Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño de Un Circuito Molienda
Diseño de Un Circuito Molienda
Trabajo Presentado
Como Requisito Para Optar al Ttulo de
Magster en Ingeniera de Materiales y Procesos
Director:
Moises Oswaldo Bustamante Ra
Ph.D. Metalrgia Extractiva
A Dios y a mi familia.
Manuel Alejandro.
AGRADECIMIENTOS
RESUMEN
El comportamiento dinmico de los circuitos de molienda es altamente complejo debido
a la gran cantidad de variables que intervienen en el proceso tales como la dureza del
mineral, tasa de alimento, tasas de flujo de agua y porcentaje de slidos, esta gran
variabilidad operacional hace que dichos circuitos sean difciles de controlar, vindose
influenciado en el alto consumo de energa y en el bajo desempeo de los circuitos.
Se presentan los resultados del proyecto e investigacin, en el cual se evalu el
comportamiento dinmico de un circuito de molienda en hmedo empleado para la
fabricacin de clinker en la industria cementera Colombiana. Como primera medida en
la evaluacin del comportamiento dinmico se realiz un estudio de las variables que
tienen ms influencia en el circuito, esta evaluacin mostr que la granulometra del
producto (DTP) y la humedad de la pasta estn altamente afectadas por el flujo de
mineral alimentado y por el flujo de agua que ingresa al molino.
Para determinar el comportamiento de la granulometra (DTP) y de la humedad se
efectuaron ensayos variando el flujo de mineral alimentado al molino y el flujo de agua,
observndose su respuesta en el tiempo, los datos obtenidos de los ensayos, dan razn
de la fuerte interaccin de cada una de las variables y cmo cualquier perturbacin
generada, desestabiliza el proceso, causando que la granulometra del producto y la
humedad no cumplan con las condiciones del proceso de clinkerizacin. Una vez
obtenidas las respuestas, el siguiente paso consisti en obtener un modelo del circuito
de molienda, este se obtuvo mediante la representacin de funciones de transferencia,
haciendo uso de la transformada de Laplace, ajustndose de manera adecuada a las
caractersticas dinmicas del circuito de molienda.
Con el modelo ya establecido del circuito de molienda, el paso siguiente fue el diseo
del controlador multivariable centralizado por desacoplo, el cual integra la
granulometra y la humedad de la pasta, analizndose toda la estabilidad del proceso con
el diseo del controlador, se mejora notablemente el rendimiento del sistema y adems
se observo que dicho diseo atena fuertemente las perturbaciones ocasionadas.
Posteriormente se empleo el software Matlab y su herramienta Simulink para simular
el controlador diseado en el circuito de molienda y se compar con un controlador PID
convencional, esto con el fin de mostrarnos y darnos una idea acerca del
comportamiento del sistema. La simulacin permiti obtener representaciones graficas
del comportamiento del circuito ante cambios en el punto de operacin, del tamao de
partcula y la humedad, adems se muestra como el controlador es capaz de ajustarse a
estos cambios; de manera similar nos dio informacin acerca de cmo el controlador
atena las perturbaciones ocasionadas en el proceso, minimizando el error en ambas
variables controladas. Con toda esta informacin se evidencia la implementacin de una
estrategia de control para los circuitos de molienda en la industria cementera
Colombiana.
Palabras clave: Control de procesos, Circuitos de molienda, Comportamiento de
mineral, Minerales industriales, Simulacin y Modelacin de circuitos de molienda.
ABSTRACT
The dynamic behavior of the grinding circuits are highly complex due to the large
number of variables involved in the process such as ore hardness, rate of feed water
flow rates and percentage of solids, this high variability makes operational such circuits
are difficult to control, being influenced in the high energy consumption and the low
performance of the circuits.
We present the results of the project and research, which evaluated the dynamic
behavior of a wet grinding circuit used for the manufacture of clinker in the cement
industry in Colombia. As a first step in evaluating the dynamic behavior is studied
variables have more influence on the circuit, this evaluation showed that the fineness of
the product (DTP) and the humidity of the paste are highly affected by the flow of ore
fed and flow of water entering the mill.
To determine the behavior of the particle size (DTP) and humidity tests were conducted
by varying the flow of ore fed to the mill and the water flow, with its response time,
data obtained from the tests, give reason for the strong interaction of each of the
variables and how any disruption created, destabilizes the process, causing the particle
size and moisture of the product do not meet the conditions of the process
clinkerizacin. Once the answers, the next step was to obtain a model of the milling
circuit, this was achieved through the representation of transfer functions, using the
Laplace transform, conform adequately to the dynamic characteristics of the grinding
circuit.
With the model already established in the grinding circuit, the next step was the design
of the centralized controller for multivariable decoupling, which integrates the particle
size and moisture of pasta, analyzing the stability of the entire process with the design
of the controller is improved significantly system performance and it was observed that
the design strongly attenuates the disturbances.
Subsequently use the software Matlab and Simulink tool to simulate the controller
designed in the milling circuit and compared with a conventional PID controller, this in
order to show us and give us an idea about the behavior of the system. The simulation
allowed to obtain graphs of the behavior of the circuit to changes in the operating point,
particle size and moisture, also shows how the controller is able to adjust to these
changes, similarly gave us information about the controller attenuates disruptions in the
process, minimizing the error in both variables controlled. With all this information is
shown to implement a control strategy for circuit grinding in the cement industry in
Colombia.
Key words: Process control, Grinding circuits, Behavior ore, industrial minerals,
Modeling and Simulation of grinding circuit.
II
TABLA DE CONTENIDO
OBJETIVOS....................................................................................................................1
1. INTRODUCIN ........................................................................................................2
2. PLANTEAMIENTO DEL PROBLEMA.................................................................3
3. ANTECEDENTES .....................................................................................................5
4. MARCO TEORICO ................................................................................................14
4.1 MODELAMIENTO E IDENTIFICACIN DE SISTEMAS ........................16
4.2. DEFINICIN DE SISTEMAS DE CONTROL MULTIVARIABlE............18
4.3. DESCRIPCION DE SISTEMAS MULTIVARIABLES ................................20
4.3.1. Conceptos de interaccin............................................................................20
4.3.2. Mtodo de Bristol ........................................................................................20
4.3.3. Emparejamiento de variables controladas y manipuladas .....................22
4.4. DESACOPLAMIENTO DE VARIABLES. ....................................................23
4.4.1. Desacoplamiento total.................................................................................24
4.4.2. Controlador multivariable centralizado por desacople...........................25
4.5. CIRCUITOS DE MOLIENDA Y CLASIFICACIN....................................30
4.6. SISTEMAS DE CONTROL APLICADOS A CIRCUITOS DE MOLIENDA
.....................................................................................................................................33
5. MATERIALES Y METODOS ...............................................................................35
5.1. ESTRATEGIA EXPERIMENTAL.................................................................35
5.2. MATERIAL OBJETO DE ESTUDIO............................................................36
5.3. CARACTERIZACIN DINMICA DEL CIRCUITO DE MOLIENDA .36
5.3.1 Respuesta del sistema en lazo abierto ........................................................38
5.4. REPRESENTACIN MATEMATICA DEL CIRCUITO DE MOLIENDA
POR MEDIO DE FUNCIONES DE TRANSFERENCIA ....................................40
6. RESULTADOS EXPERIMENTALES ..................................................................44
6.1 INTERACCIN DE VARIABLES..................................................................46
6.2. ANLISIS DE ESTABILIDAD DEL SISTEMA ...........................................47
6.3. CONTROL CENTRALIZADO POR DESACOPLE .....................................50
6.3.1. Desacople del sistema de molienda ............................................................50
6.3.2. Diseo del controlador convencional........................................................53
6.3.3. Diseo del Controlador centralizado por desacople ................................57
7. SIMULACION DEL SISTEMA DE CONTROL APLICADO AL CIRCUITO
DE MOLIENDA............................................................................................................62
8. DISCUSIN DE RESULTADOS...........................................................................70
9. CONCLUCIONES ...................................................................................................72
10. RECOMENDACIONES........................................................................................74
11. BIBLIOGRAFIA....................................................................................................75
ANEXOS ........................................................................................................................78
III
INDICE DE FIGURAS
Figura 1. Diagrama de bloques de un sistema de control realimentado.................. 15
Figura 2. Curva de reaccin para la estimacin de los parmetros de un modelo de
primer orden con retardo............................................................................................. 18
Figura 3. Proceso MIMO.............................................................................................. 19
Figura 4. Control centralizado 2x2 con red de desacoplo explicita.......................... 20
Figura 5. Control centralizado de un proceso 2x2. .................................................... 20
Figura 6. Relacin entre el margen de ganancia y el margen de fase para la funcin
de transferencia en lazo abierto dada por (34).......................................................... 27
Figura 7. Esquema de un circuito de molienda. (Radhakrishnan, 1999)................. 32
Figura 8. Esquema circuito de molienda (Chica, 2009)............................................. 35
Figura 9. Respuesta del tamao de partcula ante un cambio positivo en la tasa de
alimento de mineral. ..................................................................................................... 38
Figura 10. Respuesta del tamao de partcula ante un cambio positivo en la tasa de
agua. ............................................................................................................................... 39
Figura 11. Respuesta de la humedad ante un cambio positivo en la tasa de alimento
de mineral. ..................................................................................................................... 39
Figura 12. Respuesta de la humedad ante un cambio positivo en la tasa de agua.. 40
Figura 13. Respuesta de G11 ante un cambio de escaln unitario............................. 41
Figura 14. Respuesta de G12 ante un cambio de escaln unitario............................. 42
Figura 15. Respuesta de G21 ante un cambio de escaln unitario............................. 42
Figura 16. Respuesta de G22 ante un cambio de escaln unitario............................. 43
Figura 17. Seguimiento del modelo de Sp ante un cambio positivo en la tasa de
alimentacin de mineral. .............................................................................................. 44
Figura 18. Seguimiento del modelo de Sp ante un cambio positivo en la tasa de
agua. ............................................................................................................................... 45
Figura 19. Seguimiento del modelo de Hd ante un cambio positivo en la tasa de
alimentacin de mineral. .............................................................................................. 45
Figura 20. Seguimiento del modelo de Hd ante un cambio positivo en la tasa de
agua. ............................................................................................................................... 46
Figura 21. Diagrama de Nyquist de G11...................................................................... 48
Figura 22. Diagrama de Nyquist de G12...................................................................... 48
Figura 23. Diagrama de Nyquist de G21...................................................................... 49
Figura 24. Diagrama de Nyquist de G22...................................................................... 49
Figura 25. Respuesta del proceso en lazo abierto ante una seal aleatoria en la tasa
de agua. .......................................................................................................................... 51
Figura 26. Respuesta del proceso en lazo abierto ante una seal aleatoria en la tasa
de alimento..................................................................................................................... 51
Figura 27. Respuesta del proceso desacoplado ante un cambio aleatorio en la tasa
de agua. .......................................................................................................................... 52
Figura 28. Respuesta del proceso desacoplado ante un cambio aleatorio en la tasa
de alimento..................................................................................................................... 53
Figura 29. Diagrama de bloques de la planta G1(s). .................................................. 53
Figura 30. Respuesta en frecuencia en lazo abierto del proceso............................... 54
Figura 31. Diagrama de Nyquist de G1(s) en lazo abierto......................................... 55
IV
INDICE DE TABLAS
VI
NOMENCLATURA
Am
aij(s)
bij(s)
Dij(s)
E(s)
f(s)
Margen de ganancia
Polos de la funcin de transferencia
Ceros de la funcin de transferencia
Componentes del compensador.
Funcin de la seal de error
Funcin de transferencia genrica
m
Margen de fase
G(s)
Matriz de funciones de transferencia de dimensiones n m
G1(s) Funcin de transferencia equivalente para el diseo del controlador
desacoplado.
hi(s)
Funcin de transferencia en lazo cerrado de la componente diagonal Ki(s)
Ganancia del controlador centralizado.
k1
k2
Ganancia del controlador centralizado.
K
Matriz de ganancias en estado estacionario.
K(s)
Matriz de funciones de transferencia del controlador.
Kd(s) Controlador diagonal
Ki(s)
Elemento del controlador diagonal descentralizado.
Kij(s) Elementos del controlador centralizado.
Ganancia proporcional del controlador PID
KPji
KIji
Ganancia integral del controlador PID
KDji
Ganancia derivativa del controlador PID
ki (s ) Funcin de transferencia racional de dinmica no cancelable.
ij
Elementos de la matriz de ganancias relativas.
cg
n
y(s)
VII
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECIFICOS
1. INTRODUCIN
Los circuitos de molienda son procesos que presentan dinmicas no lineales bajo un
amplio intervalo de operacin (Liu Yi, 2004). Para aprovechar toda su potencialidad, su
control debe llevarse a cabo mediante estrategias de control multivariable. De hecho, la
necesidad de controlar simultneamente varias variables con un alto grado de
interaccin, justifica el empleo de cualquiera de las estrategias de control multivariable.
Cuando en un sistema multivariable las interacciones entre los lazos de control son
dbiles el uso de un control descentralizado (Morilla & Vzquez. 2002, Vinante &.
Luyben 1972, Wang et al, 1996) puede ser adecuado. Pero cuando estos acoplamientos
son importantes es necesario acudir a controladores centralizados.
En control de procesos industriales es habitual encontrarse con sistemas con varias
entradas y salidas, siendo el caso 2x2 el ms tratado en la bibliografa, bien porque
corresponde a procesos tpicos reales, bien porque el proceso ha sido descompuesto en
bloques de este tamao (Vzquez, 2002). En el capitulo 4 se muestran las posibles
estrategias, el control centralizado, bajo dos enfoques diferentes: el primero de ellos
combina una red de desacoplo, formada por los cuatro elementos Dij(s), con un
controlador descentralizado, compuesto por los dos elementos ki(s), y el segundo utiliza
una red de controladores, formada por los cuatro elementos kij(s), con filosofa
puramente centralizada.
El control multivariable constituye un tpico de avanzada en el campo del control de
procesos. Desarrollado originalmente para resolver problemas especficos de control en
refineras. La tecnologa de control multivariable se utiliza hoy en da en plantas
qumicas, sector alimentario, automvil, metalurgia, industria papelera y otros entornos
industriales. Comercialmente, es una tecnologa consolidada y prcticamente todos los
fabricantes del sector ofertan alguna lnea de productos. Esta investigacin se centra en
el diseo de un control multivariable centralizado, a partir del modelamiento y
simulacin del circuito de molienda.
El objetivo dentro de una operacin en continuo de una planta de moliendaclasificacin, radica bsicamente en mantener el proceso dentro de intervalos
preestablecidos, pero reconociendo la inestabilidad que pueden ocasionar las
fluctuaciones y perturbaciones propias del sistema, generalmente limitada por vacos en
el conocimiento fenomenolgico de los procesos involucrados, que admitan una
descripcin y comprensin del proceso, generando limitaciones en la capacidad,
generalmente alejadas de las especificaciones de diseo, con el subsecuente incremento
de la energa empleada.
La operacin de molienda en la industria cementera es una de las ms intensivas en el
consumo de energa elctrica, pues se calcula que la energa elctrica consumida en la
molienda de cemento a escala mundial es del orden de 110kWh/t (Jankovic, et al.,
2004), donde el 60% se usa en la molienda de materias primas, aproximadamente.
En el escenario Colombiano, slo el grupo cementero Argos fragmenta anualmente
aproximadamente 4.0x106 ton de clinker y 6.8x106 ton de caliza, usando Energas
Especficas de fractura del orden mayor a 110 kWh/t (Bustamante 2009), lo cual
implica que el control de estas operaciones confines de optimizar consumo de potencia
y/o Energa sea una necesidad.
Por otra parte, desde la perspectiva del control, se sugiere hacer uso de modelos que
deben incorporar las caractersticas dominantes del sistema. Sin embargo, los modelos
no necesitan describir precisamente la dinmica del sistema, ya que conducira a la
implementacin de un controlador muy complejo. Un buen desarrollo de un modelo
simple est basado en la posibilidad de incluir las constantes de tiempo dominantes,
determinando de esta manera tanto las caractersticas dinmicas relevantes del proceso
como las ganancias adecuadas de estado estacionario entre las variables manipuladas y
las controladas (Corripio & Smith, 2000).
En este proyecto, se pretende seleccionar un modelo completo de los principales
componentes que intervienen en el circuito de molienda (molino e hidrocicln) que
describa las interacciones entre las variables manipuladas y controladas. Las variables
fsicas reales son usadas en el modelamiento del proceso, y la validacin del modelo se
llevo a cabo usando datos obtenidos de un circuito de molienda en hmedo ubicado en
la planta de cementos Nare perteneciente al grupo Argos S.A.
Los desarrollos del sistema de control propuesto incluyen un analizador de la capacidad
del molino de bolas, y un sistema para monitorear la distribucin de tamao de partcula
tanto en la entrada al molino como en la salida del clasificador.
3. ANTECEDENTES
En dcadas pasadas la aplicabilidad del modelamiento y simulacin en los procesos de
molienda ha emergido significativamente, debido al alto consumo de energa de esta
operacin unitaria (Duarte et al, 1999).
Como es bien sabido, en los procesos de beneficio de minerales, la molienda gasta
aproximadamente el 50% de la energa necesaria en el beneficio de minerales metlicos
e industriales (Menacho, 1985, Austin, & Concha, 1994 , Fuerstenau & Abouzeid,
2002). Este consumo est determinado principalmente por las prdidas de energa y el
desgaste de los medios moledores.
De todas las etapas de beneficio de minerales la molienda es la ms ineficiente, dando
razn de la utilizacin de solo un 1% de la energa suministrada al molino como energa
efectivamente utilizada en fracturar el mineral (Fuerstenau & Abouzeid, 2002). Dentro
de este escenario, las etapas de fragmentacin son determinantes para establecer la
eficiencia de las operaciones en planta.
Los circuitos de molienda son operaciones unitarias importantes en la produccin de
metales, minerales industriales y cemento (Hodouina et al, 2001). La funcin de dichos
circuitos es reducir el tamao de la partcula del mineral de tal manera que el material
sea preparado para un proceso de separacin posterior como la flotacin o la
concentracin.
La operacin de molienda tiene que garantizar una distribucin de tamaos de partcula
permanentemente fijos, y ello se persigue si el sistema garantiza estar en estado
estacionario, sin embargo, la operacin de estos circuitos es principalmente perturbada
por (Lynch, 1977, Xi-Song et al., 2008, Xi-Song et al., 2007):
Cambios en las caractersticas del mineral que ingresa al circuito, tales como
Tasa
de
= flujode Flujode + tasade
Acumulacin
(1)
Controlador
de
mnima varianza
generalizado
(GMVC)
Control
por
asignacin
de
polos (PPC)
Dentro de las tcnicas de control avanzado, el Control Adaptable aparece como una
solucin capaz de aproximarse mejor a la inherente naturaleza dinmica compleja de los
procesos de molienda-clasificacin. Las aplicaciones industriales llevadas a cabo
utilizando esta metodologa han demostrado su capacidad para responder
satisfactoriamente a muchos de los problemas hasta ahora presentes en el control de
procesos (Sbarbaro et al, 2007.). Este estudio introdujo las tcnicas avanzadas del
control de procesos (especficamente el control adaptable) aplicadas a los circuitos de
molienda, y sus objetivos pueden definirse en los siguientes puntos:
Dar a conocer, desde una perspectiva histrica, el origen y los conceptos bsicos
de los Sistemas de Control Adaptable incluyendo la ltima generacin de
sistemas de control adaptable predictivo, experto, y en particular las condiciones
que deben de verificar para garantizar los criterios de rendimiento y de
estabilidad deseados.
10
del hidrocicln utilizan el modelo emprico propuesto por Lynch y Rao (Lynch & Rao,
1975).
La gran diferencia en estas dos tcnicas radica en que Radhakrishnan (Radhakrishnan,
1999) solo disea y simula la estrategia de control utilizando el software Matlab,
mostrando claramente el esquema implementado, as como las respuestas del sistema
ante cambios bruscos en la tasa de alimento de mineral y alimento de agua tanto en el
molino como en el sumidero, a diferencia de Chen et al (Chen et al, 2007) que
implementan su estrategia en una planta concentradora de mineral de hierro utilizando
PLCs (controladores lgicos programables) combinados con tcnicas de lgica difusa,
mostrando esta tcnica buenos beneficios, ya que se mantiene el tamao de partcula y
la carga circulante en un intervalo de operacin ptimo, de tal modo que no ocurra una
sobremolienda innecesaria que se refleje en un consumo de energa muy elevado y
obtener tamaos de partculas ms finas que las deseadas
Otro tipo de control implementado recientemente es el propuesto por Bouche et al
(Bouche et al, 2005) el software implementado y discutido por los autores es llamado
sistema OCS (Operator Control Station) el cual es el controlador de procesos ms
avanzado dentro de la familia de sistemas de control. Dicho sistema incorpora las
soluciones ms avanzadas tanto en hardware como en software, as como el
cumplimiento de los principales estndares internacionales relativos a los sistemas de
control, esto convierten al sistema OCS en una plataforma ptima para solucionar
problemas de optimizacin en circuitos de molienda en hmedo. El sistema OCS
dispone de un control basado en escalas que opera con un procesador que posee una
velocidad comparable a la mayora de las PLCs de medio tamao.
Los autores (Bouche et al, 2005) muestran cmo fue la instalacin y el desempeo de
los sistemas de control de molienda avanzado instalado en dos plantas de oro en
Sudfrica mediante el uso del sistema OCS.
Los lazos de control a nivel de PLC/SCADA instalados anteriormente en la planta
mostraron poco xito en el control de circuitos de molienda por lo que se vio la
necesidad de buscar y aplicar tcnicas de control ms avanzadas. El Control Avanzado a
menudo se describe como la supervisin del control bsico PLC/SCADA.
Por otra parte Los sistemas de Control Avanzado han complementado perfectamente los
controladores existentes y han reducido la brecha que existe entre el control clsico y el
control ptimo (Nordfeldt, 2005).
En la implementacin de dicha estrategia las principales variables de control medidas en
ambas plantas fueron:
12
13
4. MARCO TEORICO
Un sistema de control es aquel que es capaz de lograr que una varias variables se
comporten de una manera deseada. La variable puede mantenerse constante o cambiar
de una manera determinada (Ferreira & Pascal, 1999). Puede ser realimentado
(feedback control) prealimentado (feedforward control), digital (microprocesador)
analgico (por ejemplo, circuitos elctricos, sistemas hidrulicos, sistemas mecnicos,
etc.), manual automtico.
La formulacin cientfica de un problema de control se basa en dos tipos de
informacin (Corripio & Smith, 2000):
1. El comportamiento del sistema debe ser descrito de una manera matemtica
precisa.
2. El propsito de control (criterio) y el entorno (perturbaciones) deben ser
especificados igualmente de una manera matemtica precisa.
Las tecnologas de los equipos de control han evolucionado, de tal forma, que cumplen
los requerimientos en cuanto a funciones y algoritmos de control, as como los
requerimientos de seguridad en las operaciones.
El uso de una computadora y el software de supervisin permiten tener los grficos del
proceso en la pantalla del computador. Este software tiene las siguientes funciones
(Morilla et al, 2005):
14
El principio de todo sistema de control (Corripio & Smith, 2000) es la aplicacin del
concepto de realimentacin o feedback (medicin tomada desde el proceso que
entrega informacin del estado actual de la variable que se desea controlar) cuya
caracterstica especial es la de mantener al controlador central informado del estado de
las variables para generar acciones correctivas cuando as sea necesario (Figura.1). Este
mismo principio se aplica en campos tan diversos como el control de procesos
qumicos, control de hornos en la fabricacin del acero, control de mquinas
herramientas, control de variables a nivel mdico e incluso en el control de trayectoria
de un proyectil militar.
15
(2)
16
(3)
Y (s)
= G (s)
U (s)
(4)
donde Y(s), U(s) y G(s) son la salida, la entrada y la funcin de transferencia del proceso
respectivamente, la ecuacin (4) es un modelo de entrada salida que es racional y propia
que corresponde a sistemas lineales y estacionarios.
Una excepcin de gran importancia en la prctica es el caso de sistemas con retardo
entre entrada y salida. Estrictamente, estos sistemas tienen dimensin infinita. Sin
embargo, su representacin mediante funcin de transferencia es an tratable, aunque
deja de ser racional. La funcin transferencia de un retardo de td segundos es de la
forma:
Y ( s)
= G ( s )e t d s
U ( s)
(5)
G=
Ke td s
s + 1
(6)
17
Figura 2. Curva de reaccin para la estimacin de los parmetros de un modelo de primer orden
con retardo.
Una vez obtenida la curva de reaccin del proceso se procede a medir directamente en
la curva los valores dados a continuacin:
Con estos valores obtenidos de la curva se calculan los tres parmetros del modelo de
primer orden dados a continuacin.
K=
y f y0
u f u0
, = T63 T , t d = T T0
(7)
.
. = .
.
.
.
.
.
.
(8)
Los sistemas de control multivariable son sistemas con varias entradas y salidas, en los
que una entrada afecta a varias salidas y recprocamente una salida es afectada por
varias entradas (Figura.3.) . El control de estos procesos, en la mayora de los casos, es
altamente complejo y por lo general se deben tener en cuenta varios interrogantes para
dar solucin al problema de control (Corripio & Smith, 2000):
19
20
K 11 ( s ) =
y1 ( s )
u1 ( s ) u 2
(9)
K12 ( s ) =
y1 ( s )
u2 ( s ) u1
(10)
K 21 ( s ) =
y2 ( s )
u1 ( s ) u 2
(11)
K 22 ( s ) =
y2 ( s )
u2 ( s ) u1
(12)
ij =
yi ( s )
u j ( s )
yi ( s )
u j ( s )
uk ,k j
K ij
K ij
u k ,k j
(13)
y k ,k i
yk ,k i
Luego para un sistema 2x2 la matriz de ganancias relativas 2x2 viene dada por:
K11K 22
K11K 22 K12 K 21
K12 K 21
12 =
K12 K 21 K11K 22
11 =
21
(14)
(15)
K12 K 21
K12 K 21 K11K 22
K11K 22
22 =
K11K 22 K12 K 21
21 =
(16)
(17)
De acuerdo a las ecuaciones (14) (17) puede concluirse que la suma de cualquier
elemento de cualquier columna o cualquier fila es igual a uno, concluyndose que:
( )
= K K 1
(18)
22
(19)
u1 ( s ) k11 ( s ) k 12 ( s ) r1 ( s ) y1 ( s )
u ( s ) = k ( s ) k ( s ) r ( s ) y ( s )
22
2
2 21
2
(20)
(21)
23
G G D D
G ( s ) D( s ) = 11 12 11 12
G 21 G 22 D 21 D 22
(22)
(23)
El producto de la matriz del sistema del proceso por la matriz del compensador hace que
las componentes (1,2) y (2,1) sean cero, para que el desacople del sistema sea total y no
halla interaccin entre los lazos y este se comporte como un sistema SISO.
(24)
(25)
(26)
24
(27)
(28)
k 21 (s) k 22 ( s )
(29)
D 21 (s) D 22 ( s ) 0
- G 21 (s)k1 ( s ) G 11 ( s )k 2 ( s )
(30)
(31)
Las componentes k1(s) y k2(s) del controlador diagonal se disean mediante tcnicas
monovariables para sus respectivas funciones de transferencia, G1(s) y G2(s) las cuales
guardan relacin con los elementos de las funciones de transferencia del proceso
0
G (s)G22 (s) G12 (s)G21(s)
G1 (s) 0
G(s)D(s) = 11
=
(32)
0
G11(s)G22 (s) G12 (s)G21(s) 0 G2 (s)
Como puede observase a partir de la ecuacin (32) las dos componentes de la diagonal
son iguales, por tanto se hace ms fcil el diseo del controlador. Basta simplemente
disear k1(s) mediante la funcin de transferencia presentada en la ecuacin (26), y a su
vez se tendr k2(s):
(33)
Teniendo una sola componente de la ecuacin (33) pueden obtenerse las otras tres
componentes de acuerdo a la ecuacin (31). Las componentes del controlador son
consecuencia del clculo condicionado por la naturaleza del proceso y la del bloque del
controlador. Con esto se garantiza que el sistema de control presente un
comportamiento aceptable.
25
Se espera que el sistema en lazo cerrado sea estable y que no presente error en estado
estacionario para cambios en las dos variables controladas. Para que el sistema en lazo
cerrado no presente error en estado estacionario, las dos funciones de transferencia k1(s)
y k2(s) deben incorporar un integrador puro. Si la matriz de funciones de transferencia
del proceso no contiene integradores se propone especificar k1(s) y k2(s) como
integradores puros (Lieslehto, 1996). Adems si la matriz de funciones de transferencia
del proceso contiene retardos, se propone aadir en las especificaciones de k1(s) y k2(s)
un retardo puro, el mnimo posible (i0) (Wang, 2003). En definitiva se especificarn
funciones del tipo mostrado en la ecuacin (34):
ki
ki (s )e i s ; con i 0
(34)
s
donde i es un retardo de tiempo, el parmetro ki se convierte en un parmetro de
sintonizacin para alcanzar especificaciones de diseo y ki (s ) es una funcin de
transferencia racional que tome en consideracin la dinmica no cancelable del proceso
equivalente, hay que tener en cuenta que esta dinmica no cancelable suele ser la misma
en los cuatro procesos equivalentes los cuales deben ser estables y de fase no mnima y
que darn lugar a funciones de transferencia ki (s ) , como el cero comn de fase no
ki ( s ) =
ki (s z ) i s
e
s s+z
(35.a)
donde z es el valor de raz del polo hallada por media de la respuesta en frecuencia.
ki (s z ) i s
e
ki (s z )e i s
s (s + z )
h
(
s
)
=
(35.b)
hi ( s ) =
i
i s
i s
2
ki (s z ) i s
s
+
z
k
e
s
+
k
ze
i
i
1
e
s (s + z )
Una forma de garantizar la estabilidad de las funcin hi(s) es imponiendo
especificaciones de estabilidad relativa (margen de fase (m), margen de ganancia (Am)
sobre las funciones ki(s). Se puede demostrar que la funcin ki(s) dada por la ecuacin
(34) presenta los siguientes mrgenes de estabilidad relativa a las siguientes frecuencias
(Wang, 2000).
m = 90
Am =
2ki i
180ki i
cg =
2 i
cf = ki
;
Am =
26
(36)
cg
ki
(37)
m = 90
90
Am
(38)
Figura 6. Relacin entre el margen de ganancia y el margen de fase para la funcin de transferencia
en lazo abierto dada por (34).
k 21 ( s ) =
G21 ( s )k1 ( s )
G11 ( s )G22 ( s ) G12 ( s )G21 ( s )
(40)
k12 ( s ) =
G12 ( s )k 2 ( s )
G11 ( s )G22 ( s ) G12 ( s )G21 ( s )
27
(41)
k 22 ( s ) =
G11 ( s )k 2 ( s )
G11 ( s )G22 ( s ) G12 ( s )G21 ( s )
(42)
(43)
1 min( 11 + 22 , 12 + 21 ) 22
(44)
Pero de k21(s) tambin se obtiene una condicin similar para 1. Combinando ambas
condiciones se tiene que:
1 max(min( 11 + 22 , 12 + 21 ) 22 , min( 11 + 22 , 12 + 21 ) 21 )
(45)
1 min( 11 + 22 , 12 + 21 ) min( 21 , 22 )
(46)
2 min( 11 + 22 , 12 + 21 ) min( 11 , 12 )
(47)
Por tanto los retardos i se deben especificar de forma tal que se cumplan las
condiciones (46) y (47), aunque para no introducir retardos adicionales en el sistema es
preferible utilizar los valores mnimos que resultan al imponer la igualdad.
ki =
(90 m )
180 i
28
(48)
ki =
2 Am i
(49)
k i (s z )
k (s z )
s (s + z )
hi ( s ) = 2 i
(50)
hi ( s ) =
k i (s z )
s
+
(
z
k
)
s
+
k
i
i
1
s (s + z )
Por lo tanto para calcular la constante ki se puede emplear la respuesta transitoria donde
los polos de la funcin de transferencia hi(s) estn caracterizados por la frecuencia
natural no amortiguada y el factor de amortiguamiento.
z ki
n = ki z ; =
(51)
2 ki z
Es posible fijar el valor de con ki<z.
k PID
ji ( s ) =
ki
s
( K Dji s 2 + K Pji s + K Iji )e kji
s
(52)
Donde aparecen explcitamente el retardo del controlador kji y sus tres ganancias:
proporcional (KPji), integral (KIji) y derivativa (KDji). Y donde para el caso PI bastar
forzar a que la ganancia derivativa (KDji) sea nula.
Por otra parte, en lugar de aplicar la reduccin de modelos a las expresiones completas
de los elementos del controlador, se propone aplicarla despus de separar aquello que
29
ki
( k ) s
(m ji ( s ))1 e ji
(53)
s
donde mij(s) es la funcin de trasferencia de segundo orden que aproxima el modelo
genrico. Al aplicarle la reduccin inversa a la ecuacin (53) y simplificando mji(s)
queda la expresin
k ji ( s ) =
m ji ( s ) =
bij (s )
(k (s ))
a (s )
ij
b0
a2 s + a1s + a0
2
(54)
donde bij(s) y aij(s) guardan una relacin estrecha con los elementos Gij(s)de la matriz de
funciones de transferencia del proceso y de esta manera las ganancias del controlador
PID son respectivamente, KPji=a1/b0, KIji=a0/b0 y KDji=a2/b0.
Si la matriz de funciones de transferencia tuviera ceros o polos en el semiplano derecho,
la especificacin de las ki(s) como la ecuacin (52) podra llevar a elementos del
controlador a que fueran inestables en lazo abierto (Tavakoli. et al. 2006 y Wang. 2003).
Por tanto, la aplicacin de esta metodologa slo contempla por ahora procesos 2x2
estables de fase no mnima.
Si los elementos G22(s) y G21(s) del proceso ya tienen integrador puro no es preciso que
lo incorporen los elementos k11(s) y k21(s) del controlador, y de la misma forma, si los
elementos G12(s) y G11(s) ya tienen integrador puro no es preciso que lo incorporen
k12(s) y k22(s).
Para poner en prctica el diseo realizado se recomienda acudir a la estructura de
control centralizado de la figura 5, donde la red de desacoplo contendr los bloques PID
con sus respectivos retardos en serie, y donde los controladores k1(s) y k2(s) sern
controladores proporcionales con las ganancias k1 y k2 determinadas en el diseo. De
esta forma la red de desacoplo, que depende de la parte estructural del proceso, se podr
mantener fija para todos los diseos y las ganancias k1 y k2 servirn como grados de
libertad para modificar el comportamiento de los lazos 1 y 2 respectivamente.
30
En el proceso de molienda, las partculas con tamaos entre 5 a 250 mm son reducidas
en tamao hasta 10 - 300 micrones, aproximadamente, dependiendo del tipo de
operacin que se realice. El propsito de la operacin de molienda es ejercer un control
estrecho en el tamao del producto y, por esta razn frecuentemente se dice que una
molienda correcta es la clave de una buena recuperacin del mineral deseado.
Es de gran importancia poder controlar el desempeo de un molino de bolas en un
circuito de molienda debido a las caractersticas dinmicas complejas y a la alta
interaccin entre las variables de control.
La teora cintica clsica del proceso de molienda resulta insuficiente para especificar
todos los fenmenos que determinan el estado dinmico de los circuitos asociados,
debido a ello se requiere la utilizacin de modelos de tipo caja gris o semifsicos.
(Radhakrishnan, 1999, Ramasamy et al, 2005, Sbarbaro et al,2007 y Xi-song Chen &
Qi Li, 2007)
Las ventajas de molienda hmeda son (Menacho, 1985, Bouso, 2004):
31
(55)
CC =
32
(56)
=
+
(57)
CC = 1 + C
(58)
4.6. SISTEMAS
MOLIENDA
DE
CONTROL
APLICADOS
CIRCUITOS
DE
33
34
5. MATERIALES Y METODOS
5.1. ESTRATEGIA EXPERIMENTAL
Las pruebas realizadas para evaluar el comportamiento dinmico dentro del circuito
cerrado de molienda que opera con suspensiones poliminerales, se llevaron a cabo en la
molienda de crudo (caoln/arena) No. 2 de la Planta Nare de Cementos Argos S.A., en
un circuito como el que aparece en la Figura 8.
Allis
Chalmers
8728
Wilfley K4197
35
6.4 ton/h
85 gpm
---------
Cambios realizados
Muestreo cada 120 s
(Anexo A)
Muestreo cada 120 s
(Anexo A)
Cambio
positivo
Cambio
positivo
+1.7 ton/h
+ 16 gpm
65,89
98,43
Al2O3
22,15
0,18
Fe2O3
0,57
0,06
adecuadas de estado estable entre las variables manipuladas y las controladas (Corripio
& Smith, 2000).
Se escogi un modelo completo de los principales componentes que intervienen en el
circuito de molienda (molino e hidrocicln) que describa las interacciones entre las
variables manipuladas y controladas. Adems se hace necesario desarrollar un modelo
de mltiples entradas-mltiples salidas para cumplir con los requerimientos de calidad y
mantener una operacin estable. Con base en un adecuado anlisis del proceso y los
requerimientos de calidad en la planta cementera, se seleccionaron dos variables
controladas: tamao de partcula (15 % retenido en la malla 325) y humedad en el
producto final (85%). Debido a las limitaciones de la molienda solo se dispone de dos
variables manipuladas: la tasa de alimentacin de mineral fresco al molino y la tasa de
agua a la salida del molino, los principales parmetros del circuito de molienda
estudiado estn dados en la Tabla 5.
37
5.3.1
En total se obtuvieron cuatro respuestas en lazo abierto del sistema, las cuales pueden
ilustrarse en las figuras 9-12.
La Figura 9 muestra el comportamiento del tamao de partcula ante un cambio de
escaln positivo en la tasa de alimento de mineral de +1.7 ton/h; este cambio causa un
aumento en el tamao de partcula (aumento del porcentaje retenido) o una disminucin
en trminos del porcentaje pasante la malla 325 (% - 325). Esto se traduce
principalmente en la incapacidad que tiene el molino de procesar una cantidad ms
grande de partculas gruesas.
Figura 9. Respuesta del tamao de partcula ante un cambio positivo en la tasa de alimento de
mineral.
El cambio de escaln positivo en la tasa de agua a la salida del molino +16 gpm,
inicialmente causa una clasificacin fina (aumento en el porcentaje pasante la malla
325), Figura 10. Esta condicin genera una disminucin de los slidos que regresan al
molino. Posteriormente, la descarga del molino aumenta rpidamente su granulometra,
por consiguiente en el sobre flujo aumenta la granulometra hasta que la operacin se
estabiliza en un tamao de partcula ligeramente ms grueso que el inicial.
38
Figura 10. Respuesta del tamao de partcula ante un cambio positivo en la tasa de agua.
Las respuestas de la humedad, ante cambios de escaln en las dos variables manipuladas
pueden ser analizadas similarmente a partir de las Figuras 11-12.
Figura 11. Respuesta de la humedad ante un cambio positivo en la tasa de alimento de mineral.
39
5.4
REPRESENTACIN MATEMATICA DEL CIRCUITO
MOLIENDA POR MEDIO DE FUNCIONES DE TRANSFERENCIA
DE
Y = GU
(59)
Donde:
S p
F f
G G
Y = , U = y G = 11 12
G 21 G 22
H m
Wd
(60)
G11 =
Sp
Fd
0.58e 41s
83s + 1
40
(61)
G21 =
G22 =
Hd
0.67
=
Fd 1200 s + 1
Hd
0.28
=
Wd
431s + 1
(62)
(63)
(64)
41
42
43
6. RESULTADOS EXPERIMENTALES
Una vez obtenidas los modelos mediante funciones de transferencia (como se menciono
en el capitulo 4 seccin 4.1) que relacionan las variables manipuladas y controladas se
procede a hacer una validacin del modelo, esto con el fin de mirar si el modelo sigue la
respuesta del proceso y as poder disear una estrategia de control que permita mejorar
el rendimiento del circuito de molienda.
Una prueba simple es comparar en un mismo grfico los datos experimentales con las
funciones de transferencia del modelo desarrollado y mirar el comportamiento, esto se
logra con la ayuda del software MATLAB y sus herramientas de diseo de sistemas
de control. Las Figuras 17-20 muestran el seguimiento del modelo para cada par de
variables relacionadas anteriormente.
Figura 17. Seguimiento del modelo de Sp ante un cambio positivo en la tasa de alimentacin de
mineral.
44
Figura 18. Seguimiento del modelo de Sp ante un cambio positivo en la tasa de agua.
Figura 19. Seguimiento del modelo de Hd ante un cambio positivo en la tasa de alimentacin de
mineral.
45
Figura 20. Seguimiento del modelo de Hd ante un cambio positivo en la tasa de agua.
Se puede apreciar en todas las figuras, el modelo lineal obtenido se ajusta muy bien a
las dinmicas requeridas por el circuito de molienda.
0.58 - 0.0504
K=
0.28
- 0.67
46
(65)
Con base en esta MGEE, parecer que debiera elegirse la combinacin de variable
controlada y manipulada con lo que se obtiene el valor absoluto ms grande en cada
lnea; es decir, si K 12 es mayor que K 11 entonces se debe elegir la tasa de agua para
controlar la DTP sin embargo, esta manera de elegir el par de variable controlada y
manipulada no es completamente correcta, ya que las ganancias Kij pueden tener
diferentes unidades y, consecuentemente, no es posible hacer la comparacin. Como se
ve, la matriz depende de las unidades y, por lo tanto, no es til para este propsito.
Para normalizar la MGEE y hacerla independiente de las unidades, se utilizo la tcnica
que desarroll Bristol (Bristol, 1966). La matriz de ganancia relativa de Bristol (MGR)
obtenida partir de la MGEE para el circuito de molienda es:
0.8279 0.1721
0.1721 0.8279
(66)
NI =
det (K)
2
(67)
jj
j =1
47
48
49
Como puede observarse de las ecuaciones (61)-(64), todas ellas presentan sus polos en
el semiplano izquierdo del plano s, adems observando las figuras 21-24 y teniendo en
cuenta el criterio de estabilidad de Nyquist se puede concluir que el proceso en lazo
abierto es estable, debido a que ningn polo de las funciones de transferencia graficadas
en las figuras 21-24 encierra el punto -1+j0.
6.3.
D11 =
D12 =
0.28
431s + 1
D21 =
0.67
1200 s + 1
D22 =
0.58e 41s
83s + 1
50
(68)
(69)
(70)
(71)
Figura 25. Respuesta del proceso en lazo abierto ante una seal aleatoria en la tasa de
agua.
En la figura 25. Se observa que al tomar el sistema en lazo abierto y fijar la tasa de
alimento, se vario la tasa de agua con una seal de excitacin aleatoria con tiempo de
muestreo de 50 segundos y una amplitud con un valor mnimo de 74 gpm y un mximo
105 gpm, que son los valores en los que fluctan normalmente la tasa de agua en la
planta industrial de Nare. La figura 25 presenta una gran oscilacin y convierte el
circuito de molienda en un sistema oscilatorio.
Figura 26. Respuesta del proceso en lazo abierto ante una seal aleatoria en la tasa de
alimento.
51
Con respecto a la figura 26. Puede decirse que al realizar un cambio similar en la tasa de
alimento con una seal aleatoria con un periodo de 50 segundos con un valor mnimo de
4 tph y un mximo de 8 tph (debe aclararse que estos cambios en la tasa de alimento en
la planta Nare no son tan extremos, pero para efectos de simulacin se tom una
amplitud extrema con el objeto de determinar como esta variable afectaba la humedad),
se obtiene un respuesta del sistema oscilatoria y no se logra alcanzar el estado estable.
De acuerdo a las figuras 25 y 26 puede inferirse que el circuito de molienda es un
circuito altamente acoplado y su dinmica es fuertemente afectada ante un cambio de
una variable cualquiera, como puede ser la presin, el tamao de corte, la velocidad del
molino o el tiempo de residencia del mineral en el molino. Adems los aspectos antes
mencionados ratifican la teora propuesta por Bristol con respecto a la matriz de
ganancia relativa y a la interaccin de las dos variables controladas como puede
apreciarse en la ecuacin (66).
Una vez hecho el anlisis de interaccin entre las variables del circuito de molienda y
con base en la estrategia de control que se va a disear, se hace necesario el desacople
del circuito.
Figura 27. Respuesta del proceso desacoplado ante un cambio aleatorio en la tasa de agua.
La figura 27 muestra como una vez realizados los clculos para el desacoplador,
simulado el sistema con el circuito de molienda con el desacoplador calculado y
haciendo el mismo cambio en la tasa de agua se disminuye el efecto de esta sobre el
tamao de partcula. Similarmente puede inferirse como la interaccin entre la tasa de
alimento y la humedad se disminuy notablemente (figura 28) cuando se simul con las
mismas condiciones para la tasa de alimento con respecto al sistema desacoplado.
52
Figura 28. Respuesta del proceso desacoplado ante un cambio aleatorio en la tasa de
alimento.
Puede concluirse que el sistema esta desacoplado y por tanto puede disearse un
controlador diagonal, obtenindose un controlador SISO. Estas condiciones garantizan
mayor controlabilidad del proceso despus de la compensacin dinmica.
6.3.2
53
x1
x 2 0.0617 - 0.01901 - 0.00371
0
0
0
0
0
x1 0.0625
x
0
.
03125
0
0
0
0
0
0
0
x3
2 0
x3 0
0
0.003906
0
0
0
0
0
0
x
x
0
0
0
- 0.0617 - 0.01901 - 0.00371
0
0
0
.
03125
4
4
+
=
u
x
0
0
0
0.03125
0
0
0
0
0
x5
5
0
0
0
0
0.003906
0
0
0
x6 0
x6
0
0
0
0
0
0
0.01437
0.007156
0
.
03125
x
7
x 8 0
0
0
0
0
0
0
0.003906
0
7
x8
x1
x2
x3
x4
y = [0 0 - 0.04868 0 0 0.05727 0 - 0.03719]
x
5
x6
x7
x
8
(72)
(73)
Las respuestas en frecuencia y estabilidad tanto en lazo abierto como en lazo cerrado de
la funcin de transferencia G1(s) se pueden apreciar en las figuras (30)-(35).
Como se puede apreciar de la figura 30, se infiere que el circuito de molienda es de fase
no mnima, debido a los retardos que se presentan en dos de las cuatro funciones de
transferencia del proceso. Adems, se observan las caractersticas de la ganancia y de la
fase del sistema sobre un rango de frecuencia de 10-4 rad/seg. a 103 rad/seg. Segn el
diagrama se deduce que para bajas frecuencias el sistema es poco sensible a cambios en
los parmetros (tasa de alimento y tasa de agua). Alrededor de los 10-2 rad/seg el
54
sistema esta en la zona de mayor sensibilidad. Ya para los 103 rad/seg. el margen de
estabilidad del sistema es muy bajo.
55
56
Del anlisis anterior se puede concluir que la funcin de transferencia equivalente del
proceso es totalmente controlable y se puede disear un controlador por medio de
tcnicas mono variables para el circuito de molienda.
6.3.3.
Como el circuito de molienda es un proceso con una moderada interaccin entre sus
variables, pues su matriz de ganancias relativa (RGA) ecuacin (66) es de 0.8279 en su
diagonal principal y esta descrito por la siguiente matriz de funciones de transferencia:
0.58e 41s
83s + 1
G( s) =
- 0.67
1200s + 1
(74)
57
11 = 41 ;
12 = 8 ; 21 = 0 ; 22 = 0
(75)
1 min(41,8) min(0,0) ; 1 8
(76)
2 min(41,8) min(41,8) ; 2 0
(77)
Como se menciono en la seccin 4.4.2, se especifico que los retardos i deben ser los
mnimos posibles, de las expresiones (76) y (77) se obtiene un valor para 1=8 y 2=0,
de acuerdo con la ecuacin (34) las funciones de transferencia k1(s) y k2(s), toman la
forma siguiente:
k1 ( s ) =
k1 (s z ) 8 s
e
s (s + z )
k2 ( s) =
(78)
k 2 (s z )
s (s + z )
(79)
0.28 k1 (s z ) 8 s
e
431s + 1 s (s + z )
k11 ( s ) =
8 s
214 s
0.58 41s 0.28 0.72e 1 1.7e
e
83s + 1
431s + 1 (92 s + 1)(20 s + 1)
k11 ( s) =
s(s + z ) 2030e
(80)
- 0.67
1200s + 1
33 s
(92s + 1)(20s + 1) s (s + z )
k12 ( s ) =
8s
214 s
- 0.67
0.58 41s 0.28 0.72e 1 1.7e
83s + 1
431s + 1 (92 s + 1)(20 s + 1) 1200s + 1
k12 ( s) =
(900k ( 10 + 17e
s(s + z ) 2030e
(82)
33 s
58
214 s
))]
(83)
- 0.67 k1 (s z ) 8 s
1200s + 1 s (s + z )
k21 ( s) =
8 s
214 s
0.58 41s 0.28 0.72e 1 1.7e
e
83s + 1
431s + 1 (92 s + 1)(20 s + 1)
k21 ( s ) =
s (s + z ) 2030e
33 s
- 0.67
1200s + 1
(84)
0.58 41s k2 (s z )
e
83s + 1
s (s + z )
k22 ( s ) =
8 s
214 s
0.58 41s 0.28 0.72e 1 1.7e
83s + 1
431s + 1 (92 s + 1)(20 s + 1)
k22 ( s) =
- 0.67
1200s + 1
(86)
h2 ( s ) =
16 Am
k 2 (s z )
s + ( z k2 )s + k2 z
2
(88)
(89)
n = ki z
; =
59
z k2
2 ki z
(90)
Figura 36. Ganancia k1 para el controlador del circuito de molienda en funcin del margen de
ganancia deseado.
6. Con el fin de que todas las componentes del controlador presenten una
estructura PID, se toma en cuenta la reduccin de las funciones de transferencia
de las ecuaciones (53) y (54). De las ecuaciones (81), (83), (85) y (87) se puede
apreciar que todas las componentes del controlador carecen de retardo y son
altamente complejas de implementar, luego aproximando la expresin
simplificada inversa mji(s), para cada componente del controlador se tiene:
m11 ( s ) =
1.9844 10 3
s + 1.111 10 3
(91)
(92)
[ 2030((20s + 1)(92s + 1)(1200s + 1)) + 6030((83s + 1)(431s + 1)(1 1.7e ))](s + z ) (93)
(900( 10 + 17e )(83s + 1)(431s + 1)(1200s + 1))(s z )
214 s
m12 ( s ) =
214 s
m12 ( s)
1.0911 10 3
s + 1.111 10 3
(94)
m21 ( s ) =
2.4879 10 3
s + 3.333 10 3
(95)
(96)
m22 ( s ) =
60
(97)
m22 ( s)
7.1850 10 4
s + 8.333 10 4
(98)
s + 1.111 10 3
1.9844 10 3 s
k12 ( s) k12PI = k 2
s + 1.111 10 3
1.0911 10 3 s
k 21 ( s ) k 21PI = k1
s + 3.333 10 3
2.4879 10 3 s
k 22 ( s) k 22PI = k 2
s + 8.333 10 4
7.1850 10 4 s
(99)
(100)
(101)
(102)
Una vez obtenidas las aproximaciones PI en todos los elementos del controlador el paso
siguiente es sintonizarlo mediante las ganancias k1y k2 y simular todo el sistema de
control centralizado en un diagrama de bloques como el mostrado en la figura 5 junto
con la matriz de funciones de transferencia del circuito de molienda en hmedo.
61
Figura 37. Diagrama de bloques del sistema de control desacoplado con controladores PID
convencionales.
62
Figura 38. Oscilacin sostenida del sistema en lazo cerrado con kcr=-10.1.
En este diseo convencional se hallo la ganancia critica (kcr) del sistema en lazo cerrado
obtenindose un valor de kcr=-10.1 y un valor del periodo crtico igual a pcr=1250 s, lo
cual puede concluirse de la figura 38. se hallaron los tres tipos de controladores
(Proporcional, Proporcional integral y Proporcional integral derivativo) hallndose un
mejor desempeo del sistema en lazo cerrado con un controlador PID, los valores de la
ganancia proporcional , el tiempo integral y el tiempo derivativo son respectivamente
kp= -6.06, Ti=625 y Td=156.25.
En las figuras 39 y 40 se observa la respuesta del circuito de molienda ante cambios en
el punto de operacin del sistema cuando se implementa el controlador PID del tamao
de partcula y el porcentaje de humedad respectivamente.
Figura 39. Respuesta de la DTP con el controlador PID convencional ante un cambio en el punto de
operacin.
63
Figura 40. Respuesta del porcentaje de humedad con el controlador PID convencional ante un
cambio en el punto de operacin.
64
Figura 41. Respuesta de la DTP con el controlador PID convencional ante una perturbacin.
Figura 42. Respuesta del porcentaje de humedad con el controlador PID convencional ante una
perturbacin.
65
La figura 42 ratifica el desempeo del controlador cuando este se disea con dos lazos
de control separados, esta vez para una respuesta en el porcentaje de humedad. En este
caso se observa que a los 490 s, se presenta una humedad del 98%, generando un error
del 15.3%. Despus de los 500 s, la humedad empieza a descender pero una vez ms no
se alcanza el punto de operacin en el cual se cumplen las condiciones de calidad.
Las observaciones presentadas a partir de las figuras 41 y 42, permiten concluir que es
necesario disear un controlador en el cual se involucren todas las dinmicas y
perturbaciones comprendidas en un circuito de molienda. En la figura 43 se ilustra el
diagrama de bloques del controlador centralizado, el cual cumple con los requisitos
mnimos mencionados anteriormente. .
Figura 43. Diagrama de bloques del diseo del sistema de control centralizado.
Figura 44. Respuesta de la DTP con el controlador centralizado ante un cambio en el punto de
operacin.
66
Figura 45. Respuesta del porcentaje de humedad con el controlador centralizado ante un cambio en
el punto de operacin.
Figura 46. Respuesta de la DTP con el diseo del controlador centralizado ante una perturbacin.
67
Figura 47. Respuesta del porcentaje de humedad con el diseo del controlador centralizado ante
una perturbacin.
68
Las figuras 48 y 49 muestran que con los resultados obtenidos de la simulacin del
controlador centralizado se infiere que el diseo del controlador centralizado atena
considerablemente las perturbaciones generadas. Una vez implementado se puede
pensar en una estrategia de control mejorada teniendo en cuenta sistemas de control
multivariable en las que se tengan en cuenta todas las perturbaciones y posibles
variables como son: porcentaje de slidos, carga circulante y tiempo de residencia. Cabe
aclarar que se requiere de una instrumentacin adecuada para dicha implementacin y
evaluacin.
69
8.
DISCUSIN DE RESULTADOS
70
potencial que puede llegar a tener la implementacin de una estrategia de este tipo en la
industria cementera Colombiana.
Con esta investigacin y la posible implementacin de la estrategia de control diseada
se puede pensar en el uso de otro tipo de estrategias de control que permitan evaluar e
identificar los parmetros del circuito de molienda y hacer uso de tcnicas de
identificacin de parmetros en lnea que nos permitan encontrar relaciones entre otras
variables operacionales tales como, la razn de recirculacin, el porcentaje de slidos en
el molino. El cort circuito de finos y el ndice de claridad.
71
9.
CONCLUCIONES
72
73
10. RECOMENDACIONES
Como paso siguiente en el desarrollo de este trabajo es necesario realizar la
implementacin fsica del esquema propuesto, y comparar asimismo los resultados del
montaje con los obtenidos mediante la simulacin del proyecto.
Es necesario buscar otras formas de generar o evaluar el vector de estados necesario
para la realimentacin, y evitar el indeseable uso de la derivacin de la salida, que
permitan un mejor funcionamiento del esquema de control. Tales formas pueden ser
usar otras estrategias de medicin o la estimacin de los estados faltantes mediante
Observadores de Estado en incluso Observadores ptimos como los Filtros de Kalman,
(Ogata, 1996), (Kwakernaak, 1975), (Mosca, 1995).
Debe estructurarse otra forma para determinar el valor de los parmetros de la planta,
para evitar la complejidad algebraica y numrica que tiene la forma expuesta en este
trabajo. Ya sea por el uso de transformaciones aproximadas de la funcin de
transferencia o el uso de alguna forma de estimacin de los parmetros deseados a partir
de los coeficientes de la planta ya sea mediante regresiones o de correlaciones entre
estos.
74
11. BIBLIOGRAFIA
Astrom, K., & Hagglund, T. PID controllers: Theory, design and tuning. North
Carolina, USA: Instrument Society of America;1995.
Austn, L. G. & Concha, F. Diseo y simulacin de circuitos de molienda y
clasificacin. Programa Iberoamericano de ciencia y tecnologa para el desarrollo.
CYTED. Subprograma de Tecnologa Mineral. Red de Fragmentacin XIII-A.
Concepcin. Chile. 1994.
Bequette, B.W.Process Control: Modeling, Design, and Simulation. Prentice Hall, NJ,
USA. 2002.
Bouche. C, Brandt. C, Broussaud. A, Drunick. W. Advanced control of gold ore
grinding plants in South Africa. Minerals Engineering Vol 18 pp 866876. 2005.
Bouso. J. L, , Evolucin histrica de los circuitos de molienda. Eral equipos y procesos,
S.A. Procesamiento de minerales. Rocas y minerales. 2004.
Brinksmeier. E, Aurich. J. C, Govekar. E, Heinzel. C., Hoffmeister. H.-W, Klocke. F,
Peters. J, Rentsch. R, Stephenson. D. J, Uhlmann. E, Weinert. K and Wittmann. M.
Advances in Modeling and Simulation of Grinding Processes. Annals of the CIRP Vol.
55-2.Pp 667-696.2006.
Bristol, E. H., On a New Measure of Interaction for Multivariable Process Control,
Trans. IEEE. Enero 1966.
Bustamante M.O, Programa de Optimizacin de molienda, Comunicacin personal,
2009.
Chica, L. Estudio del cortocircuito de finos en hidrociclones operados con suspensiones
poliminerales en la industria cementera. Tesis de Maestra. Universidad Nacional de
Colombia-Sede Medelln. 2009.
Conrad A.V.E. & Aldrich C. Neurocontrol of a ball mill grinding circuit using
evolutionary reinforcement learning. Minerals Engineering, VoI. 14, No. 10, pp. 12771294. 2001.
Corripio, A.B. & Smith, C.A. Control automtico de procesos: Teora y Practica.
Noriega Editores 2000.
Duarte M, Seplveda F, Castillo A, Contreras A, Lazcano V, Gimenez P, Castelli L. A
comparative experimental study of five multivariable control strategies applied to a
grinding plant. Powder Technology Vol. 104, pp. 1-28. 1999
75
Optimal, predictive, and adaptive control. Prentice Hall. New York. 1995.
Najim. K., Hodouin. D., Desbiens. A., Adaptive control: state of the art and an
application to grinding process. Powder Technology, Vol.82, pp 59-68, 1995.
Niemi. A.J., Tian L & Ylinen R. 1997. Model predictive control for grinding systems.
Control Eng. Practice, Vol. 5, No. 2, pp 271-278, 1997.
76
77
Takatsu H., Itoh T. & Araki M. Future needs for the control theory in industries. Report
and topics of the control technology survey in japanese industry. Journal of Process
Control, 8:369374, 1998.
Tangsathitkulchai, C. Acceleration of particle breakage rates in wet batch ball milling.
Powder Technology.124 p 67-75. 2002.
Tavakoli S.; Griffin, I.; Fleming, P. J.: Tuning of decentralised PI (PID) controllers for
TITO processes. Control Engineering Practice 14, pp. 1069-1080. (2006)
Vzquez, F.; Morilla, F.; Dormido, S. An iterative method for tuning decentralized
PID controllers. Proceeding of the 14th IFAC World Congress, pp. 491-496. (1999)
Vzquez, F. Diseo de controladores PID para sistemas MIMO con control
descentralizado.Tesis doctoral. UNED, 2001.
Vzquez, F.; Morilla, F. (2002) Tuning decentralized PID controllers for MIMO
systems with decoupling. Proceeding of the 15th IFAC World Congress, pp. 21722178.
Vinante, C. D.; Luyben, W. L. (1972) Experimental studies of destillation decoupling,
Kem. Teollisuus, 29, 499.
Wang, Q. G.; Hang C. C.; Zou, B. (1996) A frequency response approach to
autotuning of multivariable PID controllers, Proceeding of the 13th IFAC World
Congress, pp. 295-300.
Wang, Q. G.; Huang B.; Guo, X. (2000) Autotuning of TITO decoupling controllers
from step tests, ISA Transactions, 39, pp. 407-418.
Wang, Q. G. Decoupling Control. Lecture Notes in Control and Information Sciences;
285. Springer-Verlag. (2003).
Xi-song Chen, , Qi Li, Shu-min Fei, Supervisory expert control for ball mill grinding
circuits, Expert Systems with Applications 34 (2008) 18771885
Xi-song Chen *, Jun-yong Zhai, Shi-hua Li, Qi Li, Application of model predictive
control in ball mill grinding circuit, Minerals Engineering 20 (2007) 10991108.
78