Implementao de Controle Preditivo:

Avaliao de desempenho para reator

CSTR no isotrmico

Andr Felipe Ferreira de Souza

Trabalho disciplina de Otimizao COQ 987

Set/2016
Controle Preditivo
(Contextualizao)
Formulao Problema
Otimizao
Processo Qumico

Algoritmo

Resultados
Controle
Preditivo
MPC Model Predictive Control
RJ
Paranagu
Vantagens:
Rio Grande
Vitria
Junho
Capacidade
2016 de se antecipar a eventos futuros e tomar aes de controle de acordo;
26
33Mltiplas variveis de entrada (manipuladas e perturbaes) e de sada
59(controladas);
59
47
Incorporao de restries operacionais;
Julho 2016
32
42
77
Objetivos :
83
56

Manter a varivel de sada em determinado set-point tomando aes de controle
timas , enquanto as demais variveis so mantidas dentro um range especfico;

Evitar violao de restries nas variveis de entrada e sada;

Mnimo desvio da varivel controlada

Mnima variao da varivel manipulada
Mnimo custo de operao
Mxima receita
Qualidade tima
 Controle Preditivo
(Conceito)

Estimar o valor futuro das variveis de sada a partir de um modelo dinmico e medidas atuais do
processo ;

Calcular as variveis manipulada de tal forma que minimizem a funo objetivo;

Restries de igualdade e desigualdade e perturbaes medidas so includas;

Implementar a primeira ao de controle calculada;

Repetir procedimento
(Moving Horizon)

Parmetros de Sintonia:

Intervalo de amostragem;

Horizonte de Predio;

Horizonte de Controle

Matriz peso
(otimizao multi-objetivo)
 Controle Preditivo
(Formulao)

Sada
Preditas Trajetria de Delta Delta de
referncia Entradas referncia

Sujeito a:
Processo

Reator CSTR no Isotrmico (SISO)

RJ
Paranagu Varivel Controlada
Rio Grande
Vitria Varivel Manipulada
Junho 2016
26
33
59
Algoritmo

Inicializar:
,
Intervalo de amostragem:
Horizonte:
Chute otimizao:

Condio Inicial:
Limites:

Implementar
Corrigir pela medio da planta
Sol. EDOs
,

Ot
im
iz
ad ,
or
Algoritmo

Implementao MatlabR2016a
RJ
Paranagu
Fmincon:
Rio Grande
Vitria
Junho 2016 SQP (soluo de um problema quadrtico em cada iterao;
Mtodo
26
33Matriz hessiana e Lagrangiano atualizado via BGFS;
59
O QP resolvido por estratgia de conjuntos ativos;
59
47
Julho
Busca
2016em linha atravs de funo de mrito;
32
42
77
No h expresso analtica para funo objetivo;
83
56
Derivadas calculadas numericamente para o clculo dos gradientes e hessianas
 Resultados

Caso I Controle Servo

RJ
Paranagu
Mudana de set-point: para
RioVarivel
Grande Manipula:
Vitria
Junho 2016
26
Perturbao randmica
33
59(leitura da planta)
59
47
Julho 2016
32
42
77
83
56

Leitura da planta em t=0s Leitura da planta em t=1s Implementao de 20

Otimizao (20 variveis) Otimizao (20 variveis) aes de controle
Implementao da 1 ao Implementao da 1 ao timo
 Resultados

Caso II Controle Regulatrio Caso III Controle Regulatrio

RJ RJ
Paranagu
Perturbao em t=1s: para Paranagu
Perturbao: , t=9s t=14s
RioSet-point:
Grande RioSet-point:
Grande
Vitria Vitria
Junho
Varivel
2016Manipula: Junho
Varivel
2016Manipula:
26 26

33 33
59Perturbao randmica 59Sem perturbao randmica
59(leitura da planta) 59(leitura da planta)
47 47
Julho 2016 Julho 2016
32 32
42 42
77 77
83 83
56 56
 Resultados

Caso IV MPC x PID Caso V

RJ MPC x PID afastado da condio de projeto
Paranagu RJ
RioMudana
Grande de set-point: para Mudana de set-point: para
Paranagu
Vitria Rio Grande
Junho
Varivel
2016Manipula: Vitria
Varivel Manipula:
26 Junho
2016
33 26
59Sem perturbao randmica (leitura da planta) 33Sem perturbao randmica (leitura da planta)
59 59
47PID projetado via IAE + delta ao de controle
59
Julho 2016 47
32 Julho 2016
42 32
77 42
83 77
56 83
56
 Resultados

Caso VI MPC Caso VI MPC

modelo Processo Real modelo Processo Real
RJ
Paranagu
Mudana de set-point: para Correo feedback do modelo
Rio Grande
Vitria
Varivel Manipula: Varivel Manipula:
Junho 2016
26
33
59
59

offset
 Consideraes
Finais
A implementao do MPC utilizando-se programao no linear mostrou-se eficaz para avaliar o
desempenho de controle de um reator CSTR no isotrmico;

Foram demonstradas as vantagens do controle preditivo frente ao controle PID clssico. A realizao
de uma otimizao em tempo real permite calcular o melhor conjunto de aes de controle a cada
intervalo de amostragem evitando o problema de sintonia do PID;

Mostrou-se que o modelo do processo crtico para o desempenho do controlador podendo gerar
offset na varivel controlada;