Documentos de Académico
Documentos de Profesional
Documentos de Cultura
235MC Bylz PDF
235MC Bylz PDF
Director de tesis:
Dr. Manuel Adam Medina
Co-Director de tesis:
Dr. Carlos Manuel Astorga Zaragoza
Jurado:
Dr. Luis Gerardo Vela Valds Presidente
Dr. Alejandro Rodrguez Palacios Secretario
Dr. Manuel Adam Medina Vocal
Dr. Carlos Astorga Zaragoza Vocal Suplente
13 de Noviembre de 2009
Dedicatoria
A Dios
Por permitirme llegar a este momento tan especial en mi vida. Por los triunfos y los
momentos difciles que me han enseado a valorarte cada da ms.
A mis Padres.
A quien les debo todo en la vida, les agradezco el cario, la comprensin, la paciencia y el
apoyo incondicional que me han brindado para culminar mis estudios de maestra. Sin su
ejemplo no hubiera llegado hasta aqu. Los quiero mucho!
A mis Hermanos.
Porque siempre he contado con ellos para todo, gracias a la confianza que siempre nos
hemos tenido; por el apoyo y amistad.
Gracias!
A mis Familiares.
A todos mis familiares que me resulta muy difcil poder nombrarlos en tan poco espacio, sin
embargo de un modo particular a la familia Amores Faras, ya que siempre he contado con
su apoyo y amor incondicional. A mi to Raciel por ser un ejemplo a seguir.
A mis amigos.
Por estar siempre ah, por sus consejos, por todo lo que han aportado a mi vida y por todos
los buenos momentos que pasamos juntos.
A mis maestros.
Gracias por su tiempo, por su apoyo as como por la sabidura que me transmitieron en el
desarrollo de mi formacin profesional, en especial: al Dr. Manuel Adam Medina por haber
guiado el desarrollo de este trabajo y llegar a la culminacin del mismo.
Agradecimientos
A mi mam porque siempre me hizo sentir que nunca estaba sola y que ella estaba cerca en
todo momento, por cuidarme, por confiar en m y por hacer que siempre viera el lado
positivo de las cosas. A mi pap por darme su confianza y hacer sentirme segura. A ambos
por sus sabios consejos y por darme el mpetu y las ganas de superarme da a da. Asimismo
les doy las gracias por ser mi inspiracin.
A mi hermana Jeanette porque aun estando lejos siempre me hiciste sentir cerca de la
familia, porque siempre seguirs siendo mi mejor amiga. Te quiero mucho. A mis sobrinos
Diego y Daniel porque los siento parte de mi y por los momentos que me han regalado.
A mi hermano Rodolfo, siempre he contado contigo, gracias por las llamadas y la
confianza que me tienes.
A mis abuelitas Yoli y Betty porque siempre estuve en sus oraciones y se preocupaban por
m, las quiero.
A la familia Amores Faras por el apoyo y cario que siempre me han demostrado, en
especial a Gabby gracias por escucharme y por todas tus recomendaciones.
A mi to Raciel gracias por exhortarme a salir siempre adelante y hacerme ver que hay que
visualizar el futuro, as mismo te agradezco por ensearme que en la vida hay que tener
objetivos y luchar con todo para conseguirlos
A mi primo Luis gracias por escucharme y brindarme ayuda, gracias tambin por los
consejos y por ser como eres.
A mis primas Teresita y Ana gracias porque el tiempo que estuve en Cuernavaca, las
conoc mucho mejor y me hicieron saber que no importa el lugar ni la distancia, uno
siempre tiene una familia cerca con quien contar.
A la familia Morn Faras gracias porque me hicieron sentir parte de su familia y siempre
estuvieron conmigo.
A Karla, gracias por ser mi amiga, por esa alegra que contagias, por el apoyo, por los
consejos, por ser de las pocas personas que es muy sincera conmigo y siempre ha estado a
un lado de m.
A Juan, gracias porque a pesar del todo el tiempo que ha transcurrido, aun seguimos al pie
del can, tanto para las cosas buenas como para las malas, por hacerme ver las cosas de
otra perspectiva y siempre estar ah.
Agradecimientos
A Oscar gracias por tu amistad, por tus comentarios, por tu apoyo, por los buenos
momentos y por mostrarme la gama de opciones que existen para molestar a la gente. TQ
A Paty gracias por ser tan diferente, por ver la vida de diferente forma y ensearme esa
forma tan tuya de ver las cosas, gracias por esos partidos de basket.
A Ricardo gracias por la paciencia, apoyo y las enseanzas que me brindaste, pero te
agradezco mucho ms la amistad que me ofreciste.
A Toms gracias por las platicas en el jardn, por los consejos, por bajarme de mi nube y
ser sincero conmigo.
A Adriana Tellez, por tus comentarios tan acertados y por todas las veces que revisaste mi
trabajo.
A Pia, Rachel y Mai por dejarme tratarlas, por el tiempo que convivimos, por ser todas
unas bilinges, por sus comentarios, pero especialmente a Mai por el cario que siempre
me demostr.
A todas aquellas personas muy especiales que conoc y que llenaron de alegra mi vida,
Gracias (Fabby, Wendy, Noe, Edwing, Elena, Saul, Samuel, Javier, Mario, Julio, Hctor,
Valezka).
Al Dr. Manuel Adam Medina por su esfuerzo y dedicacin. Sus conocimientos, sus
orientaciones, su Paciencia, y motivacin, que han sido fundamentales para la culminacin
de este trabajo.
A mis revisores: Dr. Alejandro Rodrguez Palacios y Dr. Luis Gerardo Vela Valds por
sus comentarios y consejos acertados, que contribuyeron al buen desarrollo de esta tesis.
Dr Alejandro gracias por ser un amigo.
Al CENIDET por permitirme crecer profesionalmente; y a todo el personal que labora en
el centro, por todas las finas atenciones prestadas durante mi estancia.
Finalmente a CONACYT por el apoyo econmico que me brindaron para la realizacin del
trabajo.
Resumen
En este tema de tesis se desarroll un mtodo de diagnstico de fallas basado en multimodelos utilizando filtros de Kalman desacoplados, con el residuo insensible a fallas que
generaron los filtros y por medio de la probabilidad Bayesiana se obtuvo la estimacin de
la funcin de activacin que da la contribucin de cada modelo, y con el residuo sensible
a fallas, se detect, localiz y estimo la falla. Este mtodo aborda sistemas no lineales
continuamente diferenciables mediante el enfoque multi-modelos. El mtodo de
diagnstico desarrollado se valid tanto en simulacin como de manera experimental en
un intercambiador de calor tipo tubos concntricos. Este proceso est representado por la
maqueta de laboratorio o planta piloto RCT 100. Para la validacin de los modelos se
presentan pruebas experimentales. Para facilitar al usuario la visualizacin del enfoque
mencionado se desarroll una interfaz grfica que indica el elemento daado, muestra la
estimacin de las temperaturas de salida del intercambiador de calor, expone las
probabilidades calculadas y muestra el residuo sensible a fallas.
Abstract
In this thesis topic a fault diagnosis method based on multi-model using decoupled Kalman
filters was developed, with the residue insensitive to faults generated through filters and
Bayesian probability we got the estimate of the activation function which gives the
contribution of each model, and the fault-sensitive residue we detected, located and
estimated the fault. This method deals with continuously differentiable nonlinear systems
using multi-model approach. The diagnostic method developed was validated on
simulation and experimentally in a heat exchanger. This process model is represented with
a bench-scale pilot plant RCT 100. For the purpose of validated the models, we presented
experimental evidence. To facilitate user viewing the above approach, a graphical
interface that shows the damaged item was developed the estimated temperature of heat
exchanger outlet, the calculated probabilities and the residue susceptible to fail.
Tabla de Contenido
LISTA DE FIGURAS
TABLAS
IX
NOTACIN
XI
INTRODUCCIN
21
2.1 GENERALIDADES
2.1.1 CLASIFICACIN DE LOS INTERCAMBIADORES DE CALOR
2.2 MODELADO DEL INTERCAMBIADOR DE CALOR
2.2.1 MODELO DE PARMETROS CONCENTRADOS
2.2.2 MODELO DE DIFERENCIAS DE TEMPERATURA A LA ENTRADA
22
23
25
25
28
Tabla de Contenido
41
59
59
60
62
63
63
65
68
73
73
75
77
77
79
82
II
5. CONCLUSIONES
83
85
85
BIBLIOGRAFA
87
93
B. PROBABILIDAD DE BAYES
95
C. LINEALIZACIN
99
D.FILTRO DE KALMAN
101
105
F. INTERFAZ GRFICA
107
III
Tabla de Contenido
IV
Lista de figuras
1.1 Clasificacin de los algoritmos de modelos mltiples 9
1.2 Curva de respuesta de un sistema no lineal representado
por sistemas lineales..10
1.3 Tipos de fallas.. 11
1.4 Representacin de un proceso industrial sujeto a entradas desconocidas.. 13
1.5 Mtodo de deteccin y localizacin de fallas.. 14
2.1 Intercambiador simple de tubos concntricos 22
2.2 Clasificacin de los intercambiadores de calor.. 24
2.3 Diseo de un proceso de intercambio de calor en contracorriente.25
2.4 Representacin del intercambiador de calor a travs de una celda
en contracorriente..26
2.5 Intercambiador de calor RCT 100 30
2.6 Diagrama de la instrumentacin del intercambiador de calor. 31
2.7 Tarjeta de adquisicin de datos USB6008 y sistema de
acondicionamiento de seal.31
2.8 Diagrama de la fuente de corriente controlada por voltaje......32
2.9 Vlvula de control del intercambiador de calor..32
2.10 Dimensiones de los tubos del intercambiador de calor..33
2.11 Validacin fuera de lnea del intercambiador de calor35
2.12 Flujo de entrada (vc).37
2.13 Comparacin de Tco del proceso con Tco de los modelos ITD y LMTD...37
2.14 Comparacin de Tho del proceso con Tho de los modelos ITD y LMTD...38
3.1 Conmutacin entre los modelos...43
3.2 Generador de residuos..51
V
Lista de Figuras
estimada.69
con
estimada..69
con
estimada.. 75
con
estimadas.. 78
.80
VII
Lista de Figuras
VIII
Tablas
2.1 Dimensiones del intercambiador RCT 100.33
2.2 ndices de desempeo...38
3.1 Comportamiento del residuo insensible a las fallas ( ) y
del sensible a estas ( )...55
4.1 Puntos de operacin del proceso.....64
4.2 ndices de desempeo FK.65
4.3 ndices de desempeo MML basado en FK...69
4.4 ndices de desempeo MML basado en FKD73
4.5 Puntos de operacin, validacin en lnea...79
A1.1 Parmetros del intercambiador de calor RCT100, modelo no lineal..93
C1.1 Parmetros del intercambiador de calor RCT100, modelo lineal....99
E1.1 Parmetros del intercambiador de calor RCT100, validacin en lnea.105
IX
Tablas
Notacin
Letras maysculas
A
Cp
Calor especfico.
Matriz identidad.
Vector de estados
Vector de salidas
Vector de estados estimado.
XI
Notacin
Letras minsculas
Vector de fallas.
g
Tiempo de muestreo.
kd
ke
Residuo.
Vector de entradas.
Letras griegas
X j
Y j
iX j
sistema.
iY j
XII
Matriz de detectabilidad.
Funcin de ponderacin.
Matriz de covarianza de los residuos.
Caracteres especiales
Letras subndices
c
Histrica.
In
Tiempo de muestreo.
Vector de entrada.
Vector de salida.
XIII
Notacin
Letras superndices
e
Punto de operacin.
Transpuesta.
XIV
Introduccin
El desarrollo del diagnstico y de la automatizacin se realiza principalmente en el
dominio de los estudios de los sistemas lineales. Sin embargo, la mayora de los
procesos industriales son de naturaleza no lineal. Con el objetivo de resolver el
problema del diagnstico para estos procesos y con la hiptesis de la
representacin de un sistema no lineal exacto, muchos trabajos presentados
consisten en generar residuos desacoplados de las fallas para alguna clase
particular de sistemas no lineales, como los sistemas bilineales [1] y los sistemas
polinomiales.
En las tcnicas dedicadas al diagnstico de sistemas no lineales, es necesario
citar los artculos dedicados al desacoplamiento exacto de las fallas. Hammouri y
colaboradores [2] y DePersis e Isidori [3] utilizan mtodos geomtricos. As como
Alcorta-Garca y Frank [4] usan mtodos analticos. Estos mtodos se utilizan si
existe una descripcin matemtica del sistema. Desgraciadamente, esta condicin
no se satisface fcilmente, debido a la complejidad de los sistemas no lineales.
Esta complejidad hace difcil efectuar un desacoplamiento de las fallas.
Si las representaciones no lineales son difciles de obtener, existe otro tipo de
representacin. sta consiste en definir diferentes puntos de funcionamiento y
considerar un modelo lineal alrededor de cada punto de operacin. El mtodo
concerniente al estudio de sistemas basado en el enfoque multi-modelos,
constituye otra manera de representar de forma aproximada la dinmica de un
sistema no lineal.
En el marco de los enfoques multi-modelos, se puede constatar que existen un
gran nmero de trabajos en trminos de modelado y de control. stos utilizan el
principio divide y vencers [5, 6], para la representacin del comportamiento
dinmico de sistemas no lineales.
En los sistemas no lineales, el enfoque multi-modelos aparece en los aos
noventas del siglo pasado, principalmente en el dominio de control basado en la
lgica difusa. sta ha permitido realizar el control de sistemas no lineales descritos
por modelos lineales interpolados. stos se han desarrollado a partir de
algoritmos de particin, permitiendo determinar el campo de funcionamiento de los
modelos locales, pero igualmente ayuda a la definicin de la estructura, como el
de Takagi- Sugeno [7].
Un vasto estudio sobre estas diferentes tcnicas se encuentra en Gasso [8]. En
donde un anlisis a nivel de la estructura y de la seleccin de los modelos se ha
1
Introduccin
Introduccin
Captulo 1
CAPITULO 1
Alcances:
En este trabajo se desarrolla e implementa un sistema de diagnstico de fallas
para el intercambiador de calor, el cual detecta, localiza y estima las fallas de
sensores del intercambiador de calor y deja abierta la puerta para implementar un
control tolerante a falla.
En este trabajo se estudia y desarrolla un modelo matemtico simplificado del
intercambiador de calor tipo enfriador de tubos concntricos que permite
desarrollar filtros que estiman las variables de salida del intercambiador de calor.
Se disea una interfaz grfica la cual permite detectar, localizar y estimar las fallas
del intercambiador de calor en lnea.
Limitaciones:
Por la eleccin de la planta de trabajo, en este caso el intercambiador de calor
est limitado a slo poder detectar una falla de sensor. La falla se detecta un
tiempo de muestreo despus de que aparece la falla, debido al diseo del filtro.
El intercambiador de calor no est totalmente instrumentado, ya que no cuenta
con sensores de flujo.
El diseo del FDI que se presenta slo detecta, localiza y estima fallas de
sensores.
1.4 MOTIVACIN Y JUSTIFICACIN
CAPITULO 1
CAPITULO 1
Figura 1.2 Curva de respuesta de un sistema no lineal representado por sistemas lineales [16].
11
CAPITULO 1
Por su nmero, las fallas se clasifican en nicas y mltiples. Las fallas se clasifican
por su temporalidad en sbitas y progresivas como se puede observar en las
Figuras 1.3b y 1.3e. En las fallas sbitas el residuo cambia de valor
instantneamente, mientras que en las fallas progresivas, el residuo cambia de
valor gradualmente. Por su duracin las fallas se clasifican en, intermitentes y no
intermitentes como se observa en las Figuras 1.3c y 1.3f. Las fallas intermitentes
se presentan por lapsos de tiempo, mientras que las fallas no intermitentes se
presentan continuamente.
12
Con el fin de realizar la tarea del diagnstico de fallas diferentes mtodos se han
desarrollado. Estos ltimos se dividen en dos grandes clases:
1. Los mtodos inductivos o deductivos. En este marco, el tipo de
razonamiento utilizado constituye la principal caracterstica de estos mtodos. A
partir de un conocimiento a priori de la falla, el mtodo deductivo estudia el efecto
13
CAPITULO 1
(1.1)
Donde
entradas,
2. Sea para cada tipo de fallas una i-sima representacin particular del
sistema
.
Estas representaciones conducen a diferentes mtodos de generacin de residuos
con fines de diagnstico. Por ejemplo: El mtodo de desacoplamiento.
15
CAPITULO 1
(1.2)
En donde,
representa el vector de fallas,
y , son dos matrices de
dimensiones apropiadas, que expresan la distribucin de la fallas.
A partir de esta representacin analtica, la sntesis de residuos por el mtodo de
desacoplamiento de las fallas se determina utilizando: a) observadores para
entradas desconocidas (en donde un anlisis bibliogrfico se presenta en el tercer
captulo del libro de Chen y Patton [28]) o b) por filtros de deteccin (en donde
una edicin especial le ha sido dedicada completamente en Edelmayer [29]) o c)
por ecuaciones de paridad estructurada considerando la redundancia temporal
[21]. Infinidad de trabajos se han desarrollado en libros y revistas, con el manejo
de estos enfoques, que no describiremos aqu. Contrario a esto y dada la
importancia y la contribucin a la propuesta, la seccin siguiente se dedicar a
mencionar los mtodos basados en multi-modelos lineales.
CAPITULO 1
no lineales, por lo que los mtodos de mltiples modelos lineales son una buena
alternativa de solucin para la identificacin del modelo ms representativo del
sistema y para disear e implementar la ley de control [16, 42].
Con el fin de representar el comportamiento dinmico del sistema, un enfoque
basado en varios modelos lineales invariantes en el tiempo, se ha desarrollado
[46, 49]. Sin embargo, el mtodo no estaba enfocado a FDI hasta que autores
como [23, 40, 43] lo proponen como un nuevo esquema de diagnstico de fallas
para sistemas no lineales, donde el sistema de diagnstico posee la capacidad de
detectar fallas mltiples que se presenten en forma simultnea o secuencial en
sensores y/o actuadores.
Dentro de los esquemas de diagnstico que se han aplicado se encuentra el
trabajo de Niemann y colaboradores [56], donde a partir del uso de modelos
mltiples, se aplica un mtodo de diagnstico de fallas activo sobre un sistema de
turbinas de viento. Otra aplicacin se observa en [9] donde se utilizan filtros de
Kalman y observadores en lazo abierto para la estimacin de estados y la
generacin de residuos; esta metodologa se aplica a un reactor de pH.
En procesos qumicos, un esquema de diagnstico y localizacin de fallas se
desarrolla por [35], las simulaciones muestran la efectividad del algoritmo sobre un
reactor operado por lotes; dicho algoritmo utiliza filtros de Kalman para detectar la
falla y para determinar su causa.
Otro trabajo es el esquema de diagnstico de fallas basado en mltiples filtros de
Kalman propuesto por los autores en [57], donde la eficacia de la propuesta se
demuestra mediante la realizacin de estudios de simulacin en dos procesos: un
reactor continuamente agitado (CSTR) y una columna de destilacin binaria de
alta pureza. Tambin en intercambiadores de calor, los autores en [6, 58]
presentan un algoritmo FDI basado en modelos mltiples.
1.7 METODOLOGA
CAPITULO 1
20
Captulo 2
2. MODELADO DEL
INTERCAMBIADOR DE CALOR
El objetivo de este captulo es presentar el desarrollo y la implementacin del
modelo matemtico del intercambiador de calor tipo tubos concntricos, el cual
funciona como un enfriador. Tambin se presentan los experimentos que validan
dicho modelo.
En este captulo se presenta el modelado del intercambiador de calor. El modelo
de este proceso es un caso de modelo con parmetros distribuidos que en teora
del control normalmente se lleva a un modelo con parmetros agrupados (en
ingls, lumped parameter models) mediante el seccionamiento del intercambiador
de calor. En la Seccin 2.1 se presentan los conceptos bsicos y generalidades de
los intercambiadores de calor. En la Seccin 2.2 se obtiene el modelo matemtico
a partir de balances de energa del intercambiador de calor donde se obtienen dos
modelos basados en las definiciones formales del coeficiente de transferencia de
calor: el modelo de diferencia de temperaturas a la entrada (ITD por su acrnimo
en ingls) y el modelo de diferencia de temperaturas media logartmica (LMTD por
su acrnimo en ingls). En la Seccin 2.3 se describe la planta en la que se
desarrolla este trabajo de investigacin. En la Seccin 2.4, se hace una
21
CAPTULO 2
2.1 GENERALIDADES
El rol de los intercambiadores de calor ha adquirido una gran importancia ante la
necesidad de ahorrar energa y disponer de equipos ptimos no slo en funcin de
su anlisis trmico y del rendimiento econmico de la instalacin, sino tambin en
funcin de otros factores como el aprovechamiento energtico del sistema y la
disponibilidad y cantidad de energa y de materias primas necesarias para cumplir
una determinada funcin.
Desde el momento en que un intercambiador de calor se instala y se pone en
funcionamiento dentro de un proceso de transferencia trmica, se precisa un
determinado gradiente de temperatura para efectuar la transferencia de calor; la
magnitud de este gradiente se puede reducir utilizando un intercambiador mayor,
pero a su vez implica un mayor costo, tanto de tipo econmico, como energtico.
Los intercambiadores de calor son tan importantes y tan ampliamente utilizados en
la industria, que su diseo ha experimentado un gran desarrollo, existiendo en la
actualidad normas ideadas y aceptadas por TEMA que especifican con detalle los
materiales, mtodos de construccin, tcnicas de diseo y sus dimensiones.
El intercambiador de calor ms bsico se compone de un tubo dentro de otro tubo,
como se puedo observar en la Figura 2.1; este montaje de corrientes paralelas
funciona, tanto en contracorriente como en paralelo, circulando el fluido caliente o
el fro a travs del espacio anular, mientras que el otro fluido circula por la tubera
interior.
22
Cuando las temperaturas Th del fluido del lado caliente y Tc del fluido del lado fro
son variables de un punto a otro, a medida que el calor va pasando del fluido ms
caliente al ms fro, la velocidad de intercambio trmico entre los fluidos tambin
variar a lo largo del intercambiador, porque su valor depende, en cada seccin,
de la diferencia de temperaturas entre los fluidos caliente y fro.
En un flujo paralelo, la temperatura final del fluido ms fro nunca puede llegar a
ser igual a la temperatura de salida del fluido ms caliente. Sin embargo, en un
flujo en contracorriente, la temperatura final del fluido ms fro (que es el que se
calienta) puede superar la temperatura de salida del fluido ms caliente (que se
enfra), puesto que existe un gradiente de temperaturas favorable a todo lo largo
del intercambiador de calor.
En un intercambiador en contracorriente, los coeficientes de transferencia de calor
del lado de la carcasa y del lado de los tubos deben ser del mismo orden de
magnitud y ser de un valor grande para obtener un coeficiente global satisfactorio.
Recuperacin/Regeneracin.
Geometra de construccin: Tubos, planos y superficies extendidas.
Direccin de los flujos: Flujo Paralelo, contra flujo y flujo cruzado.
Mecanismo de transferencia de calor: De una fase y de dos fases.
Proceso de transferencia: Contacto directo e indirecto.
23
CAPTULO 2
1) Recuperacin/Regeneracin
a) Recuperador.
b) Regenerador.
2) Geometras de construccin
c) Tubular.
d) Planas.
e) Otras.
g) Contrarios.
h) Cruzados.
j) Evaporaccin.
k) Condensacin.
f) Paralelos.
4) Mecanismo de transferencia de calor
i) Una fase.
5) Proceso de transferencia
l) Directo.
m) Indirecto.
24
25
CAPTULO 2
Figura 2.4 Representacin del intercambiador de calor a travs de una celda en contracorriente.
al sistema
sobre los alrededores :
por conduccin trabajo de flecha ms
trabajo de flujo
radiacin o reaccin
(2.1)
26
se tiene:
(2.3)
De igual forma se procede con el elemento interno de la celda (ver Figura 2.4).
Aplicando el balance energa y despejando
se tiene:
(2.4)
27
CAPTULO 2
(2.5)
(2.6)
(2.7)
(2.8)
donde
28
Donde
(2.11)
Hay que resaltar que la ecuacin (2.11) se convierte en una forma indeterminada
cuando
lo que es un problema para el modelo (2.9) y (2.10). Sin
embargo, como se prueba en [66] si se considera
donde
es una matriz de dimensin . El modelo de diferencia de temperatura
media logartmica tambin se considera para el diseo de observadores no
lineales.
29
CAPTULO 2
30
y
se miden por rotmetros de platon de seccin variable (FI1 y FI2
respectivamente).
Para la adquisicin de datos se utiliza una tarjeta de adquisicin de datos USB6008 de bajo costo, lo cual permite una fcil comunicacin entre las seales
adquiridas y el software empleado para el desarrollo de la interfaz grfica
(LabView). En la parte inferior derecha de la figura 2.7 se observa el convertidor
de corriente a voltaje.
31
CAPTULO 2
32
Con base en las medidas fsicas se realizaron los siguientes clculos para obtener
las reas de flujo, contacto y volmenes ocupados por los fluidos del lado fro y
caliente del intercambiador de calor. Para el flujo del lado caliente se tienen los
siguientes parmetros:
Tabla 2. 1 Dimensiones del intercambiador RCT 100
(2.12)
33
CAPTULO 2
Donde: es la longitud del tubo, con los diferentes subndices son los dimetros
de los tubos (ver Figura 2.10),
es el volumen en el interior del tubo,
es el
volumen en el tubo, es el volumen del flujo del fluido fro y con los diferentes
subndices son la reas de los tubos.
Los valores de las propiedades fsicas de los fluidos (, Cp) se presentan en el
Anexo A.
34
* Variables manipuladas
Thin,
* Variables de entrada
Tcin, Thin,
c,
* Variables de salida
Tco y Tho
Los parmetros del proceso son: AI, cpc, cph, hc, hh, Vc, Vh y U, cuyos valores se
pueden consultar en el Anexo A.
35
CAPTULO 2
2.4.3 EXPERIMENTOS
Se realizan diferentes pruebas experimentales en las que se utiliza el protocolo de
pruebas que se defini en el apartado anterior. A continuacin se especifica una
de las pruebas hechas, en la cual se vara el flujo de agua fra.
a) Se mantienen fijas las temperaturas de entrada y el flujo de entrada del lado
frio se vara de tal manera que simule una seal como la que se muestra en la
Figura 2.12.
b) Las temperaturas Tcin, Thin y el flujo de entrada del agua caliente (
mantienen fijas.
) se
Figura 2.13 Comparacin de Tco del proceso con Tco de los modelos ITD y LMTD.
37
CAPTULO 2
Figura 2.14 Comparacin de Tho del proceso con Tho de los modelos ITD y LMTD.
En cada grfica se observa que las temperaturas de salida de los modelos ITD y
LMTD siguen el comportamiento de las temperaturas reales del intercambiador de
calor, para darle validez, cuantitativamente, se calcula el error cuadrtico medio
(ECM) y la norma euclidiana (ver Tabla 2.2):
Tabla 2.2 ndices de desempeo
39
CAPTULO 2
40
Captulo 3
3. DESARROLLO DE UN SISTEMA DE
DIAGNSTICO DE FALLAS.
ENFOQUE MULTI-MODELOS
El objetivo de este captulo es presentar el diseo y desarrollo de un sistema de
diagnstico de fallas basado en modelos mltiples. Como objetivos particulares se
tienen: la deteccin, localizacin y estimacin de la falla; as como la estimacin
de la funcin de activacin que da la contribucin de cada modelo.
Para cumplir con los objetivos, se propone utilizar un banco de filtros de Kalman,
estndar. Al utilizar el banco de filtros de Kalman estndar se puso en evidencia el
no poder estimar la funcin de activacin y detectar, localizar y estimar fallas
simultneamente. Debido a esto se propone un banco de filtros de Kalman
desacoplados.
El diseo de un banco de filtros de Kalman desacoplados cumple con los
objetivos, dado que cada filtro de Kalman desacoplado permite generar 2 residuos:
un residuo que es sensible a las fallas y permite la deteccin, localizacin y
estimacin de sta, y el otro residuo que es insensible a fallas que con ello permite
la estimacin de la funcin de activacin.
41
CAPTULO 3
En el contexto de algoritmos de modelos mltiples de tipo fijo, el enfoque multimodelo lineal se utiliza para las tareas de estimacin o identificacin, el control y el
diagnstico de fallas [13]. Para lograr el enfoque multi-modelos lineales (MML), se
debe descomponer un sistema no lineal, en varios regmenes de funcionamiento
lineal.
El inters se centra en sistemas no lineales continuamente diferenciables para su
aplicacin en el diagnstico. Las ecuaciones de un SNL para la representacin de
espacio de estados en tiempo discreto se presentan en la ecuacin (3.1):
X k 1 z X k , U k , vk
Y k g X k , U k , wk
Donde:
X Rn
U Rp
v Rn
Y Rm
w Rm
z y g
es el vector de estados.
es el vector de entradas.
es el vector de ruido del sistema o a la entrada.
es el vector de salidas medidas.
es el ruido en la salidas medidas.
son funciones no lineales continuamente diferenciables.
42
(3.1)
X j k 1 A j X j ( k ) B j u j ( k ) X j v j ( k )
Y j (k ) C j X j (k ) D j u j (k ) Y j w j (k )
(3.2)
CAPTULO 3
X ( k 1) A j X k B jU k X j w j k FX j f k
Y k C j X k D jU k Y j v j k FY j f k
donde:
(3.3)
son las
es
Bj
Dj
X j
Y j
FX j
FY j
wj
, j 1,2,..., M
v j
(3.4)
S k j k S j : j k 0, j k 1
j 1
j 1
Donde
(3.5)
Sin perder la generalidad del mtodo, las fallas de sensores se pueden considerar
como incertidumbres estructuradas, pudindose interpretar matemticamente
como fallas de componentes [70]. As se tendra un nico vector de fallas
, y el conjunto de matrices se reescribe como:
Aj
Sj
C j
Bj
Dj
X
Y
Fj
vj
wj
, j 1,2,..., M
(3.6)
En el marco de MML,
caracteriza en cada perodo de muestreo al sistema no
lineal (3.1). La suma de las contribuciones de cada uno de los modelos lineales en
un instante de muestreo, permite la reconstruccin del sistema completo. Esta
reconstruccin se conoce como modelo global lineal.
La ponderacin probablemente desempea el papel ms importante en un
enfoque MM ya que sta calcula el peso a la contribucin de cada modelo.
La ponderacin determina al mejor modelo lineal o la contribucin de cada uno de
ellos en cada instante de tiempo. La ponderacin ha recibido diversos nombres,
44
(k ) 1 (k ) 2 (k ) ,..., N (k )T R N
(3.7)
La probabilidad
es una funcin de ponderacin de cada modelo [13, 17, 73].
El valor mximo de la probabilidad es la unidad y la probabilidad de cada modelo
puede tomar valores entre cero y uno, pero la suma de stos deber ser siempre
igual a uno [13, 17, 73]:
(3.8)
(3.9)
45
CAPTULO 3
j | YH k j | Y k , YH k 1
f Y k | j, YH k 1 j | YH k 1
Y k
f Y k | j, YH k 1 j | YH k 1
i f Y k | j,YH k 1 j | YH k 1
(3.10)
donde:
es la funcin de densidad de probabilidad (FDP) del jsimo modelo en el instante
.
La ecuacin anterior describe cmo una nueva salida del sistema influye en la
prediccin de la validacin del modelo [13].
En caso de que exista un ruido en el estado y un ruido a la salida, los filtros
pueden estimar el estado
y la salida . Cuando un filtro lineal se utiliza con un
sistema lineal o linealizado cuyas estadsticas (media y covarianza) de la
distribucin de probabilidad Gaussiana (DGP por sus siglas en ingls) se conocen,
entonces una estimacin del filtro con distribucin de probabilidad Gaussiana
tambin se conocer.
Los residuos (que son la diferencia entre la salida real y la salida estimada) tienen
una distribucin Gaussiana conocida [76].
(3.11)
donde: r es el residuo y
es el error de estimacin.
46
exp ri ( k ) i1 ( k ) ri ( k ) T
2
det i ( k ) 2
(3.12)
ri k 1
i k x ri k
h1h k x ri k
M
(3.13)
Por tanto, el algoritmo de probabilidad estimada puede asegurar un modelo tal que
la probabilidad converja a uno, mientras que los otros modelos asociados
converjan a cero o determinar los pesos segn el grado de contribucin de cada
modelo.
47
CAPTULO 3
X k 1 A j X k B j U k F j f k X j kj ,
Yk C j X k Y j v kj
La
matriz
de
distribucin
(3.14)
de
fallas
est
representada
por
. Alrededor del j-simo punto de
.
X i ( k 1) Ai X i ( k ) BiU ( k ) K i ( k )Y ( k ) Yi ( k ) X i ,
Y ( k ) Ci X i ( k ) DiU ( k ) Yi ,
(3.15)
donde
denota el vector de estado estimado y
es la estimacin de
la salida obtenida del filtro lineal basado en el i-simo modelo lineal.
es
la matriz de ganancia del filtro de Kalman.
Los filtros de Kalman permiten obtener el error de estado estimado
y los vectores de residuos de salida
. Para
comprender mejor el comportamiento de los residuos, se propone estudiar al
conjunto de residuos con diferentes condiciones de funcionamiento.
(3.16)
(3.17)
48
(3.18)
(3.19)
(3.20)
y
(3.21)
donde
que corresponde a la amplitud de la diferencia entre el
sistema no lineal representado por j-simo modelo lineal y el i-simo filtro de
Kalman.
CAPTULO 3
(3.22)
y
(3.23)
(3.24)
donde:
51
CAPTULO 3
k ,ke ij ,ke
f kd 1
ij ,k 1 ij ,k 1
f k 1
(3.25)
con
k ,kd
ki ,k 1 F j
i d
k ,k d 2 F j
Ci
F j
k ,ke
(3.26)
ki , k 1 iX K ki iY
j
e
j
i e
i
i
i
X j K ke 1 Y j
C i k ,ke 2
X j K ki 1 iY j
52
(3.27)
donde
k 1
ki , k d , k e
L ,
kd ,ke
Lik Ai K ki Ci .
(3.28)
La ecuacin (3.25) permite confirmar que el residuo se corrompe por las fallas y
los errores de modelado. Por lo tanto, el objetivo es generar residuos insensibles a
fallas pero sensibles slo a errores de modelado, esto es:
A K C F 0,
i
k
i 1,, M .
(3.29)
rki rki iX j ij ,k Ci Fi f k 1
k ,ke ij ,ke
ij ,k 1 ij ,k 1 .
(3.31)
53
CAPTULO 3
(3.32)
donde:
K ki Ai Pk CiT Ci Pk CiT Vi
(3.33)
Pki1 Ai K ki Ci Pk Ai K ki Ci
K ki Vi K ki
Qi
(3.34)
con
,
,
(3.35)
i Yk Yki i rki ki
rki ,
i i ~
i
i Yk Yk i rk k
(3.36)
donde
es el vector de residuos desacoplado de fallas y
es el
vector de residuos sensible a fallas. Debido a las propiedades de las matrices
y
cada residuo de la ecuacin (3.36) se desarrolla de acuerdo
a la ecuacin (3.31) en vectores
insensibles y
sensibles a fallas,
respectivamente. Como se expresa:
54
ki i rki iX ij ,k
j
i k ,ke ij ,ke
ij ,k 1 ij ,k 1 ,
(3.37)
ik f k 1 i rki iX j ij ,k
i k ,ke ij ,ke
ij ,k 1 ij ,v .
(3.38)
1
1
0
0
0
0
2
i
.
.
.
.
.
.
.
.
.
...
.
.
.
0
0
.
.
.
.
.
.
.
.
.
.
.
.
), los residuos
insensibles a las fallas (
permiten estimar la funcin de activacin que pondera
la contribucin de cada modelo. El vector de residuos sensible a las fallas ( )
55
CAPTULO 3
(3.39)
Se considera al residuo
alrededor del punto de funcionamiento j-simo, este
residuo sigue una distribucin Gaussiana, por lo tanto, el vector de residuos
se pueden utilizar para calcular la densidad de la probabilidad:
1
exp i ( k ) i1 ( k ) i ( k ) T
2
i
1
2 N det i (k ) 2
(3.40)
donde
i k 1
i k x i k
h 1h k x i k
M
(3.41)
Para detectar y localizar las fallas, se toma una decisin lgica que se define por
dos factores: la funcin de activacin
, y el residuo
. Para realizar
estas tareas, se sigue una lgica elemental, con la ayuda del mtodo de la
probabilidad
, se utiliza un procedimiento de decisin que conduce a la
utilizacin del residuo
del modelo correspondiente, a fin de que la decisin
lgica permita hacer la deteccin, localizacin y estimacin de las fallas
correspondientes.
En el contexto de la evaluacin de las fallas, hay que sealar que este banco de
filtros de Kalman desacoplados permite estimar la magnitud de la falla
correspondiente a la combinacin de cada filtro determinado por la funcin de
activacin.
Las fallas que se consideran en este estudio son fallas aditivas (sensor o
actuador). Se hace una estimacin de las fallas utilizando el modo de probabilidad
, as, el vector de magnitud estimada de las fallas
asociadas con las fallas
se define utilizando la funcin de ponderacin relacionada con el
banco de residuos sensibles a los fallas:
(3.42)
57
CAPTULO 3
Figura 3.3 Esquema general multi-modelos con un banco filtros de Kalman desacoplados.
3.9 CONCLUSIONES
58
Captulo 4
4. PRUEBAS Y RESULTADOS
En este captulo se presentan los resultados basados en la estructura multimodelos con filtro de Kalman desacoplados aplicado a la planta piloto RCT 100.
En la Seccin 4.1 se realiza la linealizacin del modelo matemtico del
intercambiador de calor ITD, tambin se presentan los puntos de operacin
utilizados para este trabajo y se presenta el diagrama de fase del sistema no
lineal. En la Seccin 4.2 se presenta la validacin en simulacin de los filtros de
Kalman, de la estructura multi-modelo con filtros de Kalman y de la estructura
multi-modelo con filtros de Kalman desacoplados en paralelo. La Seccin 4.3 se
enfoca en la validacin fuera de lnea de la estructura multi-modelo con filtros de
Kalman desacoplados. En la Seccin 4.4, se describe la interfaz grfica
desarrollada para la validacin en lnea del sistema de diagnstico de fallas en el
intercambiador de calor. Finalmente en la Seccin 4.5 se proporcionan las
conclusiones que se desprenden de este captulo.
CAPTULO 4
Donde:
60
61
CAPTULO 4
df
dx xop ,uop
dim A n n
f
u xop ,uop
dimB n p
g
x xop ,uop
dimC m n
g
u xop ,uop
dimD m p
(4.2)
kc2 kc2
A
kh2 kh2
Tcin
B Vc
0
0
Thin
Vh
62
1 0
C
0 1
(4.3)
1
0
N1 vc
0 0
0
N2
0
0
1
vh
kc1 0
B
0 kh1
kc2
kc1 kc2
A
kh2
kh1 kh2
Donde:
1 0
C
0 1
(4.4)
, el desarrollo completo
63
CAPTULO 4
Tcin
FK M1 29 C
FK M2 29 C
FK M3 30 C
Thin
81 C
81.2 C
81.4 C
Tco
47.4 C
50.88 C
61.5 C
Tho
72 C
73 C
76 C
vc
7.5x10-6 m3/s
5.7x10-6 m3/s
2.6x10-6 m3/s
(a)
(b)
Figura 4.3 Filtro de Kalman estimando las temperaturas de salida, Tco y Tho.
64
ECM
Tco
Tho
FKE
0.0511
0.0738
Figura 4.4 Estructura del sistema de diagnstico de fallas con Multi-modelo basado en filtro de
Kalman.
CAPTULO 4
r1(k)
r2(k)
r3(k)
r1(k)
r2(k)
3 C
a) Entrada
r1(k)
r3(k)
r2(k)
Cambio inesperado de
modelo, cuando se
presenta la falla
b) Probabilidad
67
CAPTULO 4
ECM
Tco
Tho
Norma Euclidiana
MML+FKD
0.0016
0.0026
0.0122
Los ndices de desempeo muestran un error menor al 1%, quiere decir que el
error de estimacin entre la temperatura real y la estimada es menor a 0.5 C.
La probabilidad asociada a cada modelo se muestra en la Figura 4.11, como se
puede apreciar al igual que en la Figura 4.6, la transicin de un modelo a otro se
hace de manera correcta, esta transicin se hace en ausencia de fallas y ahora el
residuo que se utiliza para la probabilidad Bayesiana es
.
69
estimada.
estimada.
CAPTULO 4
1(k)
2(k)
3(k)
, que se
70
71
CAPTULO 4
a) Evolucin de
72
ECM
MML+FKD
0.0016
0.0027
0.0126
Tco
Tho
Norma Euclidiana
2(k)
1(k)
3(k)
Figura 4.15 Probabilidad asociada al modelo lineal con FKD, validacin fuera de lnea.
73
CAPTULO 4
2(k)
3(k)
a)
b)
Figura 4.17 Comparacin de las salidas a) Tho y
74
estimada b) Tco y
2(k)
1(k)
3(k)
75
estimada.
CAPTULO 4
a)
b)
Como se pudo observar, la validacin fuera de lnea basada en el enfoque multimodelos utilizando el filtro de Kalman desacoplado para el diagnstico de fallas
presenta resultados satisfactorios que corroboran los de simulacin.
Figura 4.22 Interfaz grfica del diagnstico de fallas por multi-modelos del intercambiador de calor.
77
CAPTULO 4
estimadas, en lnea.
78
Tcin
FK D M1 30
FK D M2 30
FKD M3 30
Thin
81
81
81
Tco
49.2
46.6
45.4
Tho
72.5
71.5
71
2(k)
1(k)
vc
400
525
615
3(k)
Figura 4.26 Probabilidad asociada a cada modelo lineal, en presencia de falla, en lnea.
79
CAPTULO 4
Recuperacin
del sensor
Inicia la falla
Falla en sensor
Tho
La Figura 4.28 muestra el sistema FDI, cuando el estado medido (Tho) presenta
una falla en el sensor (prdida total del sensor), la falla se detecta como se ilustra
en la Figura 4.27 y la alarma se activa inmediatamente (ver Figura 4.22)
proporcionando la informacin del sensor que presenta la falla.
80
Recuperacin
del sensor
Inicia la falla
Falla en sensor
Tho
81
CAPTULO 4
4.5 CONCLUSIONES
82
Captulo 5
5. CONCLUSIONES
Se concluye que el modelo de diferencia de temperaturas a la entrada (ITD)
representa mejor al intercambiador de calor en comparacin con el modelo de
diferencia de temperatura media logartmica (LMTD), ya que el error cuadrtico
medio del modelo ITD es menor. Otra razn del porque el modelo ITD representa
mejor al intercambiador de calor es que el modelo ITD para cambios bruscos de
flujo responde mejor que el LMTD, y que para procesos dinmicos se necesita
temperaturas puntuales y no promedios. Una ventaja del modelo ITD es que es
ms simple que el otro. Se concluye que an con una representacin simple
(modelado con una celda) y utilizando ITD se tiene una excelente aproximacin al
modelo real.
Se concluye que utilizando el valor del coeficiente de transferencia de calor
especfico para cada punto de operacin se obtienen modelos lineales con
excelentes desempeos, ya que el error cuadrtico medio es de 0.0016 para Tco y
de 0.0026 para Tho, donde esto representa una diferencia menor de 0.5C de las
temperaturas reales con las estimadas. As se demuestra que lo presentado en
[10] acerca del coeficiente de transferencia de calor variable con respecto al calor
y al flujo, tambin es vlido para modelos lineales. Con base en lo anterior se
concluye que utilizando el valor especfico del coeficiente de transferencia de calor
para cada punto de operacin el valor de la ganancia de los filtros de Kalman
estndar (K) y la ganancia de los filtros de Kalman desacoplados no es mayor a 1.
83
CAPTULO 5
84
En este trabajo de tesis se obtuvo el aprendizaje de la teora y la tcnica multimodelo enfocada al diagnstico de fallas, adems se corrobor el mtodo
propuesto con una planta piloto.
85
CAPTULO 5
86
BIBLIOGRAFA
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
BIBLIOGRAFA
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
89
BIBLIOGRAFA
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
91
BIBLIOGRAFA
80.
81.
82.
83.
84.
85.
86.
92
ANEXOS
A. PARMETROS DEL INTERCAMBIADOR DE CALOR
Los valores de los parmetros del intercambiador de calor RCT100 se
proporcionan en la Tabla A1.1.
Constantes
Vc
Vh
Cpc
Cph
hc
hh
AI
U
Valores
134.99x10-6
15.512x10-6
4174
4191
988.8
973.7
0.014
1160
Donde:
AI
rea.
Cp Calor especfico.
h Densidad del fluido.
U
Volumen.
93
Unidades
m3
m3
J/KgC
J/KgC
Kg/ m3
Kg/ m3
m2
W/ m2-C
ANEXOS
94
B. PROBABILIDAD DE BAYES
Sea x una variable aleatoria discreta que representa el resultado de un
experimento, de una prueba. Una variable es aleatoria, si se repite k veces el
experimento, bajo las mismas condiciones, y se obtienen k resultados diferentes,
ms o menos dispersos al azar. El nmero de veces que un resultado particular
(evento) se produce, dividido por el nmero total de las pruebas realizadas, se
llama frecuencia relativa de ocurrencias. Cuando el nmero de pruebas tiende a
infinito, se habla de la probabilidad de ocurrencias del evento. Donde Px a , es la
probabilidad de ocurrencias del evento x a :
nx a
N N
Px a lim
(B1.1)
N nx ai
i 1
Se tiene
M
nx ai M
N
n a M
i 1
1 lim
lim x i Px ai
N
N N
N
N
i 1
i 1
(B1.2)
95
ANEXOS
n y b
nx a
y Py b lim
N N
N N
Px a lim
(B1.3)
x a y y b es la siguiente:
Px , y a, b lim
nx , y a, b
(B1.4)
nx a nx , y a, b
(B1.5)
i 1
Px a Px , y a, bi
(B1.6)
i 1
Py b Px , y ai , b
(B1.7)
i 1
96
nx , y a, b
N
nx a
N
Px , y a, b
(B1.8)
Px a
Px y a b
La
probabilidad
Px, y a, b
Py b
(B1.9)
Px, y a, b ,
condicional conjunta
es el producto de
sus
probabilidades marginales.
Px, y a, b Px a Py b
(B1.10)
Py x b a Py b y de forma similar Px y a b Px a
Finalmente, si se combinan las ecuaciones (B1.8) y (B1.9) para eliminar la
probabilidad conjunta Px, y a, b , el resultado es:
Px y a b
Py x b a Px a
(B1.11)
Py b
Px y a b
Py x b a Px a
P b a P a
Mx
i 1
yx
97
(B1.12)
ANEXOS
98
C. LINEALIZACIN
A partir de que se tiene el sistema no lineal del intercambiador de calor, se trabaj
en este proyecto con dos linealizaciones basadas en Hangos [65], la primera toma
a los flujos como entradas, pero queda un sistema bilineal, y se necesita un
sistema lineal e invariante en el tiempo.
Por lo que se toma una segunda opcin en donde se toman las temperaturas
como entradas y el flujo se supone constante.
La linealizacin queda de esta manera:
x Ax Bu
vc
B Vc
0
kc2
kc1 kc2
A
kh1 kh2
kh2
Donde:
0
vh
Vh
1 0
C
0 1
Constantes
Valores
Valores
Valores
Unidades
-6
-6
-6
134.99x10
134.99x10
134.99x10
m3
Vc
-6
-6
-6
15.512x10
15.512x10
15.512x10
m3
Vh
J/KgC
Cpc
4181
4181
4181
4191
4191
4191
J/KgC
Cph
988.8
Kg/ m3
hc
990
990.5
Kg/ m3
hh
976.8
977.4
977.6
m2
AI
0.01538752 0.01538752 0.01538752
W/ m2-C
UC
1650
1700
1776.9
W/ m2-C
Uh
1500
1750
2059
99
ANEXOS
100
D.FILTRO DE KALMAN
Lo interesante del filtro de Kalman es precisamente su habilidad para predecir el
estado de un sistema en el pasado, presente y futuro, an cuando la naturaleza
precisa del sistema modelado se conoce. En la prctica, las variables de estado
individuales de un sistema dinmico no se pueden determinar exactamente por
una medicin directa. Dado lo anterior, su medicin se realiza por medio de
procesos estocsticos que involucran algn grado de incertidumbre en la
medicin.
Se considera la ecuacin de estado y de salida de un sistema de la forma:
(D1.1)
E vwT E wv T 0
Q
E v v 0
E w w R
E w w 0
E vk vk
k j
(D1.2)
k j
Las matrices de covarianza deben ser, diagonales y por lo tanto simtricas de los
ruidos del sistema. Las matrices de convarianza Q (positiva semidefinida) y de
medida R (positiva definida) son conocidas.
El ruido del sistema se considera que se genera en su interior o bien que se
introduce a la entrada del sistema, y el ruido de medida es el error que se comete
al medir la salida, es decir, es el error de medicin de los sensores. La figura
(D1.1) aclara estos dos conceptos:
101
ANEXOS
Es decir la matriz de covarianza del error e(k) es mnima, estando el error definido
como:
(D1.4)
El objetivo es encontrar la mejor estimacin de todas las variables x , que define el
estado del sistema, teniendo en cuenta las medidas que se llevan a cabo
peridicamente en la presencia de ruido.
102
y k 1 C xe k | k 1,
(D1.5)
r k Y k C xe k | k 1,
(D1.6)
k C Pp k | k 1C T R ,
(D1.7)
K k Pp k | k 1 C T k ,
(D1.8)
xe k x p k | k 1 K k r k ,
(D1.9)
Pe k Pp k | k 1 K k C T Pp k | k 1,
(D1.10)
x p k | k 1 A xe k BU k ,
(D1.11)
Pp k | k 1 A Pe k AT Q,
(D1.12)
ANEXOS
Tanto en las Figuras D1.3 y D1.4 se puede observar que la temperatura estimada
de Tco al inicio sigue el comportamiento de Tco pero no logra alcanzar el valor
deseado, como transcurre el tiempo esta logra alcanzar el valor de Tco real.
104
Constantes
Valores
Valores
Valores
Unidades
-6
-6
-6
134.99x10
134.99x10
134.99x10
m3
Vc
15.512x10-6 15.512x10-6 15.512x10-6
m3
Vh
J/KgC
Cpc
4181
4181
4181
4191
4191
4191
J/KgC
Cph
988.8
Kg/ m3
hc
990
990.5
Kg/ m3
hh
976.8
977.4
977.6
m2
AI
0.01538752 0.01538752 0.01538752
W/ m2-C
UC
1500
1600
1655
W/ m2-C
Uh
1950
1980
2010
Las matrices de los tres puntos de operacin elegidos quedaron de la siguiente
manera ya transformadas en tiempo discreto mediante el retenedor de orden cero
con un tiempo de muestreo de 0.25:
105
ANEXOS
106
F. INTERFAZ GRFICA
Se puede observar en la Figura F1.1 la comparacin de las temperaturas
(
y de las temperaturas estimadas
, en la interfaz grfica
desarrollada en el programa de LabView.
107