () ( 1)
(4.23)
( + 1)
]=[
( + 1)
() = [0
1] [
0 ()
][
] + [ ] ()
1
()
(4.24)
()
]
()
(4.25)
() = ()
()
En donde () = [ ], () = (), = [
()
0
], = [ ], = [0
1].
Basado sobre el modelo en espacio de estados descrito por (4.20), las variables de
estado futuras son calculadas secuencialmente a travs de:
( + 1| ) = ( ) + ( )
( + 2| ) = ( + 1| ) + ( + 1)
( + 2| ) = 2 ( ) + ( ) + ( + 1)
32
( + | ) = ( ) + 1 ( ) + 2 ( + 1) +
+ ( + 1)
( + | ) = ( ) + 1 ( ) + 2 ( + 1) +
+ ( + 1)
Note que todas las variables predichas estn formuladas en trminos de las variables de
estado ( ) y las acciones de control futuras ( + ), donde = 0,1, , 1.
Recopilando las anteriores ecuaciones en forma matricial se obtiene el modelo de
prediccin como:
= ( ) +
(4.26)
2
= 3
[ ]
(4.27)
En donde:
33
= 2
[ 1
0
0
3
]
(4.28)
(4.29)
(4.30)
34
= 1
=1 (( + | ) ( + | ) + )
(4.31)
(4.32)
En donde:
= (=1
()() + )
(4.33)
= (=1
()
)
(4.34)
1
() = (1
() )
=0
(4.35)
35
(4.36)
Sin embargo, en la prctica todos los procesos estn sujetos a restricciones, por ejemplo,
los actuadores tienen un campo limitado de accin as como una determinada velocidad
de cambio (slew rate), los sensores pueden causar lmites en las variables del proceso,
tales como niveles en depsitos, caudales en tuberas o temperaturas y presiones
mximas. Por lo expuesto anteriormente, se hace necesaria la introduccin de las
restricciones en la funcin a minimizar.
Una de las ventajas de los controladores predictivos es que tienen en cuenta el tema de
las restricciones para el clculo de la accin de control. Normalmente, las restricciones
ms comunes son los lmites en la amplitud y el slew rate de la seal de control. Estas
restricciones deben ser formuladas como :
( 1)
+ ( 1)
(0)
( )
[ (0) ]
+
( )]
[
(4.37)
36
Para obtener la solucin ptima de teniendo en cuenta las restricciones, hace necesario
utilizar alguna tcnica iterativa de optimizacin, como por ejemplo el algoritmo de
Hildreths, vase el Anexo 2 para un mayor detalle de este algoritmo.
(4.38)
(1)1 1 ]
(4.34)
(4.39)
37
Los parmetros de entrada requeridos para el diseo del controlador DMPC son:
38
39
FASE INICIALIZACION
1. Discretizacion del modelo
2. Calculo de , , , , , , , () y (0)
Calculo de:
= 1 ( )
Actualizar
Calcular a travs
del algoritmo de
Hildreths
NO
SI
() = (0)
( + 1) = () + ()
Calcular estados ( ):
() = ()
PLANTA
40
METODOLOGA
41
Figura 5.1 Interfaz grfica desarrollada para la evaluacin del desempeo de los
controladores DMPC y LQG diseados.
42
ANALISIS DE RESULTADOS
Basados en los valores obtenidos por los ndices de desempeo durante varias
simulaciones se observ que un buen valor para el horizonte de prediccin Np es
20, un mayor valor va a producir un mayor costo computacional y el desempeo
del controlador ser muy similar.
Basados en los valores obtenidos por los ndices de desempeo durante varias
simulaciones se observ que, cuando no existen restricciones en el proceso, el
horizonte de control Nc afecta poco o nada el comportamiento del controlador.
Cuando existen restricciones en el proceso, un buen valor para Nc es 5, un mayor
valor va a producir un mayor costo computacional y el desempeo del controlador
ser muy similar.
43
La matriz Q penaliza el error del sistema y los estados de la planta (). Los
coeficientes de Q para el error deben ser mayores a cero, si sus valores son muy
pequeos se penaliza muy poco al error y la respuesta del sistema en lazo cerrado
es lenta, por el contrario, si sus valores son muy altos va a producir un controlador
muy agresivo, con altos sobrepasos y oscilante alrededor de la seal de referencia.
1 min.
0.8
0.8
Estados (X)
0.1
Coeficientes Matriz
1e-8
Penalizacin R
1e-8
Funcin de Laguerre
Coeficientes Matriz
Penalizacin Q
Restricciones
Horizonte de prediccin
10
Horizonte de Control
-10
-10
10
10
-30
-30
30
30
44
VALOR
PENALIZACION
6.1
VALOR
Estado 1
Estado 2
0.1
Estado 3
0.1
Estado 4
0.1
Estado 5
0.1
Estado 6
0.1
Estado 7
0.1
Estado 8
0.1
Estado 9
0.1
Estado 10
0.1
Estado 11
0.1
Estado 12
0.1
Estado 13
0.1
Estado 14
0.1
Estado 15
0.1
Estado 16
0.1
Estado 17
0.1
Estado 18
0.1
Estado 19
0.1
Estado 20
0.1
Estado 21
0.1
Estado 22
Error Y1
Error Y2
U1
1e-6
U2
1e-6
45
referencia y llevan el error a cero en estado estable, se aprecia un gran parecido en las
respuestas en lazo cerrado y en las acciones de control ejercidas por cada controlador.
El tiempo de establecimiento de ambos es similar y estn alrededor de los 11 minutos,
sin embargo el controlador DMPC es ms agresivo y presenta mayores sobrepasos. La
tabla 4 muestra los ndices de desempeo de la respuesta dada en la figura 8, en ella se
demuestra que el controlador DMPC presenta un mejor desempeo segn cada uno de
los ndices calculados.
46
6.2
INDICE
DMPC
LQG
ISE
0.0073
0.0106
IAE
2.6162
3.3452
ITSE
0.0002
0.0003
ITAE
0.0854
0.1093
47
DMPC
LQG
ISE
0.0019
0.0173
IAE
1.2407
8.9978
ITSE
0.0001
0.0006
ITAE
0.0405
0.2937
48
CONCLUSIONES
En esta tesis se present una metodologa para disear controladores predictivos DMPC
aplicados al control de las composiciones de los productos de fondo y destilado de una
columna de destilacin binaria. Se demostr que los controladores predictivos DMPC son
idneos para controlar este tipo de procesos debido a sus propiedades para tratar con
sistemas multivariables, no lineales y fuertemente acoplados.
Se estudi el modelo dinmico de una columna de destilacin binaria en configuracin LV, usando el principio de balance de materia se establecieron las ecuaciones
matemticas que modelan la columna. Se utiliz los bloques de Simulink para
implementar el modelo dinmico y realizar simulaciones de la planta. El modelo fue
linealizado a travs de la matriz jacobiana y fueron comparados los modelos lineal y no
lineal de la columna de destilacin.
49
Los resultados obtenidos fueron presentados en una interfaz grfica de Matlab, la cual
permite realizar el diseo de los controladores DMPC y LQG, ejecutar las simulaciones,
visualizar grficamente las respuestas del sistema y comparar los dos controladores
mediante los ndices de desempeo.
50
BIBLIOGRAFIA
[1] Liuping W. Model Predictive Control System Design and Implementation Using Matlab.
Editorial Springer. Melbourne, Australia. 2009.
[2] Wilson D. Advanced Control Using Matlab. Auckland University of Technology. New
Zealand. 2014.
[3] Skogestad S., Postlethwaite I. Multivariable Feedback Control. Analysis and Design.
Second Edition. John Wiley & Sons. 2001.
[4] Luyben W. Process Modeling, Simulation, And Control For Chemical Engineers.
Second Edition. McGraw-Hill. 1999.
[5] Harmon W., Bobatunde A. Process Dynamics, Modeling and Control. Oxford
University. 1994.
[6] Alzate A. Modelado y control de una columna de destilacin binaria. Universidad
Nacional de Colombia. Tesis de Maestra. 2010.
[7] Zhiyun Z., Dehong Y., Zhen H. State Space Modeling and Predictive Control of a Binary
Batch Distillation Column. Proceedings of the 6th World Congress on Intelligent Control
and Automation, June 21 - 23, 2006.
[8] Vu Trieu M. Modeling and Control of Distillation Column in a Petroleum Process. 5th
IEEE Conference on Industrial Electronics and Applications. 2010.
[9] Skogestad S, Morari Understanding the Dynamic Behavior of Distillation Columns.
California Institute of Technology, Chemical Engineering, 206-41. 1988.
[10] Valencia G. Aplicacion del control Predictivo Multivariable a una columna de
destilacin binaria. Tesis de Maestra. CENIDET. 2006.
[11] Skogestad S. Dynamics And Control Of Distillation Columns. A Tutorial Introduction.
Norwegian University of Science and Technology. 1997.
51
52
(A1.1)
()]
(A1.2)
(A1.3)
53
(1)1 1 ]
(A1.4)
=
2
[ 3
0
0
0
0
0
0
0
0 ;
0
]
(0) = 2
;
3
[ 4 ]
Los coeficientes de Laguerre, , son los parmetros a optimizar a partir de los datos del
sistema:
= [1
(A1.5)
Usando las redes de Laguerre es posible definir la accin de control deseada a travs de
los parmetros y de , y optimizando solo el vector , disminuyendo el nmero de
parmetros usados en la representacin de la trayectoria de control.
54
(A2.1)
0 ( (2 + + ( )))
(A2.2)
(A2.3)
1
1
( 2 2 1 )
0
55
(A2.4)
Donde:
= 1
(A2.5)
= + 1
(A2.6)
56
+1
+1 = ( + 1
+ =+1 )
=1
(A2.7)
+1
= max(0, +1 )
(A2.8)
(A2.9)
57
58
Figura A3.0.4 Modelo Simulink para el plato encima del plato de alimentacin, =
+ .
60
Cada uno de los platos se interconecta como se muestra en la siguiente figura, creando
la columna de 22 platos.
61
62
63
64
function gamma = fcn(du1_min, du1_max, du2_min, du2_max, u1_min, u1_max, u2_min, u2_max, Nc,
v_umax, v_umin, v_dumax, v_dumin, U)
%#codegen
[n_in, m]=size(U);
up1=U(1,1);
up2=U(2,1);
r_umax=[u1_max-up1;u2_max-up2];
r_umin=[-u1_min+up1;-u2_min+up2];
r_dumax=[du1_max;du2_max];
r_dumin=[-du1_min;-du2_min];
for tt = 1:n_in:Nc*n_in
v_umax(tt:tt+n_in-1,1)=r_umax;
v_umin(tt:tt+n_in-1,1)=r_umin;
v_dumax(tt:tt+n_in-1,1)=r_dumax;
v_dumin(tt:tt+n_in-1,1)=r_dumin;
end
%creacion vector gamma
gamma=[v_umax;v_umin;v_dumax;v_dumin];
65
66
end
if (kk==0)
return;
end
P=A_cons*(H\A_cons');
d=(A_cons*(H\f)+b);
[n,m]=size(d);
%
x_ini=zeros(n,m);
lambda=x_ini;
al=10;
for km=1:38
lambda_p=lambda;
for i=1:n
w=P(i,:)*lambda-P(i,i)*lambda(i,1);
w=w+d(i,1);
la=-w/P(i,i);
lambda(i,1)=max(0,la);
end
al=(lambda-lambda_p)'*(lambda-lambda_p);
if (al<10e-8)
break;
end
end
eta=-H\f-H\A_cons'*lambda;
67
68
69
70
Rn = [0.000001^2 0; 0 0.000001^2];
E;
71