Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 197 184 140 1852 PDF
1 197 184 140 1852 PDF
2.1 Introduccin
Entre las tcnicas de control usadas en la industria se aprecian en su mayora el uso de
controladores PID y controladores predictivos lineales. stos ltimos constituyen una
tcnica de control avanzada con una tendencia de gran impacto en la industria. Aunque
estos controladores se han diseado para modelos lineales, la mayora de procesos
industriales tienen un modelo no lineal bastante marcado, por lo que uno lineal no
funcionara adecuadamente.
Estudios realizados a esta problemtica conllevan a aplicar modelaciones para poder
sobrellevarla y emplear esta tcnica de control para poder alcanzar la consigna requerida en
tiempos adecuados y con gastos menores de energa.
En este captulo se desarrollar la teora que se aplicar en las etapas de identificacin y
control, en simulacin y en aplicacin real en un mdulo de pH. Realizar el proceso de
identificacin y un diseo adecuado del controlador optimiza las variables de trabajo y
reduce los errores.
Estos procesos para el tratamiento de sistemas no lineales estn an en prueba para
poder aplicarlos a gran escala en los procesos industriales con no linealidad marcada,
donde otros controladores no tendran las prestaciones adecuadas para trabajar bien.
22
2.2 Sistema
Como sistema se puede considerar al mbito en el que interactan bsicamente las
variables de entrada, de salida y perturbaciones. En la figura 1 se esquematiza un sistema
con las variables de interaccin.
23
B. Modelos no paramtricos. Son los modelos obtenidos a partir de grficos de
respuesta (salida) del sistema ante una entrada aplicada al sistema. En sistemas
lineales por ejemplo, es suficiente con aplicar una entrada escaln y analizar su
salida para encontrar la funcin de transferencia para el modelo.
-
24
-3
x 10
Amplitud Seal
100
200
300
TIempo (s)
400
500
600
x 10
Amplitud seal
2000
4000
6000
8000
10000
Tiempo (s)
12000
14000
16000
18000
25
2.5 Identificacin no paramtrica de modelos no lineales
Un proceso de identificacin no paramtrica se realiza excitando el sistema con seales
de ingreso como escaln, sinusoidal, PRS, PRBS y analizando la salida a estas entradas en
un intervalo de tiempo, dependiendo de la seal de ingreso.
La estructura y los parmetros del proceso no se pueden determinar, por tanto deben
obtenerse de manera iterativa, lo que implica un proceso de correccin continua hasta
encontrar el mejor resultado.
El proceso de identificacin se esquematiza en la figura 2.4:
2.5.1
26
Series de Volterra. Fueron desarrolladas en 1887 por Vito Volterra. Es un modelo del
comportamiento no lineal, muy similar a las series de Taylor, pero que difiere en la
habilidad de capturar efectos de memoria. Son utilizadas en sistemas de no linealidad leve.
Por lo tanto un sistema esttico con no linealidad leve puede describirse con una seal de
entrada u(t) y una de salida y(t).
Donde:
Los modelos de Volterra presentan muchos parmetros, por ello se usan en algunas
aplicaciones como neurociencia, biologa, medicina, controladores humanos, presin
sangunea y otros.
Series de Hammerstein. Es la extensin de la funcin ponderada usada en el caso lineal
para el caso no lineal. Est constituida de una parte esttica y una parte dinmica en
cascada.
Son expresadas en el dominio continuo como:
Series de Wiener. Estas series dependen del sistema y de las seales de entrada. Expresan
el modelo no lineal con ayuda de las series de Laguerre, obteniendo la siguiente expresin
para el dominio continuo:
27
Donde:
Para un modelo de una entrada y una salida, la ecuacin 2.10 se convierte en:
28
Donde:
Cuando
expresin:
De esta expresin se obtiene el valor del error, como la diferencia entre la salida
medida y la salida del modelo.
-
Cuando
Cuando
se obtiene la expresin:
se obtiene:
Y cuando
29
Un procedimiento para realizar esta validacin del modelo encontrado, consiste en dar
entradas distintas a las utilizadas para la identificacin tanto al modelo como al proceso
real y comparar ambas respuestas. Este mtodo es conocido como validacin cruzada.
Para poder dar un valor cuantitativo de la medida de la calidad del modelo encontrado
se usan ndices de prestacin, entre ellos, el ndice RMS (Relative quadratic average) y el
MSE (quadratic average error). El primero indica una medida del error respecto al valor
real. El segundo indica la variacin del error.
Donde:
y
Siendo:
y
Donde:
30
y
2.9 Modelos orientados al bloque
Los modelos orientados al bloque han sido desarrollados para superar el problema de la
no linealidad de manera prctica, es por ello que han adquirido gran importancia en los
ltimos aos. Sus prestaciones son muy adecuadas para modelar sistemas no lineales.
Se componen por dos bloques en cascada, uno de ellos representa la no linealidad del
sistema y el otro representa la dinmica lineal del mismo. Esto permite extender los
conocimientos de control de los sistemas lineales a los no lineales evitando las
complicaciones en el anlisis.
En algunos casos estos modelos son retroalimentados como se aprecia en la figura 2.6
Es necesario tener en cuenta que esta modelacin sirve solamente para sistemas no
lineales en estado estacionario. Por ello se mostrar a continuacin algunos tipos de no
linealidades estticas (ver tabla 2.1).
Tabla 2.1 Tipos de funciones continuas y discontinuas
Tipo
Caractersticas
Derivada
Funcin continua
Continua
Discontinua (punto de
quiebre)
Discontinua
31
Se le considera funcin continua si sus derivadas tambin lo son en todo el rango, y
funcin discontinua se le considera si presenta puntos de quiebre o una derivada
discontinua.
Durante el proceso de aproximacin de funciones no lineales, se emplean usualmente
curvas polinmicas, sin embargo en algunos casos se emplean otras funciones de
aproximacin (ver tabla 2.2)
Tabla 2.2 Funciones empleadas para aproximacin.
Tipo
Curva original
Representacin grfica
Ecuaciones
Y = f (u )
Y = f (U i ) + (U U i )x
Stepwise lineal
f (U i +1 ) f (U i )
U i +1 U i
Si: U i U U i +1
Y = f (U i )
3
Stepwise constante
Si U i U U i +1
32
Nombre
Funcin
Funcin Inversa
2.10
Estos modelos presentan una sola parte dinmica pero pueden presentar ms de una
no linealidad esttica conectada en cascada (serie) a la anterior (ver figura 2.7)
No linealidad
esttica
Dinmica del
proceso
33
Figura 2.7 Representacin de bloques en cascada (1 sola no linealidad).
Series de potencia. Las funciones en esta modelacin son simples potencias de una
variable. Se adecuan al funcionamiento en las zonas de trabajo adyacentes a un
punto especfico respecto al cual se ha identificado, sin embargo sus prestaciones
son pobres al alejarse de ese punto. Su expresin es la siguiente:
(2.20)
-
34
(2.21)
Donde los parmetros p y q son de orden finito, y la ganancia en estado
estacionario es dada por:
(2.22)
(2.23)
En la expresin mostrada,
representa la salida muestreada al excitar al
proceso con una seal impulso unitario durante el perodo de muestreo.
Cuando la funcin se discretiza, se obtiene la expresin:
(2.24)
Respuesta finita a estrada escaln (FSR). Presenta como nica diferencia con el
modelo anterior, la seal empleada, en este caso se usa escaln en lugar de
impulso. Viene definida de la siguiente manera:
(2.25)
Y al discretizar el modelo, se encuentra la expresin:
(2.26)
35
Con este modelo se pueden trabajar los procesos multivariables (MIMO), sin
embargo, las variables de estado no tienen un significado fsico
No linealidad
esttica (Ne)
Sistema dinmico
lineal: H(z)
36
diferentes. Por lo tanto, la respuesta cualitativa del sistema ser determinado por el bloque
dinmico lineal H(z).
La modelacin Hammerstein implica un poco ms de esfuerzo durante el desarrollo
que el invertido en un modelo lineal, sin embargo, los resultado obtenidos ofrecen mejores
caractersticas, con lo que el rango de operacin puede ampliarse a la vez que se evitan
complicaciones con operadores no lineales.
Como ya se ha expuesto, la modelacin no lineal se da en la entrada por lo que puede
representar convenientemente procesos industriales como:
-
Hornos industriales.
Intercambiadores de calor.
Columnas de destilacin.
Regulacin de pH.
Planta trmica de generacin de energa.
Unidad de potencia elctrica.
A.
, se
(2.29)
37
Donde como ya se mencion, la funcin Ne puede ser una expresin polinomial o
una funcin B-spline.
En estado estacionario, el valor de la salida ser:
(2.30)
Donde
B.
es un spline de orden r.
C.
38
D. Estructura de bases ortonormales. Esta estructura es generada cuando se trabaja el
bloque no lineal como representaciones polinomiales o B-splines y el bloque
dinmico lineal se trabaja con bases ortonorrmales.
La salida del bloque lineal ser por tanto:
(2.39)
Y como la salida del bloque no lineal es:
(2.40)
El modelo Hammerstein obtenido ser:
(2.41)
Como se puede observar, la estructura del modelo Hammerstein ser definida por
las estructuras escogidas para los bloques de subprocesos lineal y no lineal.
39
Para la no linealidad esttica: Se identifica utilizando algoritmos basados en el mtodo de
los mnimos cuadrados (incluyendo sus variantes). Los datos estacionarios de salida para
cada entrada escaln se ajustan para obtener una representacin de la no linealidad.
para los
40
Y
Donde
(2.47)
y la salida
O como:
(2.50)
41
Las estimaciones de parmetros desconocidos pueden ser generadas por el algoritmo de
mnimos cuadrados usando entradas y salidas medidas en el sistema y estimacin de
variables internas.
2.12
Los principales objetivos perseguidos por esta familia de controladores predictivos son:
-
42
2.12.1
43
Donde
Considerando que
Donde:
44
Donde x son los estados, M la matriz del sistema, N la matriz de entrada y Q la
de salida.
La prediccin se dar por tanto mediante la ecuacin:
B. Modelo de los disturbios. Este modelo es usado para representar disturbios y es tan
importante como la eleccin del modelo del proceso.
Donde
es un ruido blanco, el polinomio C es considerado de valor 1 y el
polinomio D incluye un integrador
.
Por lo que se obtiene la ecuacin:
Parmetros
y
. Son los horizontes de costo mnimo y mximo
es el horizonte de control, que no
respectivamente, mientras que
necesariamente coincide con el horizonte mximo.
45
Analizando el valor de
se puede concluir que un valor elevado implica que
no importa el error cometido en los primeros instantes de control, por lo tanto el
sistema responder suavemente.
y
son consideradas valores constantes que
Las secuencias de pesos
ayudan en la obtencin el comportamiento seguro.
-
Restricciones. Todos los procesos presentan restricciones, como por ejemplo el uso
de vlvulas cuando estn limitadas por las posiciones de totalmente abierto y
totalmente cerrado, y la velocidad de respuesta.
2.13
46
de referencia (lo que minimiza el error y el tiempo de establecimiento) y la segunda es
tambin una funcin cuadrtica que minimiza el esfuerzo de control (para obtener una
mejor seal de entrada de control).
El controlador GPC presenta entre sus ventajas el trabajar con soluciones analticas y la
posibilidad de trabajar con sistemas inestables y de fase no mnima, adems de ponderar
los incrementos de la seal de control para ahorrar energa.
2.13.1 Formulacin del Control Predictivo Generalizado
Se trabajar con un sistema de una entrada y una salida que puede ser descrito en
dominio discreto por la ecuacin:
, el ruido blanco
Si los disturbios son no estacionarios, es necesario usar el modelo de la ecuacin 2.73, que
es muy til en aplicaciones industriales para sobrellevar este problema.
Siendo:
El polinomio C simplemente es considerado igual a 1, y la funcin de costo que ser
minimizada con la aplicacin de la secuencia de control es la siguiente:
47
referencia futura
citada.
El polinomio
es de grado
y el polinomio
para
es de grado
. Estos
, y considerando la ecuacin
se
En la que
El clculo de los polinomios
El polinomio
y el polinomio
Considerando que
48
Los coeficientes del polinomio
Adems el polinomio
continuacin:
(2.81)
(2.82)
y los
(2.83)
Considerando un tiempo muerto de perodos de muestreo, la salida del sistma ser
influenciada por la seal
despus del periodo de muestreo
.
Por lo tanto:
Donde:
49
Y adems se visualiza que los dos ltimos trminos de la ecuacin (1.75) solo
dependen del pasado y pueden ser agrupados como . Por lo tanto dicha ecuacin queda
expresada como:
(2.86)
La primera columna de la matriz G puede ser calculada como la respuesta al escaln
de la planta cuando el escaln unitario es aplicado a la variable manipulable.
Adems, la respuesta
y que
para
50
la cantidad de clculos necesarios considerando que las seales de control sern constantes
despus de que sea mayor que , que implicara la inversin de una matriz de menor
orden
.
51
En este diagrama de bloques se aprecia el controlador Gc, el proceso Gp, el modelo
Hammerstein Gm, el polinomio inverso NL-1, la salida del proceso yp la salida del modelo
ym y el set point ysp.
2. Caso de control con un proceso no lineal. Si en lugar del bloque del proceso lineal del
apartado anterior, se encuentra un bloque de proceso No Lineal, el controlador lineal
GPC no tendra buenas prestaciones de control.
52
53