Analisis Control

|11|ss 11z1 k1l11|1 Isrrz11 1msr1
k1z||s|s 1s ss)1smzs 1s s11lr1| s1 ||z1lzs 1im|szs z11s| 11ri1sI Ksr1z11sI

1
Indice
1. Introduccin
1.1 Objetivos deI proyecto
1.2 Herramientas y software utiIizado
2. ControIabiIidad de una pIanta
2.1 Concepto (PIantas maI condicionadas)
2.2 Herramientas de medida de Ia controIabiIidad
2.2.1 Matriz de Ganancias ReIativas (RGA)
2.2.1.1 Introduccin
2.2.1.2 ApIicacin para eI caso ms simpIe
2.2.1.3 Interpretacin de Ia ganancia reIativa
2.2.1.4 Incorporacin de Ios trminos de perturbacin aI
modeIo deI sistema
2.2.1.5 Condition number (y) y Ia matriz RGA
2.2.2 Matriz ParciaI de Ganancias ReIativas (PRGA)
2.2.2.1 Introduccin
2.2.2.2 Matriz PRGA. Fundamentos.
2.2.2.3 Necesidad de considerar eI sistema en bucIe cerrado
2.2.2.4 La ganancia reIativa parciaI
2.2.2.4.1 Definicin de PRG
2.2.3 Descomposicin en vaIores singuIares (SVD)
2.2.4 CIose Ioop disturbance gain (CLDG)
2.3 ControI descentraIizado (DIC)
2.3.1 SeIeccin de Ias parejas de variabIes
2.3.1.1 Introduccin
2.3.2 Concepto de ControI ParciaI
2.3.2.1 ApIicaciones deI ControI ParciaI
|11|ss 11z1 k1l11|1 Isrrz11 1msr1
2
3. Interface grfica deI modeIo: COLGUI
3.1 Introduccin
3.2 Creacin de interfaces mediante GUIDE
3.2.1 Caractersticas principaIes de Ios archivos M
3.3 Interface de usuario COLGUI. ManuaI de Usuario
3.3.1 Interface principaI: ModeIo de coIumna de DestiIacin
3.3.1.1 Primer rea de Interaccin: Mens despIegabIes
3.3.1.2 Segunda rea de Interaccin: Parmetros deI ModeIo
3.3.1.3 Tercer rea de Interaccin: Funciones G(w), RGA y
PRGA
3.3.2 Interfaces de cIcuIo: RGA, PRGA y G(w)
3.3.2.1 Primer rea de interaccin: Zona grfica
3.3.2.2 Segunda rea de interaccin: Zona matriciaI
3.3.2.3 Tercer rea de interaccin: Zona Men
3.3.3 Interface de seIeccin: Emparejamiento de variabIes
3.3.4 Interface de ResuItados
4. ApIicacin deI AnIisis de ControIabiIidad a una coIumna de destiIacin
4.1 ProbIemtica de Ias coIumnas de destiIacin.
4.2 ModeIo de coIumna de destiIacin
4.2.1 Ecuaciones fsicas
4.2.1.1 BaIances de materia
4.2.1.2 EquiIibrio de fases
4.2.2 Hiptesis asumidas en eI modeIo
4.3 AnIisis de controIabiIidad de Ia coIumna de destiIacin
4.3.1 ControI de coIumnas de destiIacin como un sistema n x n
4.3.2 ModeIizacin de Ia coIumna como un sistema 4 x 4
5. BibIiografa consuItada
|z;il1|1 l. |1lr111ss|11 11z1 k1l11|1 Isrrz11 1msr1
3
1. Introduccin
En el presente captulo se comienza con unas breves nociones acerca
de lo que significa el control de procesos en una planta y en particular, para el
caso de un modelo de columna de destilacin. En el posterior captulo, se
discutir acerca de los modelos lineales y su necesidad y sobre las funciones
de transferencia, que son los bloques bsicos para el uso de las tcnicas de
anlisis de control que se muestran en este Proyecto Final de Carrera.
La controlabilidad definida entre variables de entrada y de salida es la
habilidad de conseguir alcanzar un control aceptable. El control de las variables
de salida se ve afectado por la localizacin de sensores y actuadores, siendo
su objetivo el conseguir que el valor de las variables controladas alcance el
valor prefijado o punto de consigna de la forma ms rpida y eficiente posible.
1.1 Objetivos deI proyecto
Siendo el ttulo del proyecto 'Anlisis de esquemas de control de Plantas
Qumicas', es fcil intuir que los objetivos del mismo ha sido un estudio riguroso
de la controlabilidad de distintas disposiciones de control de una unidad de una
planta qumica con el fin de seleccionar la ms adecuada.
En nuestro caso particular nos hemos ceido al estudio del esquema de
control de una columna de destilacin, siendo quizs una de las unidades ms
comunes en una planta y de mayor estudio en los textos de control existentes
sobre plantas qumicas. La razn de ese intenso estudio es que las columnas
de destilacin son en s mismas un sistema; unas columnas de destilacin
pueden considerarse como un conjunto de tanques de flash integrados con un
flujo en cascada. Sin embargo, este conjunto integrado lleva a un
comportamiento complejo y poco intuitivo, siendo difcil entender el sistema (la
columna de destilacin) basndose en el comportamiento de cada una de sus
unidades (o platos de la columna).
En este proyecto se pretenden presentar, de un modo sencillo, las ms
importantes cuestiones acerca de la dinmica, operacin y control de una
4
columna de destilacin, incluyendo algunas herramientas para el anlisis de
controlabilidad en el dominio de frecuencia. El objetivo es poner a disposicin
del usuario o lector ciertos conocimientos acerca de control y emparejamiento
de variables en el caso de una columna de destilacin.
El objetivo de un sistema de control es hacer que la variable de salida y
se comporte de un determinado modo (segn sea nuestro objetivo) al
manipular una determinada variable de entrada u. La relacin entre estas dos
conjuntos de variables viene dada por la matriz de funcin de transferencia G,
pudindose definir esta relacin segn la ecuacin:
u s G y = ) (
Nuestras variables de salida son aquellas para las cuales podemos
establecer un valor de consigna a alcanzar, siendo para el caso de la unidad de
destilacin las siguientes: la presin en la columna (P), la composicin del
producto en la cabeza de la columna de destilacin (x
D
), la composicin del
producto en el fondo de la columna (x
B
), la acumulacin de flujo molar en el
condensador (M
D
) y la acumulacin molar en el hervidor (M
B
). Las variables de
entrada o manipuladas son las siguientes: el calor del condensador (Q
C
)caudal
de producto destilado (D), caudal de producto obtenido por fondo (B), caudal de
reflujo que vuelve del condensador (L
T
) y caudal de vapor que abandona el
hervidor (V
B
).
El uso de la funcin de transferencia como modo de expresar la relacin
entre variables de entrada y de salida tiene varias razones:
- Permite obtener un serie de conclusiones de gran importancia
gracias a los grficos obtenidos en funcin de la frecuencia.
- G(jw) coincide con la respuesta de planta a una entrada sinusoidal de
frecuencia w.
- La combinacin en serie de distintas unidades en una planta
corresponde en el dominio de frecuencia a multiplicar cada funcin
5
de transferencia individual mientras que en el dominio temporal
implicara calcular complicadas integrales de convolucin.
- La incertidumbre se trata con mayor facilidad en el dominio de
frecuencias. A esto se refiere el hecho de que dos sistemas se
consideren iguales ('close') si sus respuestas en frecuencia son muy
similares.
Para llegar al clculo de esta matriz de funciones de transferencia, se ha
de desarrollar una serie de clculos que enumeramos a continuacin:
1/ Desarrollo de un modeIo dinmico mediante de baIances de
materia para Ia coIumna de destiIacin, de modo que se permitan
variar las ecuaciones de la columna mediante una serie de parmetros
que introducir el usuario.
2/ Linealizacin del modeIo de espacio de estados obtenido.
3/ A partir del modelo anterior, construccin de la matriz de funciones
de transferencia G(jw) genrica para cualquier valor en el dominio de
frecuencias
Una vez se ha obtenido la matriz de funciones de transferencia, se pasa
a la ltima fase del proyecto: la implementacin de una interface grfica de
usuario llamada COLGUI que ser la que, al recibir las rdenes del usuario,
muestre los valores de las distintas herramientas de controlabilidad. Haciendo
una valoracin de los resultados de las mismas, lo que exige unos
conocimientos bsicos de control, puede concluirse cul de los esquemas de
control de una columna de destilacin se adecua mejor a nuestro caso en
particular.
6
Figura 1. Diagrama de flujo de la interface de usuario COLGUI
COLGUI
USUARIO
Modelo de la
Columna de
Destilacin
PARAMETROS
ARCHIVO DE
DATOS
Matriz de Funciones
de TransIerencia
G(jw)
Matriz de Ganancias
Relativas
RGA(jw)
Matriz Parcial de
Ganancias Relativas
PRGA(jw)
7
1.2 Herramientas y software utiIizado
Para el desarrollo tanto de las ecuaciones del modelo de la
columna, funciones de clculo, y la misma creacin de la interface de usuario
del programa COLGUI, se ha utilizado el programa MATLAB 6.0 (propiedad de
Mathworks nc.) corriendo bajo Windows 2000 Profesional.
MATLAB
es un entorno de altas prestaciones para aplicaciones de

ingeniera y de ciencias en general que incluye herramientas de programacin
matemtica, anlisis, visualizacin y desarrollo de algoritmos. El lenguaje
intuitivo de MATLAB permite a los profesionales tcnicos expresar sus ideas y
soluciones de forma natural y ms rpido de lo que lo pusieran hacer en
lenguaje C u otros lenguajes de programacin tradicionales
El entorno de programacin de MATLAB
El entorno de MATLAB incluye una serie de herramientas para el acceso a las
aplicaciones y funciones del programa:
- Ventana de comandos para el anlisis interactivo, visualizacin, y
programacin.
- Ventana de historial para visionar y reutilizar comandos de sesiones
previas.
- Ventana de acceso a demos, ayuda y herramientas para todo tipo de
productos Mathworks que estn ya instalados.
- Ventana de ayuda para leer y buscar documentacin, incluyendo la opcin
de cortar y pegar cdigo.
- Ventana del Directorio Actual para abrir, ejecutar y visionar archivos.
8
- Explorador del espacio de trabajo para ver y cambiar los valores de las
variables de MATLAB.
- Editor de Matrices que permite ver y editar matrices de datos.
- Editor/Depurador de archivos-M que es utilizado para crear, editar y depurar
archivos de MATLAB.
Existen a su vez otra serie de herramientas disponibles para importar datos,
desarrollar operaciones bsicas de ajuste de curvas, editar , visionar y anotar
grficos.
Toolboxes de MATLAB
Las toolboxes de MATLAB no son ms que paquetes de funciones
especficas de una aplicacin en particular. Las hay de todo tipo, desde las
toolboxes de comunicaciones , pasando por las de control, hasta las de tipo
financiero.
En nuestro proyecto se han utilizado las siguientes toolboxes que
acompaan al MATLAB 6.0:
- Control System Toolbox:
- Mu-Analysis and Synthesis toolbox
Con ambas se permite trabajar y operar con modelos de espacio de
estados, imprescindibles para el desarrollo y funcionamiento de nuestro
proyecto.
9
Elementos de programacin utilizados
Vectores de celdas (cell arrays) y estructuras, los primeros se han utilizado
para almacenar variables de todo tipo (cadenas de caracteres, matrices,
vectores,...) y poderlos utilizar como argumento de entrada para funciones. Las
estructuras se han utilizado a la hora de manejar los handles o propiedades de
las interfaces de usuario y para manejar datos globales dentro de estas. Para
intercambiar informacin entre interfaces de usuario se han compartido
estructuras entre ellas que poseen campos de datos (como handles.data) que
al variar se actualizan con funciones como guidata.
Construccin de programas y manejo de argumentos, se utilizan comandos
como if, else, elseif, end, for, while, break, continue, return, error,
warning, variables persistentes y globales, switch, case, otherwise,
try, catch, evaluate, run, comprobar el nmero de argumentos de entrada y
salida en una funcin mediante nargin y nargout.
Archivos de entrada y salida, con operaciones como abrir archivos, cerrarlos,
leer/escribir datos binarios, cargar variables en el espacio de trabajo,
guardarlas en el mismo.
Manipulacin de cadenas de caracteres, con operaciones como la conversin a
nmeros, enteros o de doble precisin; comprobar si se trata de una cadena de
caracteres, comparar cadenas de caracteres entre s, concatenar dos o ms
cadenas de caracteres entre s.
Desarrollo grfico de una interface de usuario (GUI), con los siguientes
elementos:
Controles GU: list boxes, botones, radiobotones, cuadros de texto editables,
cuadros de texto fijo, barras deslizantes, marcos (frames), mens contextuales
Eventos en las GU: esperar a un evento, eventos relacionados con los
botones del ratn, funciones de llamada (callbacks),..
10
Ventanas de dilogo: genricas con iconos especficos de la plataforma en la
que operamos, con funciones como cargar/guardar archivos, de entrada de
datos, de error, de ayuda, ventanas de decisin (para elegir una opcin u otra),
de mensaje...
La interface de diseo de GUs (GUDE) incluye un editor de objetos, una
herramienta de alineacin, el editor de funciones y de propiedades, el editor de
mens y un explorador de objetos.
Herramientas de programacin de archivos-M, como el editor/depurador de
archivos y el compilador de los mismos.
|z;il1|1 I. |11lr1|z1|||1z1 1s 11z ;|z1lz 11z1 k1l11|1 Isrrz11 1msr1
11
2. ControIabiIidad de una pIanta
El trmino controlabilidad se usa en la literatura con varios y diferentes
significados. Ms adelante se discutirn algunos de ellos y se relatar el modo
de cmo el trmino controlabilidad puede usarse durante el proceso de diseo.
Dos aproximaciones se han utilizado para definir controlabilidad. La
primera se basa en un punto de vista de un fin o propsito mientras que la
segunda se basa en un punto de vista matemtico u orientado en forma de
espacio de estados. Algunas de las definiciones basadas en los fines y
propsitos se discuten ms adelante y se complementan con una definicin
basada en las matemticas para indicar como se cumple una definicin dada.
Ziegler y Nichols (1943), que han trabajado con procesos operados de
modo continuo definieron controlabilidad como:
'La habilidad de un proceso para alcanzar y mantener el valor de equilibrio
deseado'
Rosenbrock (1970) defini controlabilidad en unos trminos ms
generales:
'Un sistema es controlable si es posible alcanzar unos objetivos determinados
de control, cualquiera que estos puedan ser. Por extensin, un sistema es ms
o menos controlable de acuerdo con la facilidad o dificultad de alcanzar el
control'.
As la controlabilidad puede ser vista como una propiedad de la planta
que indica cmo de sencillo es controlar la planta para conseguir el
funcionamiento deseado. Rosenbrock (1970) introdujo el trmino
controlabilidad funcional:
'El sistema es funcionalmente controlable si dado un vector adecuado de
funciones de salida y definido para t>0 , existe un vector u de funciones de
entrada definidas para t>0 que genera el vector de salida y desde la condicin
inicial.'
12
Sin embargo la controlabilidad funcional slo da una respuesta del tipo s/no, y
no da una medida del funcionamiento que se ha conseguido en el caso de que
el proceso no sea funcionalmente controlable.
En la literatura encontrada sobre teora de control el trmino
controlabilidad slo tiene pequeas conexiones con la facilidad con que una
planta puede ser controlada. La siguiente definicin es denominada
'controlabilidad de estado':
'Un estado se considera controlable si para cualquier estado inicial x(0)=x
0
en
un tiempo t
1
y un estado final x
1
, existe una entrada u(t) tal que x(t
1
)= x
1
.
Un sistema es controlable si todos los estados del sistema presentan
controlabilidad de estado.
Sin embargo en la prctica puede ser difcil obtener un control aceptable
de todos los estados en un proceso, incluso aunque todos los estados sean
controlables.
Basndose en estos conceptos, Skogestad y Postlethwaite (1996) han definido
la controlabilidad input-output como:
'La habilidad de conseguir un control aceptable, es decir, mantener las
variables de salida y las de entrada dentro de unos lmites especificados por
sus valores de consigna, a pesar de las incertidumbres (ruidos y
perturbaciones) y las incertidumbres del modelo, usando las variables de
entrada disponibles y las medidas disponibles'.
Con esta definicin se refleja como de sencillo es controlar la planta. La
controlabilidad de la planta depende en muchos y diferentes aspectos tales
como la dinmica especfica de la planta, la sensibilidad a la incertidumbre, la
localizacin de las medidas, las limitaciones en los actuadores y las
caractersticas de las perturbaciones. Estos aspectos definen si las plantas
estn bien o mal condicionadas mediante unas medidas de evaluacin de la
controlabilidad que se muestran a continuacin.
13
2.1 Concepto (PIantas maI condicionadas)
La controlabilidad puede ser estudiada usando tres tipos de
aproximaciones, una aproximacin orientada al conocimiento del proceso, una
aproximacin orientada a la optimizacin y una aproximacin llamada pasiva
(basada en la termodinmica). Las primeras dos aproximaciones estn
basadas en modelos lineales, mientras que esta ltima aproximacin, que an
no est del todo desarrollada, slo se aplica para modelos no lineales. Estas
aproximaciones se revisan ms adelante con la intencin de obtener unas
bases para discutir el hecho de estudiar la controlabilidad ya en las primeras
etapas del diseo del proceso. Para llevar una perspectiva histrica del asunto
los modelos linealizados sern tratados primero. El objetivo es tratar las ideas
bsicas, ventajas y limitaciones ms que entrar en detalles que pueden ser
encontrados en cualquier libro de control.
Modelos lineales
Un conjunto de medidas de controlabilidad que estn basadas en
modelos lineales o en funciones de transferencia de la planta han sido
utilizadas durante los ltimos aos. Estas medidas pueden definirse como
analticas u orientadas al proceso desde el punto de vista de que informan
sobre qu limita la controlabilidad, es decir, cual es el funcionamiento que
puede alcanzar la planta bajo ese esquema de control. El modelo del proceso
se define del siguiente modo:
s o s S s u s S ,
o
+ =
donde k son las variables de salida, u las variables manipuladas y d las
perturbaciones mientras que G y G
d
son las funciones de transferencia de la
planta y de las perturbaciones. Los valores de consigna son y
ref
, por lo que el
error de control se define como e=y-y
ref
. Se asume que todas las variables
estn escaladas entre -1 y 1 , dividindolas por el valor del mximo cambio
permitido.
El clsico proceso controlado en realimentacin se basa en unas medidas de
error definidas como la diferencia entre el valor de la variable de salida y sus
14
valores de referencia. Una vez obtenido ese valor, el controlador realiza una
medida correctora en las variables manipuladas con objeto de alcanzar un error
nulo. Por tanto la seal de realimentacin slo contiene las diferencias con el
modelo de la planta, es decir, los ruidos y perturbaciones que no son medibles.
Como consecuencia si dispusiramos de un modelo perfecto de la planta y un
perfecto conocimiento de las perturbaciones, no sera necesaria la
realimentacin y el control se podra basar enteramente en un control en
adelanto.
La estabilidad nominal est garantizada si la planta y el controlador son
estables. El diseo del regulador tiende intuitivamente a llevarnos al valor de la
inversa de la matriz de transferencia para conseguir un control perfecto, por
tanto cualquier problema al construir la inversa de la matriz , nos lleva
directamente a un control imperfecto, y por tanto a una limitacin a la hora de
conseguir el control de la planta. Algunas limitaciones al control de las plantas
se enumeran a continuacin:
1. Retardos en el tiempo.
2. Ceros en la parte derecha del plano complejo, llegando a convertirse en
polos inestables al calcular la inversa de la planta y convirtiendo al
controlador ideal en inestable.
3. Los polos inestables requieren control. La presencia simultnea de un polo
y un cero en el semiplano derecho del plano complejo requiere para su
estabilidad que el cero est ms alejado del eje imaginario que el polo para
poder disear un controlador estable.
4. Limitaciones en las variables manipuladas. La magnitud de las
perturbaciones que pueden ser rechazadas estn limitadas por las
restricciones de las variables manipuladas.
5. La incertidumbre del modelo tambin limita el funcionamiento que se pueda
conseguir en la planta. En plantas multivariable la inversin en la matriz de
15
transferencia es mayor cuanto ms cerca est sta de ser singular. Por
tanto la inversa de la matriz no debera usarse directamente para el control
de la planta. La singularidad de la matriz se mide utilizando la
descomposicin en valores singulares (SVD):
) ( ) ( ) ( ) ( iw V iw iw U iw G
H
E =
donde los valores singulares estn contenidos en la diagonal de la matriz
Z. Se define el condition number como el cociente entre el mximo y el
mnimo de los valores singulares. Sin embargo este cociente depende del
escalado de las variables. Para evitar ambigedades se suele utilizar un
condition number minimizado (
*
), calculado a partir de una matriz de
transferencia que ha sido pre y postmultiplicada por sendas matrices
diagonales con una funcin de escalarla. Resultando:
) (
2 1 2 , 1
*
D G D min
D D
=
Un alto valor de
*
indica que estamos tratando con una planta mal
condicionada.
Existe otra herramienta como es la RGA para las medidas de
interaccin que se explicar con ms detenimiento en el apartado 2.2.1, y que
es de gran utilidad en estos modelos lineales como medida de la
controlabilidad.
Modelos optimizados
La controlabilidad puede ser evaluada usando mtodos de optimizacin. Si el
modelo es lineal entonces muchas de las limitaciones que nos encontramos
pueden imponerse como restricciones del problema de optimizacin.
Los mtodos de optimizacin constituyen quiz uno de los mtodos con
ms xito a la hora de integrar diseo y controlabilidad.
16
Narraway, Perkins and Barton (1991) crearon una medida de los resultados
econmicos que se pueden alcanzar as como la medida en la que el punto de
operacin debe retroceder para asegurar que ninguna de las restricciones de
operacin son violadas, debido a las perturbaciones, y como consecuencia,
afectar a la controlabilidad.
Walsh and Perkins (1992) proporcionaron un lmite ptimo para el rechazo de
las perturbaciones mediante la evaluacin del comportamiento de un
controlador ideal bajo las peores condiciones posibles. El comportamiento de la
planta estaba limitado por los retrasos y las incertidumbres.
Por ltimo, Chenery and Walsh (1998) propusieron una medida del
comportamiento lineal para determinar una idea de la controlabilidad
min J
F
(K,u
0
,p) p e ee e P
K,u0
De esta manera, un controlador K y un punto de operacin u
0
son
seleccionados para minimizar el objetivo J al mismo tiempo que se asegura la
viabilidad para todas las perturbaciones p de un conjunto delimitado P y
satisfaciendo las restricciones c. El problema lineal se formula con un objetivo
tambin lineal, un modelo lineal, restricciones lineales y un controlador LT
(Lineal ndependiente del Tiempo) elegido del conjunto de controladores
estables.
Modelos no lineales
Un novedoso e interesante mtodo ha sido desarrollado en los ltimos
tiempos basado en control pasivo y desarrollado por Frashman, Viswanath y
Ydstie durante 1998. Los mritos de esta prometedora tecnologa son que es
posible garantizar una configuracin de control estable basndose slo en
informacin del modelo. El diseo del control que utiliza este mtodo puede ser
de lo ms sencillo, utilizando mltiples reguladores proporcionales e integrales
17
interconectados con una serie de medidores adicionales para asegurar un
conocimiento de los datos por adelantado de los diferentes lazos. Dos
desventajas son que relativamente pocos procesos se han lanzado a utilizar
esta metodologa de trabajo y que sta requiere medidas o estimaciones de
todos los estados, que es el caso de todas las tcnicas de control no lineales.
2.2 Herramientas de medida de Ia controIabiIidad:
Durante los siguientes apartados vamos a introducir el funcionamiento
de las herramientas matemticas de la medida de la controlabilidad tales como
la Matriz de Ganancias Relativas, la Descomposicin en Valores Singulares, la
Matriz Parcial de Ganancias Relativas y la Ganancia de perturbacin en Bucle
Cerrado. De igual modo, se mostrarn la serie de conclusiones que se obtienen
de los resultado de cada una y su significado a nivel de control.
2.2.1 Matriz de Ganancias ReIativas (RGA)
2.2.1.1 Introduccin
Uno de los problemas que surge cuando consideras un nmero de
variables de entrada y salida por parejas simultneamente (caso del control
multivariable descentralizado) es que una variable manipulada puede afectar a
ms de una variable controlada. Este problema se conoce como "interaccin
y hace ms difcil el control de los bucles. Esto se produce debido a que,
cuando se modifica el valor de una variable manipulada con objeto de regular el
comportamiento de una variable controlada, dicha manipulacin afectar a
otras variables de salida distintas a la que uno pretenda modificar. La solucin
en estos casos es o bien elegir unas parejas en las que no haya interaccin (o
haya la menor posible) o bien desacoplar la interaccin entre los bucles de
alguna forma. La primera de la opciones es la que vamos a tratar usando una
serie de herramientas matemticas entre las que est la matriz RGA.
La matriz de Ganancias Relativas (RGA) (Bristol, 1966) ha sido
ampliamente utilizada como una medida de las interacciones entre las distintas
variables del proceso y como una herramienta para la seleccin de la mejor
estructura en sistemas de control descentralizado (multilazo). La seleccin de
18
las variables se hace con el objeto de minimizar las interacciones entre los
bucles de control. Muchas de las ms importantes propiedades de los sistemas
en bucle cerrado, tales como la estabilidad o la controlabilidad, pueden ser
inferidas a partir de la matriz de ganancias relativas (RGA). Adems, dado
que las plantas con valores altos en los elementos de la matriz RGA son muy
sensibles a posibles errores en el modelo, la RGA puede ser usada como una
medida de la sensibilidad frente a la incertidumbre del modelo.
2.2.1.2 ApIicacin para eI caso ms simpIe (2 entradas, 2 saIidas)
Consideremos el siguiente caso con dos variables manipuladas y dos a
controlar a partir de las anteriores (Fig. 1).
u
1
y
1
u
2
y
2
Fig. 1 Proceso con 2 entradas y 2 salidas
Desde una perspectiva de diseo de control, necesitamos seleccionar
que variable manipulada, u
1
o u
2
, se precisa para regular la variable controlada
y
1
(evidentemente y
2
ser controlada por la otra variable manipulada). Nosotros
procederemos a tomar esta decisin en funcin a una estrategia de control que
minimice la interaccin entre los dos bucles de control.
Para conseguir este objetivo necesitamos una medida que nos indique el
efecto relativo que tiene u
1
en y
1
comparado con el que tiene u
2
sobre y
1
.
Conocemos que la ganancia en bucle abierto entre u
1
y y
1
, es (para u
2
constante):
2
1
1
11
u
u
v
k
A
A
=
PROCESO
19
u
2 y
2
y
1
-
Consideremos el caso en el que elegimos la pareja u
2
e y
2
con un
controlador con realimentacin. Adems, el controlador consigue un control
perfecto. Esto se muestra en la siguiente figura (Fig. 2).
u
1
Fig. 2 Proceso controlado con realimentacin mediante un controlador
Ahora podemos calcular una nueva ganancia en bucle abierto entre u
1
y
y
1
en presencia de este controlador.
2
1
1
'
11
v
u
v
k
A
A
=
Las ganancias en bucle abierto k
11
y k
11
' no sern en general iguales. En
el clculo de k
11
' es importante notar que y
2
permanece constante. Si se
introduce un cambio en u
1
con objeto de determinar y
1
, este cambio tambin
alterar el valor de y
2
. Sin embargo el controlador instalado para regular y
2
actuar para restaurar y
2
a su valor nominal cambiando u
2
. Este consecuente
cambio u
2
tambin provocar una variacin en y
1
. Por tanto el cambio total en
y
1
se deber a dos componentes el cambio debido a u
1
y el debido a u
2
. Por
tanto k
11
' no ser en general igual a k
11
.
La definicin de ganancia relativa es:
'
11
11
11
k
k
=
CONTROLADOR
PROCESO
20
En la prctica hay muchos factores que pueden contribuir a la
incertidumbre del modelo tales como la falta de precisin en las medidas de las
variables de la planta o en el modelo, el ajuste del mtodo de identificacin,
cambios en las condiciones de operacin, variacin en los parmetros fsicos,
etc. Es por esto que los modelos de proceso nunca son perfectos. Para
modelos de plantas con incertidumbre, el anlisis RGA puede dar informacin
engaosa sobre el apropiado emparejamiento de variables con fines de control.
Aunque la literatura sobre el control de procesos est repleta de anlisis de las
propiedades y aplicaciones de la RGA, el efecto de la incertidumbre del modelo
en el anlisis mediante la RGA ha recibido muy poca atencin.
Primero, las expresiones analticas para los lmites de incertidumbre en
la RGA se derivan de los problemas de control
2 x 2
. Se consideran dos tipos
de modelos de incertidumbre: los lmites para el peor de los casos (hard limits)
y las descripciones estadsticas de limites de incertidumbre. Los lmites de
incertidumbre para problemas de control
2 x 2
se extrapolan para problemas
generales
n x n
. Los nuevos lmites de incertidumbre dan informacin til
acerca de la estructura de control recomendada y la incertidumbre asociada
con esa recomendacin. Por otra parte, el anlisis de la incertidumbre de la
RGA puede utilizarse para estimar el mximo grado de incertidumbre del
modelo de la planta que no afectar a las parejas de variables recomendadas.
Esta informacin da una idea de la precisin requerida para el modelo de la
planta y cuanto pueden cambiar las condiciones de operacin antes de que las
parejas a controlar queden ambiguas.
2.2.1.3 Interpretacin de Ia ganancia reIativa
Los valores de la ganancia relativa tienen una relacin muy estrecha con
la controlabilidad de las parejas de variables (manipulada-controlada) y con su
interaccin con otros lazos de control. Los valores numricos posibles y su
significado son los siguientes:
21
1) /
ij
= 1 No hay interaccin con otros lazos.
2) /
ij
= 0 La variable manipulada, i, no afecta a la controlada, j.
3) /
ij
= 0.5 Hay un alto grado de interaccin. Los otros bucles de control tienen
el mismo efecto en la variable controlada, j, que la variable manipulada, i.
4) 0.5</
ij
<1 Hay interaccin entre los bucles. Sin embargo, podra ser la pareja
preferida si minimiza las interacciones..
5) /
ij
> 1 La interaccin reduce el efecto de la ganancia en el bucle de control.
Se requieren ganancias mayores en el controlador.
6) /
ij
>10 Las parejas de variables con altos valores de RGA son indeseables.
Pueden referirse a un sistema sensible a pequeas variaciones en la ganancia
y posibles problemas en la aplicacin de tcnicas de control basadas en el
modelo.
7) /
ij
< 0 Se debe tener especial cuidado con los elementos negativos de la
RGA. Los elementos negativos fuera de la diagonal indican que al cerrar el
bucle cambiar el signo de la ganancia efectiva. Si los elementos de la diagonal
son negativos, eso puede indicar 'inestabilidad integral', es decir, el bucle de
control es inestable para cualquier controlador.
2.2.1.4 Incorporacin de Ios trminos de perturbacin aI modeIo deI
sistema
Hasta ahora, slo habamos considerado procesos en los que ninguna
perturbacin afectaba su normal funcionamiento. El diagrama de bloques
responda a (Fig. 3):
22
Fig. 3 Estructura de un modelo multivariable (2 x 2)
En muchas ocasiones, los procesos pueden verse influidos por factores
externos tales como cambios en las condiciones ambientales, en la calidad de
las materias primas y otros. Para considerar estos efectos, se incorporan los
trminos de perturbaciones dentro del modelo. La incorporacin de estos
valores lleva a la siguiente expresin para el modelo:
| |
2 1
2
1
vp , vp badora varpertur v
Gd 0
0 Gd
Gd donde
badora varpertur * Gd lada varmanipu * G lada varcontro
=
(
=
+ =
Siendo la representacin de nuestro modelo con perturbaciones en un
diagrama de bloques (Fig. 4):
G
11
(s)
G
21
(s)
G
12
(s)
G
22
(s)
mv
1
mv
2
cv
2
cv
1
BucIe 1
BucIe 2
23
Fig. 4 ncorporacin de perturbaciones al modelo del sistema
2.2.1.5 Condition number (y) y Ia matriz RGA
El 'condition number' de una matriz describe cmo de sensible es la
misma a errores. Cuando el nmero es prximo a uno, se dice que la matriz
est 'bien-condicionada' ; cuando y toma valores mayores, se dice que la
matriz est 'mal-condicionada'.
El 'condition number' se define como:
) (
) (
) (
G
G
G
o
o
=
siendo o el valor singular mximo de la matriz y o el valor singular mnimo de
la matriz de funciones de transferencia.
G
11
(s)
G
21
(s)
G
12
(s)
G
22
(s)
mv
1
mv
2
cv
1
BucIe 1
BucIe 2
G
d1
(s) d
1
G
d2
(s) d
2
24
El sistema se considera mal condicionado (ill-conditioned) cuando
algunas combinaciones de las variables de entrada tienen un gran efecto en las
variables de salida mientras que otras combinaciones tienen poco efecto. Esto
puede cuantificarse mediante el condition-number ; que es la relacin existente
entre las ganancias de las direcciones fuertes y dbiles (ver apartado 2.2.3)
2.2.2 Matriz de Ganancias ReIativas ParciaIes (PRGA)
2.2.2.1 Introduccin
Un nuevo procedimiento para el anlisis y seleccin de estructuras de
control es el uso de la PRGA. Adems de la matriz de ganancias relativas GA)
para el sistema completo en bucle abierto, tambin se considera la RGA para el
sistema bajo control parcial. Esta ganancia relativa 'parcial' tambin soluciona
el problema de emparejamiento entre variables manipuladas y controladas para
el caso donde el uso de la RGA falla o es ambiguo, lo que suele ocurrir para
sistemas superiores a 2 2.
2.2.2.2 Matriz PRGA. Fundamentos.
La Ganancia Relativa Parcial (PRG) para un subsistema se define como
la RGA para el subsistema con el resto del sistema bajo control en
realimentacin, es decir, el sistema se encuentra parcialmente controlado. As
como se considera la RGA para un sistema completo en bucle abierto, del
mismo modo se considera la PRGA para los subsistemas ms relevantes.
Para conseguir una controlabilidad integral se requiere que todas las
parejas de variables seleccionadas en el sistema de control descentralizado
tengan ganancias relativas positivas en la RGA (para el sistema completo en
bucle abierto) as como en los elementos de la PRGA (para los subsistemas
mas importantes).
25
Todo esto facilita la eliminacin de estructuras de control inviables. La
matriz PRGA tambin permite comparar con facilidad posibles estructuras de
control entre ellas. Esto es muy til a la hora de elegir el emparejamiento de
variables debido a que la matriz RGA es poco fiable para este propsito en
sistemas superiores a 2 x 2. Esta poca fiabilidad para este tipo de sistemas se
observa en los casos en los que inicialmente la ganancia relativa entre dos
variables es cero (resultando un emparejamiento inviable, segn la RGA), para
luego pasar a un valor positivo al cerrar un lazo de control y considerar la
PRGA resultante tras el cierre de ese bucle de realimentacin.
2.2.2.3 Necesidad de considerar eI sistema en bucIe cerrado
Una columna de destilacin con dos productos y un condensador total se
representa mediante un modelo en bucle abierto del tipo:
(
=
(
) (
) (
0
) (
) (
s v
s u
Is G
G
s :
s v
1 -
:u
vu
donde y es un vector de composiciones (de cabeza y fondo), z es un vector
columna de inventario (nivel del condensador y hervidor), u es un vector de
caudales internos (reflujo liquido y caudal de vapor del hervidor) y v es un
vector de caudales de producto (destilado y fondos). La matriz RGA para este
sistema resulta:
(1.1)
0 I
0 ) (
) (
(
A
= A
s
s
vu
donde
1
A
yu
(s) = G
yu
(s) - G
yu
(s)
-T
es la matriz RGA de G
yu
(s) por separado.
26
De acuerdo con la ecuacin (1.1) la matriz RGA nos lleva a que las
calidades de los productos deberan ser controladas por los caudales internos y
el inventario por los caudales de producto. A esto se le denomina comnmente
'estructura L-V'. Cualquier otro valor en los emparejamientos llevara a valores
nulos en las ganancias relativas en las calidades de los productos y en y en el
control del inventario de la columna. De este modo cabra pensar que la
estructura L-V es la nica viable para controlar una destilacin de dos
productos.
Sin embargo, como es bien sabido , los caudales de producto pueden
ser usados para controlar las calidades de los mismos (la llamada estructura D-
B). En esta disposicin y es controlada por v, siendo til para cierto tipo de
columnas. Esta estructura llega a ser viable cuando el lazo de control de
inventario ha sido cerrado. Para permitir la evaluacin de esta estructura
mediante la matriz RGA, es necesario en primer lugar cerrar los bucles de
control de inventario. Dado que el control del inventario es necesario para una
operacin en continuo, la dependencia de la calidad en el inventario no es
necesariamente un serio inconveniente.
2.2.2.4 La ganancia reIativa parciaI
Como se puede deducir de lo anteriormente expuesto, el
emparejamiento de variables que se concluye de la matriz RGA para una
matriz en bucle abierto no es una medida fiable. Una razn de esta poca
fiabilidad es el hecho de que la RGA en bucle abierto no considera las
interacciones en bucle abierto. El efecto de cerrar uno o varios bucles de
control, que puede afectar a las propiedades del resto del sistema, no se
percibe en la informacin que da la matriz RGA.
Las ganancias relativas para la parte 'no controlada' de un sistema
parcialmente controlado se denominan ganancias relativas parciales.
1
El simbolo - simboliza la multiplicacion de matrices de Hadamard o elemento a elemento`
27
2.2.2.4.1 Definicin de PRG
Sea G una matriz de transferencia definida del siguiente modo:
(
=
22 21
12 11
G G
G G
G
con la hiptesis de G
22
definida como matriz no-singular. Dado este sistema se
define G
11
* como la matriz del subsistema G
11
cuando el resto del sistema (es
decir, G
22
) esta bajo control en realimentacin, siendo su valor:
21
1
22 12 11
*
11
G G G G G =

De este modo la matriz de las variables que no estn bajo control, posee
una PRG que se deduce de esta nueva matriz de transferencia:
( )
T
G G

- = A
*
11
*
11 11
Por ltimo, slo basta analizar cual es el mejor emparejamiento segn las
reglas que rigen la seleccin de variables idnticamente que en el caso de la
RGA.
2.2.3 Descomposicin en vaIores singuIares (SVD)
La descomposicin en valores singulares es una herramienta
matemtica utilizada frecuentemente en el anlisis de esquemas de control.
Nuestro inters se basa ms en su interpretacin fsica al aplicarse a la
respuesta en frecuencia de sistema G(s) multivariable (MMO) de m entradas y
l salidas.
28
Si consideramos una frecuencia dada w donde G(jw) es una matriz
compleja constante de tamao l x m, y llamando a G a G(jw) para mayor
simplicidad. Cualquier matriz G puede descomponerse en su descomposicin
en valores singulares de la forma:
H
V U G E =
donde:
Z es una matriz l x m con k (siendo k el valor mnimo entre l y m)
valores singulares no negativos, o
i
, ordenados de forma decreciente a lo largo
de su diagonal, siendo el resto de los valores cero. Los valores singulares son
las races cuadradas positivas de los autovalores de G
H
G, donde G
H
es la
matriz transpuesta conjugada de G.
U es una matriz unitaria l x l de vectores singulares de salida, u
i
.
V es una matriz unitaria m x m de vectores singulares de entrada, v
i
.
Todo esto se ilustra de forma ms clara para el caso de un sistema 2x2,
que se expresa del siguiente modo:

T
2 2
2 2
1 1
1 1
V
sin
sin
U
en s
en s
G
(
E
(

=
u u
u u
o
o
u u
u u
cos
cos
0
0
cos
cos
2
1
donde los ngulos 0
1
y 0
2
dependen de la matriz dada.
Los valores singulares son llamados en ocasiones tambin los valores
principales o las ganancias principales y sus direcciones asociadas se llaman
direcciones principales.
29
Direcciones de entrada y de saIida
Los vectores columna de U representan las direcciones de salida de la planta.
Son ortogonales y de modulo unidad (ortonormales), lo que significa:
1 ...
2
1
2
1
2
1
2
= + + + =
i i i i
u u u u
al mismo tiempo que:
j i u u u u
j
H
i i
H
i
= = = 0 , 1
De igual modo los vectores columna de V son ortogonales y de modulo
unidad, y representan las direcciones de entrada. La relacin entre las
direcciones de entrada y salida las dan los valores singulares. De hecho, dado
que las columnas v
i
y la u
i
son unitarias, el i-simo valor singular o
i
nos dar la
ganancia de la matriz G en esa direccin.
Las ventajas que posee la descomposicin en valores singulares frente a
la descomposicin en los autovalores de la matriz para el anlisis de ganancias
en plantas multivariable son las siguientes:
1. Los valores singulares dan mejor informacin acerca de las ganancias de la
planta
2. Las direcciones de la planta obtenidas a travs de la SVD son ortogonales
3. La descomposicin en valores singulares tambin se aplica para plantas no-
cuadradas (del tipo m x n , con m distinto de n).
VaIores singuIares mximos y mnimos
Como ya se puede haber deducido, la mayor ganancia de la planta para
cualquier direccin corresponde con el mayor valor singular, correspondiendo
30
la menor ganancia, siendo la menor ganancia de la planta para cualquier
direccin la correspondiente al menor valor singular.
El vector v corresponde a la direccin de entrada con la mayor
ganancia, as como la u corresponde a la direccin de salida para la que las
entrada son ms efectivas. A estas direcciones se las suele llamar 'las ms
fuertes', 'las de mayor ganancia' o 'las direcciones ms importantes'.
2.2.4 CIose Ioop disturbance gain (CLDG)
La ltima de las herramientas de medida de la controlabilidad es la
CLDG, o closed loop disturbance gain, que se calcula del siguiente modo.
Primero ha de calcularse la PRGA o Performance Relative Gain Array (F) , que
se define del siguiente modo (y que no debe confundirse con la Partial Relative
Gain Array, que es la que aplicamos en la interface grfica, por lo que a partir
de ahora la denominaremos PeRGA, para recordar el trmino Performance ):
) ( ) (
~
) (
1
s G s G s

I
siendo G(s) la matriz de funcin de transferencia cuadrada m x m, con
un emparejamiento en particular para el cual se han reajustado las filas y
columnas de G de modo que los elementos emparejados formen parte de la
diagonal de G(s). Una vez obtenida esta funcin la G
~
se define como la matriz
diagonal con los elementos correspondientes de la matriz G:
31
(
(
(
(
(
(
= =
mm
ii
g
g
g
g diag G
.
. } {
22
11
Una vez obtenida la PeRGA, que corresponde a una inversa de la matriz
escalada, se define la CLDG como:
) ( ). ( ) (
~
) ( ) (
1
s G s G s G s G s CLDG
d d

= I =
En este caso la CLDG s depende en el escalado de las variables de
perturbacin y de salida. Para conocer los resultados no hay ms que evaluar
las ganancias y ver cuales son las perturbaciones que ms afectan a las
variables de salida en el dominio de frecuencias.
2.3 ControI DescentraIizado (DIC)
Una planta G (correspondiente a un determinado emparejamiento de sus
variables) es controlable de forma descentralizada integral (DIC) si es posible
disear un controlador diagonal para esta planta que 1) tenga una accin
integral (sin offsets), 2) produzca lazos simples estables, 3) sea de tal modo
que el sistema permanezca estable cuando todos los lazos se cierran
simultneamente y 4) tenga la propiedad de que la ganancia de cada lazo
pueda ser reducida independientemente en un factor
i
c ( 1 0 s s
i
c ) sin
introducir inestabilidad.
2.3.1 SeIeccin de Ias parejas de variabIes
32
2.3.1.1 Introduccin
Una de las tareas ms importantes en el diseo de un sistema de control
es la especificacin de la estructura de control. Los pasos que hay que seguir
para el diseo son:
(1) Seleccionar las variables controladas
(2) Seleccionar las variables manipuladas y las variables a medir
(3) Seleccionar la configuracin del sistema de control
(4) Seleccionar el tipo de controlador
Es fcil percatarse de que el diseo de la estructura de control es ms
complejo que la tarea de disear un controlador para una serie de medidas y
de actuadores dados. En este apartado nos vamos a centrar fundamentalmente
en el punto 3.
En los casos donde hay un gran nmero de candidatas a variables de
medida y/o a variables manipuladas el nmero de posibles combinaciones de
entradas y salidas crece enormemente (debido al enorme nmero de
combinaciones posibles), por tanto intentar hacer un anlisis de controlabilidad
de cada una de las combinaciones llevara a una prdida excesiva de tiempo.
Por tanto, y con la intencin de evitar estas prdidas de tiempo, usaremos
medidas de seleccin de variables tales como la matriz de ganancias relativas
RGA o la descomposicin en valores singulares SVD.
Respecto a la seleccin de parejas de variables, existen una serie de
reglas de tipo heurstico, desarrolladas por Yu y Luyben (1986), y que se
resumen en las siguientes:
RegIa 1. Eliminar parejas de variables con valores negativos de la RGA
RegIa 2. Eliminar los emparejamientos con ndices de Niederlinski
negativos
33
RegIa 3. Eliminar los emparejamientos de variables con ndices de
Morari (MIC) negativos
De hecho, la violacin de cualquiera de esas tres reglas implica que la
planta no es controlable de modo descentralizado (DIC) con esa seleccin de
parejas de variables. En nuestro caso, trataremos nuestra seleccin de parejas
de variables con herramientas relacionadas con las ganancias relativas,
dejando de lado los ndices de Niederlinski y de Morari.
2.3.2 Concepto de ControI ParciaI
El control parcial en un nivel dado consiste controlar nicamente un
subconjunto de las variables de salida para las que hay un objetivo de control,
con la intencin de mejorar el control de las variables que no estn bajo ese
control parcial (caso de lazos de control en cascada) o de conseguir de modo
indirecto un control aceptable de las variables que no estn bajo este control
parcial (control indirecto) o, por ltimo, mediante un diseo secuencial de
controladores descentralizados, primero controlar este subconjunto de
variables para luego disear otro controlador para las variables de salida
restantes.
En el control parcial, se dividen las variables de salida y las de entrada
en los siguientes grupos:
- y
1
variables de salida sin controlar (de modo temporal) en el nivel de
control, pero para las que hay un objetivo de control.
- y
2
variables de salida medidas y controladas
- u
1
variables de entrada no usadas en el nivel de control, pero que se
pueden usar para otros fines (ver 2.3.2.1)
- u
2
variables de entrada utilizadas para controlar y
2
34
Hemos introducido la palabra 'temporal', ya que y
1
es normalmente una
variable controlada en un estadio superior de la jerarqua de control. Sin
embargo, aqu consideramos el sistema de control parcial conforme aparece
tras haber implementado un sistema de control local donde u
2
se usa para
controlar y
2
.
Para analizar la viabilidad del Control Parcial, uno debe considerar el
efecto de las perturbaciones en las variables de salida 'sin controlar', as como
las ganancias relativas para las variables que no estn siendo controladas.
Para ello, se analizan las funciones de transferencia para sistemas
parcialmente controlados.
Gracias a la divisin de entradas y salidas que hemos definido
previamente, el modelo en funciones de transferencia queda expresado del
siguiente modo:
u G u G y
u G u G y
2 22 1 21 2
2 12 1 11 1
+ =
+ =
[1]
Para ciertas frecuencias se puede considerar que las variables y
2
estn
perfectamente controladas, de modo que el error en el control de y
2
es casi
imperceptible, siendo la funcin error la siguiente:
0
~
2 2 2
~ = r y e [2]
siendo
2
~
r el vector de seales de referencia (o setpoint) para las variables de
salida y
2
.
despejando u
2
de la ecuacin de y
2
en [1] y asumiendo que se realiza un
control perfecto [2]:
2
1
22 1 21
1
22 2
~
r G u G G u + =

35
sustituyendo en la ecuacin [1], resulta:
2
1
22 12 1 21
1
22 12 11 1
~
) ( ) ( r G G u G G G G y + =

Resultando la expresin del siguiente modo:
2 1 1
~
r P u P y
r u
+ =
donde:
- P
r
es la ganancia parcial de referencia (o de error) y muestra como afecta
el control 'perfecto' de las variables y
2
a las variables y
1
que estn fuera de
ese control parcial.
- P
u
es la ganancia de las variables de entrada no utilizadas (u
1
) para un
sistema bajo control parcial. El valor de los elementos de la matriz P
u
nos
muestran la facilidad del control que hay para el esquema de control
restante de las variables u
1
manipuladas sin utilizar con las variables y
1
de
salida an sin controlar. A partir de estos datos , se buscan aplicaciones
para el control parcial, siendo las tres ms importantes las que se nombran
en el apartado siguiente.
2.3.2.1 ApIicaciones deI ControI ParciaI
Existen tres aplicaciones principales del Control Parcial:
(1) Lazos de ControI en Cascada con medidas adicionales y
2
(2) ControI Indirecto de y
1
mediante el control de y
2
(3) Diseo secuenciaI de controladores descentralizados
36
En los casos 2 y 3 hay objetivos a cumplir asociados con las variables de salida
y
2
. Los tres problemas estn ntimamente relacionados, y en todos ellos
buscamos que los efectos de las perturbaciones en y
1
sean pequeos cuando
y
2
est controlado.
(1) Lazos de ControI en Cascada
Las variables de salida y
2
son variables de medida adicionales, y por tanto
de poca importancia en s mismas. La razn de controlar y
2
es mejorar el
control de y
1
. Los valores de referencia r
2
se usan como grados de libertad para
controlar y
1
luego el conjunto u
1
permanece a menudo sin uso.
(2) ControI Indirecto
Las variables de salida y (que incluyen y
1
e y
2
) tienen todas asociado un
objetivo de control, por lo que consideramos controlar solo un subconjunto de
stas y
2
, con la intencin de conseguir de modo indirecto un control aceptable
de y
1
. Es decir, las variables de salida y
1
permanecen sin controlar y el
conjunto de variables manipuladas u
1
permanecen sin ser utilizadas.
(3) Diseo secuenciaI de controIadores descentraIizados
Las variables de salida y (que incluyen y
1
e y
2
) tienen todas un objetivo de
control asociado, y usamos un sistema de control jerarquizado. Primero se
disea un controlador K
2
para control el subconjunto y
2
. Con este controlador
ya instalado (lo que supondra un sistema de control parcial), podramos ya
disear un controlador K
1
para las variables de salida restantes.
|z;il1|1 1. |1lsr|zss rz||sz 1s| m11s|1. |||| 11z1 k1l11|1 Isrrz11 1msr1
37
3. Interface grfica deI modeIo: COLGUI
El anlisis de la controlabilidad para una columna de destilacin
mostrado en este proyecto se ha desarrollado a partir de funciones
programadas en MATLAB
, lenguaje tcnico de programacin ideal para

trabajos en los que el desarrollo matemtico y de ecuaciones es una parte
importante del mismo.
Cada una de las funciones creadas para este proyecto con un objetivo
especfico, tales como aquella que construye la matriz parcial de ganancias
relativas (PRGA), o las funciones que desarrollan el modelo en espacio de
estados a partir de un modelo de ecuaciones diferenciales, fueron
desarrolladas en un primera fase de modo independiente. Cada una de ellas
poda ejecutarse desde la lnea de comandos de MATLAB mediante una
llamada a la funcin y un nmero de argumentos de entrada suficientes.
La dificultad que surge con el uso los archivos en MATLAB (M-scripts) es
la poca comodidad en su uso, lo que llev a pensar en la creacin de un
entorno grfico integrado donde el usuario disponga de una serie de
herramientas que le permitan la interaccin con el modelo y una visin global
de los resultados del mismo. Ese es el objetivo con el que naci la interface
COLGUI (COLumn Graphical User Interface). Las ventajas que COLGUI
presenta frente a la ejecucin de archivos de MATLAB en la lnea de comandos
son de todo tipo; por una parte se permite una variacin de los valores de los
parmetros desde la interface principal, as como una visin conjunta de las
matrices creadas a partir de los mismos (matriz de transferencia, de ganancias
relativas, seleccin de emparejamiento de variables) junto con el modelo de la
columna descrito internamente en el cdigo de la funcin. Por otra parte,
permite el almacenamiento de los datos de nuestra estructura de control para
una posterior visualizacin de los mismos y un anlisis comparativo de los
esquemas de control seleccionados. En el desarrollo de la COLGUI se ha
utilizado un entorno de creacin de interfaces que incluye MATLAB 6.0.
38
3.1 Introduccin
Una interface de usuario grfica (GU) es una interface de usuario
construida a base de botones, campos de texto, barras deslizantes, y mens.
En general, este tipo de objetos son conocidos para la mayora de usuarios de
ordenadores. Por ejemplo, cuando se mueve una barra deslizante, un valor
cambia; cuando se presiona un botn del tipo 'Aceptar' nuestros valores se
cargan y la ventana de dilogo se cierra.
Todas estas aplicaciones que incluyen las interfaces grficas son ms
fciles de usar y de aprender ya que la persona que utiliza la aplicacin no
necesita saber cules son los comandos que estn disponibles o cmo
funcionan. El siguiente apartado muestra unas ligeras nociones del
funcionamiento del entorno de creacin de interfaces en MATLAB, cmo
programarlas para que respondan de determinada manera a la accin del
usuario, cmo guardar y lanzar la GU; en otras palabras, la mecnica de la
creacin de GUs. No se pretende en ningn momento entrar en el "arte" de
disear una buena interface, que sera objeto de un libro completo.
3.2 Creacin de interfaces mediante GUIDE
MATLAB crea las interfaces de usuario en forma de ventanas que
contienen varios estilos de objetos (como botones, cuadros de texto...). Se
debe programar cada objeto por separado para que ejecute la accin deseada
al activarse por el usuario de la GU. Todas estas tareas se simplifican de algn
modo por el GUIDE (Entorno de Desarrollo de nterfaces Grficas de Usuario, o
Graphical User Interface Development Environment).
Para mostrar el entorno y comenzar a trabajar con l, basta con teclear en la
lnea de comandos la palabra guide. Se nos abre un entorno como el de la
figura:
39
Figura 1. Entorno GUDE de creacin de nterfaces de Usuario
El proceso de implementar la interface tiene dos etapas bsicas
claramente diferenciadas:
- Definir las propiedades de los componentes de la GU (su posicin,
tamao, color,..).
- Programar los eventos que acompaan a cada uno de esos
componentes.
Aunque es posible crear un archivo-M que contenga todas las rdenes
para mostrar nuestra interface, el uso de la GUDE permite generar dos
archivos que se distinguen principalmente por lo siguiente:
40
- El archivo Fig (*.fig), que contiene una completa descripcin de
nuestra figura principal y de todos los objetos que la incluyen, as
como los valores de sus propiedades.
- El archivo-M (*.m), que contiene las funciones que arrancan y
controlan nuestra interface, as como las funciones de llamada (las
que se activan al producirse un evento en cualquiera de nuestros
objetos), que se definen como subfunciones. Es importante observar
que el archivo-M no contiene el cdigo que muestra nuestra
interface, esta informacin la contiene el archivo Fig.
3.2.1 Caractersticas principaIes de Ios archivos M
Los archivos-M generados de forma automtica por el entorno GUDE,
presentan una serie de ventajas frente al hecho de escribir nuestro cdigo
partiendo de cero:
- El archivo-M contiene ciertas opciones para implementar una serie de
propiedades de gran utilidad. Por ejemplo, permite hacer que nuestra
interface mantenga un tamao constante o que sea proporcional al
tamao de la pantalla, tambin permite que nicamente se genere el
archivo Figo que se generen ambos ( Figy archivo M), e incluso
permite que al introducir un objeto nuevo en nuestra interface, se
genere automticamente la funcin de su evento correspondiente.
- El archivo-M maneja las propiedades o 'handles' de los objetos de
modo efectivo, lo que implica una ventaja a la hora de ejecutar las
funciones de llamada. Los 'handles' son recopiladores de informacin
que permiten al programa acceder a un recurso en particular desde
cualquier punto del programa.
- El archivo-M permite manejar datos globales sin necesidad de crear
datos globales.
41
- Las funciones insertadas automticamente en el cdigo son de tipo
estndar y aseguran compatibilidad con futuras versiones de
MATLAB. Su sintaxis habitual es la siguiente:
function objectTag_CaIIback (h, eventdata ,handIes ,
varargin)
Los argumentos de entrada son los siguientes:
Argumentos de la funcin
H
Corresponde al handle del objeto cuya
funcin se est ejecutando
Eventdata Reservado para uso en futuras versiones
HandIes
Estructura que contiene los handles de todos
los componentes de la GU
Varargin
Lista variable de argumentos que se quieren
pasar a la funcin
3.3 Interface de usuario COLGUI. ManuaI de Usuario.
La presente interface grfica exige unos mnimos conocimientos de
control y emparejamiento de variables, as como de Operaciones Bsicas de
ngeniera Qumica (en particular de la operacin de Destilacin binaria a
presin constante) para la comprensin de sus resultados. Aunque bien es
cierto que no se precisa para su uso mecnico ningn especial conocimiento
de este tipo de materias, para su uso provechoso si son necesarias ciertas
nociones de operaciones bsicas y esquemas de control.
El diseo del proyecto consta de varias ventanas grficas, de las cuales
la principal presenta el nombre de Modelo de Columna de Destilacin y de ella,
mediante una interaccin con los objetos de la misma, se abren otra serie de
pantallas interactivas correspondientes a otras acciones como cargar de datos,
visionado de resultados y seleccin de variables a emparejar.
42
Durante los siguientes apartados vamos a explicar el uso y
funcionamiento de cada una de las ventanas, comenzando por la principal.
3.3.1 Interface principaI: ModeIo de coIumna de DestiIacin
Esta ventana es la que podramos denominar principal en cuanto a que
es la primera en aparecer tras el inicio del programa y , por otro lado, es la que
liga a las otras de un modo directo o indirecto. Para comenzar a utilizar el
programa basta con teclear en la lnea de comandos de MATLAB la palabra
colgui y presionar la tecla ntro. Previamente habr sido necesario situar los
archivos de la interface en un path reconocido por MATLAB. Rpidamente se
observa que la interface posee tres reas de interaccin claramente
diferenciadas, que se pueden observar en la siguiente figura.
Figura 2. Ventana principal del programa COLGU
3.3.1.1 Primer rea de Interaccin: Mens despIegabIes
La primera zona de interaccin la integran los mens desplegables que
hay en la zona superior y que se subdividen en:
43
- Archivo
Este primer men se compone a su vez de dos submens adicionales,
como son Cerrar y Cargar Datos.
El primero de ellos cierra esta ventana principal y el programa en curso,
de igual modo que se podra hacer pinchando con el ratn en el extremo
superior derecho de la figura (el clsico icono de Cerrar de Windows) o, por
ltimo, acudiendo al conocido Alt + F4.
Figura 3. Men desplegable Archivo. Submen Cerrar
El segundo submen tiene como funcin cargar en memoria la serie de
datos necesaria para la ejecucin del programa.
Figura 4. Men desplegable Archivo. Submen Cargar Datos
44
No es necesario el uso de este submen de modo obligatorio ya que si,
al ejecutarse el programa, ste detecta que no posee datos para el desarrollo
del mismo, abrir una ventana de dilogo para que el usuario pueda escoger el
archivo de datos y continuar la ejecucin del programa. La ventana de dilogo
que se abrira en el caso de pulsar este submen es la siguiente:
Figura 5. Ventana de dilogo para la Seleccin de un archivo de datos
La nica restriccin que presenta la seleccin del archivo de datos es
que nicamente permite buscar archivos con extensin .mat. Una vez
cargamos los datos de nuestro archivo .mat, el programa comprueba lo
siguiente:
1/ La existencia de dos variables Xinit y Uinit en dicho archivo.
2/ Las dimensiones de dichas variables. En este punto se precisa una
aclaracin acerca de que significan fsicamente esas dos variables.
Xinit es un vector columna con los valores de variables del
espacio de estado en el punto estudiado. Esas variables son las
composiciones del componente ligero en todos los platos de la columna
(x
ligth
), as como las cargas molares de lquido en cada plato. La
numeracin es la siguiente, el numero 1 corresponde a valores del
45
hervidor y el N al del condensador. Resultando para una columna de 41
platos, el siguiente valor de Xinit:
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
41
2
1
41
2
1
V
V
V
x
x
x
X
|n|r
Es redundante, por tanto, sealar que el tamao del vector Xinit

ha de ser exactamente
erap
h 2 siendo N
etap
el nmero de etapas de la
columna que estemos tratando y que viene dado por el valor que venga
marcado en el cuadro de texto del parmetro correspondiente a N
etapas.
Uinit es un vector columna que contiene los valores de las
variables de entrada (o inputs) en el punto donde estamos analizando la
controlabilidad. Con la intencin de que este programa sea ampliable en
un futuro, durante todo el proceso de programacin se han considerado
las variables que causan perturbacin a la columna y que en este caso
son tres: el caudal de alimentacin a la columna en kmol/h (F), la
composicin de la alimentacin en fraccin de componente ligero(z
F
) y la
fraccin de lquido de la misma en tanto por uno (q
F
). Estas tres
variables anteriores se unen a las variables utilizadas para manipular la
columna y que son cuatro:
- L
T
caudal molar de reflujo(
n
kmo|
) que viene del condensador
- V
B
caudal molar de vapor (
n
kmo|
) que abandona el hervidor y vuelve a
la columna
46
- D caudal molar de destilado (
n
kmo|
) que abandona el condensador
como producto de cabeza.
- B caudal molar (
n
kmo|
) que abandona la columna como producto de
fondo.
Resultando un vector Uinit de siete componentes, en sus unidades
correspondientes, de la siguiente forma:
(
(
(
(
(
(
(
(
(
=
F
F
3
T
|n|r
q
z
F
3
0
v
l
u
En el caso de que el archivo de datos que se cargue sea
dimensionalmente incorrecto (caso de tener datos de composiciones para un
nmero de etapas que no son coherentes con el valor de N etapas), aparece
un mensaje de error del tipo:
A partir de este punto, los valores iniciales ya quedan guardados en el
programa, y nicamente se preguntar si se desea cambiar de archivo de datos
al efectuar ciertas acciones por el usuario.
47
- ResuItados
Este segundo men de la ventana principal sirve para mostrar
nicamente los resultados de las pruebas de control que se hayan efectuado
sobre la columna de destilacin y que el usuario haya credo conveniente
guardar en memoria. Presenta tres submens adicionales como se observa a
continuacin en la figura.
Figura 6. Men desplegable Resultados
Cada uno de estos submens mens muestran los resultados de: la
Matriz de Ganancias Relativas (caso del submen RGA), la Matriz Parcial de
Ganancias Relativas (caso del submen PRGA) y la Matriz de funciones de
Transferencia (caso del submen G(w)) .
Durante el proceso de programacin, existe un momento en el que se le
ofrece al usuario la opcin de guardar los resultados (como se ver ms
adelante en el Apartado 3.3.2.3). En el caso de tratarse del primer archivo que
se desea guardar, el programa COLGUI, busca el directorio raz de MATLAB y,
en el interior de su subcarpeta work, crea tres subcarpetas ms donde se van a
guardar los resultados de las siguientes pruebas de control. El nombre de cada
una de las subcarpetas sern RGA, PRGA y GW, donde se guardarn los
resultados de las consiguientes pruebas de control.
48
Volviendo al apartado actual, y una vez elegido el submen de los datos
que deseamos visualizar, una ventana de seleccin nos mostrar los archivos
de datos (de extensin *.mat), que hay en la carpeta elegida y tras su seleccin
nos mostrar los resultados alcanzados en ese esquema de control (ver
apartado 3.3.4). En la figura inferior se muestra la carpeta /work/GW y los
archivos de resultados susceptibles de mostrar.
Figura 7. Ventana de dilogo para la Seleccin de un archivo de Resultados
- Ayuda
Este ltimo men de la ventana principal se divide a su vez en tres
submens adicionales de aplicacin informativa y/o de ayuda para el uso de la
misma. La figura siguiente muestra el men ya desplegado:
49
Figura 8. Men desplegable Ayuda
Cada uno de estos submens muestra una informacin relacionada con
el proyecto, y posee una finalidad particular.
El submen M.C.D muestra parte de la informacin que se muestra en
esta documentacin en formato html, de modo que al activar esa opcin se
abre una ventana de bsqueda en la que se permite acceder al archivo de
ayuda y abrirlo con el navegador de nternet que este definido por defecto.
El siguiente submen de ttulo Acerca deI programa muestra un cuadro
de dilogo en el que se informa de los distintos detalles del programa, as como
el autor, tutor del proyecto y fecha de creacin.
El ltimo de los submens de ttulo Contactar se despliega en otros tres,
con el objetivo de servir de contacto entre el usuario de la interface y los
creadores de la misma. La forma de contactar consiste en la activacin del
gestionador de correo que tenga predeterminado en esos momentos el
navegador de nternet, as como la apertura de la pagina web del
Departamento de ngeniera Qumica y del Medio Ambiente. Del mismo modo
se permite el contacto del usuario con la pgina web de Mathworks, para
consultas relacionadas con el software utilizado.
50
Figura 9. Submen desplegable Contactar
3.3.1.2 Segunda rea de Interaccin: Parmetros deI ModeIo
La segunda rea de interaccin la componen los Parmetros de la
columna a rellenar por el usuarios. Los parmetros que se han seleccionado
para poder variar por el usuario son los siguientes:
- VoIatiIidad reIativa (o oo o): es una relacin que indica la facilidad o
dificultad existente a la hora de separar los componentes en esta
columna de destilacin binaria. Una volatilidad baja significa que los
dos componentes poseen valores de sus presiones de vapor muy
cercanos entre s a una temperatura dada; de modo contrario para el
caso opuesto. Se trata siempre de un valor positivo.
51
- N etapas: indica el nmero de etapas tericas de las que consta
nuestra columna. Al tratarse de etapas tericas (que no platos reales)
estn incluidas siempre el hervidor y el condensador, por lo que al
menos se precisa un nmero de etapas superior a dos. En caso de
introducir un nmero inferior a ste, un mensaje de error aparece por
pantalla.
- N aIim: indica la etapa en la que alimentamos a la columna. Se exige
que en ningn momento haya contradicciones entre el numero de
etapas y la etapa de alimentacin. Es decir, en cualquier momento, el
valor de la etapa de alimentacin debe ser inferior al nmero de
etapas de la columna. En caso contrario, aparecer un mensaje de
error que paraliza el programa hasta que cambie el valor de alguno
de los parmetros implicados (ver figura).
52
- Tau: Es un parmetro que influye en la dinmica del lquido en la
columna. Siempre debe tomar valor positivo. El valor Tau es una
constante temporal que rige la dinmica del lquido en cada etapa
segn la ecuacin:
Tau
M M
L L
i i
i i
) (
0
0

+ =
0
i
L [kmol/min] y
0
i
M [kmol] son los valores nominales del caudal de
lquido y la cantidad de masa existente en la etapa i.
3.3.1.3 Tercer rea de Interaccin: Funciones G(w), RGA y PRGA
53
La tercera de las reas de interaccin la componen los botones que
corresponden a las funciones G(s), RGA y PRGA. Cuando el usuario pulsa
cualquiera de estos botones, se ejecuta la funcin asociada a ese evento.
Todas estas funciones precisan de un archivo de datos para ejecutarse, por lo
que lo primero que se hace es la comprobacin de si existe un archivo cargado
previamente. En el caso de existir, se abre una ventana de dilogo que
cuestiona la sustitucin del archivo existente por otro:
Una vez respondida esta cuestin se abren las ventanas de clculo de
resultados, donde el usuario puede visionar los grficos de las funciones para
distintos valores de la frecuencia y para cualquiera de los emparejamientos
seleccionados.
3.3.2 Interfaces de cIcuIo: RGA, PRGA y G(w)
Esta serie de ventanas son las resultantes de pulsar los botones RGA,
PRGA y G(s) de la interface principal. Una vez, como se ha comentado
previamente, est cargado el archivo de datos se nos abre una de las llamadas
ventanas de clculo, donde se nos presentan varias zonas de interaccin con
el usuario.
Cada una de estas interfaces de clculo est particularizada para su
funcin individual (la G(w) muestra la funcin de transferencia, la RGA muestra
la matriz de ganancias relativas y la PRGA la matriz parcial de ganancias
54
relativas), aunque presentan un esquema de diseo muy similar, de modo que
el usuario sepa dnde se encuentran las aplicaciones de dicha interface
aunque varen algunas aplicaciones en particular (por ejemplo, el Condition
number no aparece en la interface de la funcin de transferencia y si en las de
la RGA y en la PRGA ).
Como se observa en la imagen inferior, la interface de clculo posee una
serie de zonas comunes para operar con las funciones de clculo de la
controlabilidad de la columna.
Figura 10. Ventana de clculo correspondiente al botn G(s)
Las zonas se dividen en las siguientes enumeradas a continuacin:
3.3.2.1 Primer rea de interaccin: Zona grfica
55
Esta zona est compuesta por los dos grficos, el botn PIot, los cuatro
radiobotones o botones de chequeo y las dos ventanas de texto de frecuencia.
A continuacin se explica la finalidad y el uso de cada uno de ellos:
- Grficos, su finalidad es contener los dos grficos correspondientes
al Diagrama de Bode de la funcin que estemos tratando (funcin de
transferencia, matriz de ganancias relativas o matriz parcial de
ganancias relativas). En el grfico superior se muestra en el eje de
ordenadas la magnitud del valor a mostrar frente a la frecuencia (esta
ltima en radianes partidos por segundo); en el grfico inferior se
muestra en ordenadas la fase correspondiente a ese nmero
complejo (en grados sexagesimales) frente a la frecuencia (tambin
en radianes partidos por segundo). Las escalas de ambos grficos se
pueden modificar para tener escala logartmica o lineal para el eje de
abcisas y escala lineal o en decibelios para el eje de ordenadas
mediante un men contextual que se activa al pulsar el botn
derecho del ratn sobre cualquiera de los dos grficos.
Figura 11. Men contextual de seleccin de Escala para los ejes
- Radiobotones, su finalidad es la seleccin de las variables que van a
mostrarse en los grficos. Una vez calculada la matriz (G(w), RGA(w)
o PRGA(w), segn el caso que estemos tratando), se seleccionar
qu emparejamiento o emparejamientos de la diagonal se quieren
56
mostrar en el grfico de Bode. Para ello basta con chequear en los
radiobotones que se muestran en la figura y presionar el botn
grfico PIot. La seleccin del elemento cuyo texto sea xxx22 (donde
xxx corresponder a g, rga o prga), por ejemplo, mostrar en pantalla
la respuesta en frecuencia del emparejamiento del segundo elemento
de la diagonal en el intervalo de frecuencias seleccionado. Si surge el
deseo de variar el intervalo de frecuencias donde estamos mostrando
el grfico, simplemente hay que variar los valores de los cuadros de
texto inmediatamente superiores a los radiobotones.
- Cuadros de texto, su valor inicial es 0.001 para el intervalo inferior y
0.1 para el superior, pudiendo ser modificados a voluntad por el
usuario. Una vez modificados, y tras pulsar el botn PIot, se puede
visualizar un grfico de las variables seleccionadas entre los valores
e frecuencia marcados.
A continuacin se muestra una imagen de la ventana de resultados de la
funcin RGA, para un intervalo entre 10
-5
y 10
-2
rad/s, con la magnitud en
decibelios y la frecuencia del eje de abcisas en escala logartmica, para el
grfico de los elementos de la diagonal rga11.
57
Figura 11. Ventana de clculo de la RGA
3.3.2.2 Segunda rea de interaccin: Zona matriciaI
Esta zona est compuesta por una barra deslizante, un cuadro de texto,
el botn Matriz Compleja y los cuadros de texto que muestran la matriz. El uso
y finalidad de los mismos se muestran a continuacin:
- Barra deslizante y cuadro de texto, se han agrupado los dos objetos
ya que su finalidad es la misma y consiste en determinar una
frecuencia concreta (en radianes partido por segundo) para que se
muestre la matriz inmediatamente superior particularizada para ese
valor.
58
El cuadro de texto est programado para que, en el caso de que se le
escriba un valor de frecuencia que no pertenezca al intervalo en el
que estamos mostrando la grfica, vuelva al valor que se le introdujo
por ltima vez. De igual modo, si se vara el intervalo de frecuencias
y el valor que contiene nuestro cuadro de texto no pertenece ya a l,
la barra deslizante desaparece y no vuelve a aparecer hasta que se
introduzca un nuevo valor que est incluido en el intervalo dado.
- Botn Matriz Compleja, muestra la matriz que estamos tratando
(G(w), RGA o PRGA) en forma compleja, particularizada para una
frecuencia concreta (indicada en el cuadro de texto correspondiente).
Permite ver los signos tanto de la parte real como de la parte
imaginaria. Para ello abre una nueva ventana en la que muestra los
resultados.
Figura 12. Ventana correspondiente al botn Matriz Compleja
Tambin es preciso comentar que , en el caso de haber pulsado
originalmente el botn RGA o el PRGA, se mostrar, adems del
valor de la matriz en forma compleja, el valor de su condition
number (y) para la matriz completa o para la seleccin de parejas
de variables que hayamos efectuado mediante la PRGA.
59
- Cuadros de texto de la matriz, nos muestran los valores absolutos de
la matriz en la frecuencia fijada por el cuadro de texto inferior (o de
igual modo por la barra deslizante). Equivalen a los valores del
grfico de Bode correspondientes a la magnitud para una frecuencia
dada.
3.3.2.3 Tercer rea de interaccin: Zona Men
Todas las ventanas de clculo poseen un men de Resultadosdonde el
usuario puede decidir guardar los resultados de su ejecucin y seleccin de
control para posteriormente visualizarlo y comparar entre distintos esquemas y
soluciones de control.
Una vez seleccionada la pestaa del men de Guardar resultados, se
abre un cuadro de dilogo donde es posible escribir el nombre del archivo que
se desea guardar, con su extensin prefijada -mat. Se puede observar que, de
modo automtico, el programa COLGUI genera una serie de carpetas donde
guardar los resultados y segn el tipo de ventana de calculo que tengamos
abierta, guardar el resultado en una o en otra (es decir, si estamos en la
ventana de calculo de la RGA, guardar los resultados en la subcarpeta
work/RGA con el nombre que hayamos escogido). Existe una opcin de
sobrescribir el archivo ya existente si hemos seleccionado el nombre de un
archivo que ya exista.
60
Figura 13. Ventana correspondiente al men Resultados
3.3.3 Interface de seIeccin: Emparejamiento de variabIes
Esta ventana de seleccin de parejas de variables se activa nicamente
al pulsar el botn PRGA en la interface principal. Lo primero que hace es
mostrar una ventana similar a la de la figura inferior, invitando al usuario a
seleccionar las parejas de variables de control para efectuar un control parcial.
Figura 14. Ventana de seleccin de variables
El usuario nicamente debe seleccionar un elemento de cada columna,
para lo que se ha programado una funcin que evita la mltiple seleccin en
una misma columna. De igual modo, se debe seleccionar un valor en ambas
columnas, por lo que saltar un mensaje de error si una de las dos columnas o
ambas no estn seleccionadas.
61
Figura 15. Error de seleccin. Ausencia de al menos una variable
Para el funcionamiento correcto de la nterface de seleccin de variables se
han de cumplir los siguientes requisitos:
1/ Tras seleccionar una variable manipulada y otra controlada, se debe
pulsar el botn SeIeccionar pareja.
2/ Una vez finalizada la seleccin de la ltima de las parejas de control,
se debe pulsar el botn Fin SeIeccin.
3/ No se debe seleccionar una variable manipulada ni controlada ms
de una vez en el mismo bloque de seleccin de parejas. En caso
contrario, el programa mostrar un mensaje de error similar al indicado
en la figura.
62
Una vez seleccionadas las parejas sobre las que se va a ejercer el
control parcial, y seleccionado el archivo de datos, se abrir la ventana de
clculo correspondiente a la PRGA. En ella se puede observar que slo permite
ver los grficos de ganancias relativas para las parejas que no han sido
seleccionadas para sufrir control y que , por tanto, sufren un control 'indirecto'
(el que implica el control directo de las otras parejas seleccionadas). Por otra
parte, tambin se observa que la matriz que muestra los valores de la Magnitud
para una frecuencia dada, se rellena de ceros para los valores ya controlados
(es decir, que si en nuestro modelo 4 4 seleccionamos una pareja de
variables a controlar, la RGA resulta de un tamao 3 3 y el resto de los
valores que dan rellenos con ceros ).
3.3.4 Interface de resuItados
La ventana de Resultados se presenta como la manera ms cmoda y
visual de mostrar los resultados del esquema de control seleccionado que han
sido guardados previamente por el usuario.
Para mostrar la interface de Resultados es preciso haber guardado
previamente algn resultado desde cualquiera de las interfaces de clculo. Una
vez cumplido el requisito anterior, no hay ms que dirigirse a la nterface
Principal y dentro de sta, al men de Resultados. Se selecciona una de las
tres opciones del men desplegable (RGA,PRGA o G(w)), y se abrir un
cuadro de dilogo que mostrar los archivos de tipo *.mat que encuentre en la
carpeta seleccionada.
63
Figura 16. Cuadro de dilogo del Men Resultados/PRGA
Una vez se ha cargado el archivo de resultados, se abre la llamada
ventana de Resultados que contiene los siguientes componentes
[1] Parmetros: Muestra los valores de los cuatro parmetros con los que se
efectuaron los clculos de las matrices correspondientes. Siempre
aparecen en esta venta de resultados.
[2] Archivo de datos: Muestra el nombre del archivo de datos que se ha
utilizado para realizar los clculos y que contiene a las variables Xinit y
Uinit con los valores correspondiente de las variables del espacio de
estados y con el de las variables de entrada.
[3] Matriz ResuItado: Segn el men de resultados que hayamos
seleccionado, mostrar la matriz de funciones de transferencia, la matriz de
ganancias relativas o la matriz parcial de ganancias relativas.
[4] Condition number (y): Es una medida de la controlabilidad del sistema.
Este valor se visualiza para el caso de que el men seleccionado haya sido
64
el RGA o el PRGA, permaneciendo oculto para el caso de la G(w) (ya que
el condition number no tiene sentido en este caso).
[5] Parejas de variabIes bajo controI parciaI: Muestra la serie de variables
seleccionadas para ser controladas parcialmente. Puede seleccionarse
desde una pareja hasta las cuatro. nicamente aparece visible para el caso
de haber seleccionado el men PRGA.
Figura 17. nterface de Resultados para el caso de la PRGA
|z;il1|1 1. k;||szs|11 1s| k1z||s|s 1s |11lr1|z1|||1z1 z 11z s1|1m1z 1s 1ssl||zs|11 11z1 k1l11|1 Isrrz11 1msr1
65
4.ApIicacin deI AnIisis de ControIabiIidad a una coIumna de
destiIacin
La operacin de en el condensador en la cabeza de la misma. La
corriente de vapor, generada en el hervidor, asciende por la columna y entra en
contacto destilacin se suele utilizar para separar una corriente de alimentacin
binaria o multicomponente en dos o ms corrientes con diferentes
composiciones. Es una de las operaciones ms comunes en refineras, e
industrias qumicas y petroqumicas. En las refineras el crudo es separado en
aceites pesados, ligeros, gasolinas, ... por destilacin. En industrias qumicas y
petroqumicas la destilacin es la tcnica ms usada a la hora de separar los
productos deseados de los subproductos o las materias primas sin reaccionar.
El principio fsico de separacin en una columna de destilacin es la
diferencia de volatilidad de los componentes separados. La separacin tiene
lugar en una columna vertical donde el calor es aportado en el hervidor en el
fondo de la columna y es eliminado con la corriente de lquido, proveniente del
condensador, que desciende por la misma. Los componentes ligeros
enriquecen la fase vapor y los menos voltiles (o pesados) enriquecen la fase
lquida. Una corriente de producto extrada de la cabeza de la columna
contendr principalmente componentes ligeros mientras que una corriente
tomada del fondo contendr pesados.
El control de la composicin en columnas de destilacin ha sido
estudiado durante muchos aos por un gran nmero de investigadores. A
pesar de esto, hay partes de todava sin revelar.
Hay muchas razones que explican el gran inters que despierta el
control de las operaciones de destilacin. Desde un punto de vista acadmico
el control en la destilacin es un problema multivariable muy interesante, y
desde un punto de vista industrial una mejora en este control conlleva a un
sustancial aumento en los beneficios. Los mayores beneficios que resultan de
la mejora en el control de composiciones son:
66
1. Reduccin en el consumo energtico.
2. Aumento del rendimiento.
3. Mayor produccin.
En la industria, la mayora de las columnas son operadas por
controladores SSO y normalmente slo se controla una composicin
automticamente. Esto lleva a una prdida de productos valiosos y a un
excesivo consumo de energa. Sin embargo, el control automtico de ambas
composiciones puede ser muy complejo de conseguir debido a las fuertes
interacciones entre las composiciones de productos de cabeza y fondo. Se ha
demostrado que en columnas de alta pureza, es decir, columnas con
composiciones de cabeza y fondo muy puras, se sufren fuertes interacciones
que hacen el sistema muy sensible a incertidumbres en las variables
manipuladas. Sin un mtodo riguroso para trabajar con las incertidumbres
puede ser prcticamente imposible ajustar un controlador que opere las dos
composiciones para un sistema con fuertes interacciones. Esta puede ser una
de las razones por las cuales el control de una nica composicin es tan
comnmente usado.
Una columna de destilacin puede ser vista como una planta de
dimensiones n x n (normalmente, 5 x 5). Un controlador multivariable ptimo
debera, basndose en toda la informacin disponible (medidas, modelo del
proceso con incertidumbres, perturbaciones esperadas), operar todas las
variables manipuladas (L,V,D,B y P) para mantener las variables de salida tan
cerca como sea posible de sus valores deseados.
Sin embargo, se suelen utilizar lazos simples para obtener un sistema de
control ms sencillo, debido a que no precisa un modelo completo de la
columna y el operador puede ver las relaciones entre variables manipuladas y
controladas de modo ms intuitivo. No necesariamente se trata del sistema de
control ms simple, pero en ocasiones es el disponible y el que normalmente
se establece.
67
Fig. 1 Columna de destilacin con un control convencional L-V
4.1 ProbIemtica de Ias coIumnas de destiIacin
La gente que no trabaja en el mundo del control de las operaciones de
destilacin se pregunta con frecuencia si existen todava problemas sin
resolver. La respuesta definitiva es s. Aunque resulte desconcertante, teniendo
en cuenta que contamos con 40 aos de trabajo intensivo en esta rea. La
razn es triple:
1) El control en las operaciones de destilacin es un problema difcil en
s mismo, o al menos es complejo encontrar un sistema de control
apropiado.
2) Mucha de la investigacin que se ha desarrollado sobre control
estaba enfocada a probar ciertas teoras de control en particular, ms
que intentar controlar en particular ciertas columnas de destilacin.
68
3) Se han hecho muchos estudios de simulacin de los que es difcil
deducir resultados generales.
Alguno de los problemas encontrados en el control de la composicin
para columnas de destilacin (en particular para columnas que exigen gran
pureza con altos caudales de reflujo) son: comportamiento fuertemente no
lineal, lentitud en la respuesta, perturbaciones que afectan en gran medida a
las composiciones, medida de las composiciones a menudo difciles de obtener
y uso de medidas de temperatura en substitucin, gran nmero de opciones a
la hora de escoger las variables manipuladas, y ,en general, un sistema con
fuertes interacciones.
La Industria en Ia actuaIidad. Debido a los problemas anteriormente
mencionados, muy pocas columnas industriales operan controlando las dos
composiciones de producto directamente (destilado y fondo). En muchos casos
se tiende a mantener constante una temperatura interior de la columna
manipulando el reflujo L, mientras que el caudal de vapor en el fondo V se
ajusta manualmente (tambin se pueden intercambiar los papeles entre L y V).
El hecho de mantener esa temperatura interior en un valor fijo no es un objetivo
de control, el objetivo es la composicin, y la temperatura se emplea para inferir
(con los problemas que eso implica y que llevan a utilizar compensadores).
Adems, con la intencin de hacer las columnas menos sensibles a las
perturbaciones, los productos se suelen mantener a niveles de pureza
superiores a sus especificaciones (o a sus valores ptimos) mediante un
sobrereflujo de la columna.
Esto conlleva una serie de desventajas:
- Excesivo consumo de energa
- Bajo rendimiento
- Baja produccin debido a la sobreespecificacin del producto
- No permite cambios (p.ej en la alimentacin o en una optimizacin de
la planta) sin tener que volver a configurar la columna y como
consecuencia, crea tensiones en los operadores.
69
Esta ltima desventaja es la ms costosa, debido a que los operarios se
resisten al cambio de operacin en la planta y a que la optimizacin en lnea de
la planta puede ser de difcil implementacin.
4.2 ModeIo de coIumna de destiIacin
El presente apartado da una descripcin conceptual del modo de
operacin de una columna de destilacin binaria (dos componentes). La
alimentacin entra normalmente muy cerca de la mitad de la columna (aunque
la posicin de la misma es variable segn las especificaciones de la columna),
como se muestra en la Fig. 2 . El vapor fluye de una etapa hacia la etapa
inmediatamente superior, mientras que el lquido fluye desde una etapa hacia
la etapa inmediatamente inferior de la columna. El vapor de la etapa superior
se condensa (retirando un calor Q
N
) obteniendo un lquido en el condensador
de cabeza y una parte de ese lquido vuelve a la columna como reflujo. El resto
de ese vapor es retirado como una corriente de producto en cabeza (o
destilado D); esta corriente contiene una cantidad concentrada en el
componente ligero. Del mismo modo, una parte del lquido del fondo de la
columna es retirada como producto de fondo (B); esta corriente contiene una
cantidad concentrada en el componente pesado, siendo el resto vaporizado en
el hervidor (con un aporte de calor Q
1
) y devuelto a la columna en forma de
vapor (V
B
).
70
Fig. 2 Modelo de columna de destilacin
El lquido que atraviesa un plato de la columna cae en cascada hacia el
inmediatamente inferior a travs de una bajante (downcomer). A medida que el
lquido circula por la superficie del plato, entra en contacto con el vapor de la
etapa inmediatamente inferior.
Generalmente, el hecho de que el vapor de la etapa inferior entre en
contacto con el lquido promueve la mezcla turbulenta. Asumiendo que la
mezcla es perfecta, se permite modelizar cada etapa como en la figura
siguiente:
Fig. 3 Diagrama de balance de materia para una etapa genrica
Hay que notar que el vapor que abandona la etapa i se modeliza como una
sola corriente con un caudal molar V
i
y composicin y
i
(en fraccin molar de
Fondo (B)
Q
N
Q
1
Alimentacin
(F)
Destilado (D)
i
esima
Etapa
V
i-1
, y
i-1 L
i
, x
i
V
i
, y
i
L
i+1
, x
i+1
71
componente ligero). El lquido que abandona la etapa i a travs del bajante
tambin se modeliza segn una corriente de caudal molar L
i
y x
i
(en fraccin
molar de componente ligero).
El diagrama de bloques para la etapa de alimentacin responde a la
siguiente figura (difiriendo slo de la anterior en una entrada adicional, el
caudal de alimentacin):
Fig. 4 Diagrama de balance de materia para la etapa de alimentacin
4.2.1 Ecuaciones fsicas
4.2.1.1 BaIances de materia
Las ecuaciones que muestran la dinmica de los balances de materia de
las distintas etapas, poseen expresiones distintas segn la zona de la columna
a la que nos refiramos:
- Etapa genrica
2
2
Las etapas se numeran de abajo a arriba, siendo la primera etapa la correspondiente al hervidor y la
ultima, al condensador
F
i
i
esima
Etapa
V
i-1
, y
i-1 L
i
, x
i
V
i
, y
i
L
i+1
, x
i+1
72
El balance para un componente en una etapa genrica (es decir,
cualquiera excepto el condensador, hervidor o alimentacin), que se
muestra en la Fig. 3, responde a la siguiente ecuacin:
i i i i i i i i
i i
v J x L v J x L
dt
x M d
+ =
+ + 1 1 1 1
) (
[1]
donde M
i
es la carga molar en la etapa i-sima.
Para este sencillo modelo de destilacin binaria, haremos la
suposicin habitual de caudal equimolar (King, 1980). Para cualquier
etapa, excepto la de alimentacin, asumimos que el caudal de vapor
es igual en una etapa que en la inmediatamente inferior:
1
=
i i
J J
y que el lquido que abandona la etapa es igual que el que fluye de la
etapa superior.
1 +
=
i i
L L
- Etapa de alimentacin
Sea q
F
un parmetro que expresa la calidad de la
alimentacin. Si la alimentacin es un lquido saturado, entonces
q
F
=1, mientras que q
F
=0si es un vapor saturado. El caudal de vapor
que abandona la etapa de alimentacin es (NF es el nmero de la
etapa de alimentacin).
) 1 (
1 F NF NF
q F J J + =

73
De igual modo, el caudal molar de lquido que abandona la etapa de
alimentacin es:
F NF NF
q F L L + =
+1
Resultando la expresin para el balance de materia en el plato
de alimentacin la siguiente:
NF NF NF NF NF NF NF NF F
NF NF
v J x L v J x L : F
dt
x M d
+ + =
+ + 1 1 1 1
) (
siendo F el caudal molar de alimentacin y z
F
su fraccin molar
para el componente ms ligero.
- Condensador
Un condensador total elimina energa del vapor de cabeza,
obteniendo un lquido saturado. Asumiendo la hiptesis de una carga
molar constante en el condensador y en estado estacionario, el
caudal total de lquido que sale del condensador (reflujo ms
destilado) es igual al caudal de vapor que abandona el ltimo plato
real (NT es el numero total de etapas, es decir, nmero de platos
ms condensador y hervidor):
1
= +
NT D
J D L
donde L
D
y D representan el caudal molar de reflujo y de destilado,
respectivamente (Fig. 4).
Fig. 4 Diagrama de un condensador total
74
Para el condensador, y en rgimen no estacionario, la
ecuacin del balance de masa se reduce a:
1 1
) (

+ =
NT NT NT NT NT
NT D
y V x L x D
dt
x M d
En nuestro caso, sabemos que el lquido que abandona el
condensador hacia la primera etapa (L
NT
) es igual que el caudal de
reflujo (L) y el mismo que atraviesa todas las etapas hasta la de
alimentacin.
- Hervidor
Un balance total de materia en estado estacionario en el
hervidor nos lleva a la siguiente expresin:
B
J L B =
2
donde V
B
es el caudal de vapor que abandona el hervidor (volviendo
a la columna) y B es el caudal molar de producto.
Para el hervidor, y en rgimen no estacionario, la ecuacin del
balance de masa se reduce a:
1 1 2 2
1
) (
x B v J x L
dt
x M d
B
B
=
75
4.2.1.2 EquiIibrio de fases
En un principio se asume que el vapor que abandona una etapa est en
equilibrio con el lquido que est en la misma. La relacin existente entre las
concentraciones de la fase lquida y la fase gaseosa pueden ser calculados
usando la siguiente expresin:
i
i
i
x
x
v
+

=
) 1 ( 1 o
o
donde o representa a la volatilidad relativa, que se considera constante para
nuestro caso.
Esta suposicin de considerar la volatilidad constante nos facilita el
hecho de no tener que incluir balances de energa en la columna, ya que la
volatilidad constante para cada plato supone intrnsecamente la suposicin de
una temperatura constante para todos los platos y, por tanto, hace intil el
balance de energa para la columna.
Por otra parte, la relacin entre las composiciones de vapor y lquido
(definida para un valor de d que vara con la temperatura) se pude observar en
la Fig. 5
76
Fig.5 Relacin de equilibrio lquido-vapor para una etapa
4.2.2 Hiptesis asumidas en eI modeIo
En el modelo que vamos a utilizar para realizar el anlisis de
controlabilidad de nuestra columna de destilacin, existen una serie de
suposiciones simplificativas que mostramos a continuacin:
1/ Mezcla binaria (dos componentes)
2/ Presin constante en la columna (lo que simplifica el modelo a uno de 4 x 4)
3/ Volatilidad relativa constante (o)
4/ Equilibrio en todas las etapas
5/ Condensador total
6/ La acumulacin de vapor es nula (V
1
=V
2
=...=V
N
)
7/ La acumulacin de lquido es nula (L
1
=L
2
=...=L
N
)
Aunque estas suposiciones puedan resultar restrictivas, incluyen las ms
importantes caractersticas a la hora de analizar la dinmica y el control de la
columna (excepto la suposicin de la presin constante).
77
4.3 AnIisis de controIabiIidad de Ia coIumna de destiIacin
Con la intencin de poder analizar la columna de modo genrico, se ha
creado un modelo parametrizado de la misma. As, el usuario puede
seleccionar unos valores cualesquiera de esos parmetros y analizar la
controlabilidad de la misma para ese caso particular.
El diseo del sistema de control normalmente se simplifica siguiendo el
procedimiento que se muestra a continuacin:
1. Seleccin de dos variables manipuladas para el control de las
composiciones y disear el sistema de control de las composiciones
para el sistema 2 x 2 restante (en este caso dos controladores SSO
adicionales)
2. Disear el sistema de control de los niveles usando las variables
manipuladas restantes (lo que dan dos controladores SSO)
Una de las razones de un diseo tan simplificado para este sistema de
control es que los operadores de la planta prefieren controladores simples que
puedan comprender. De este modo pueden fcilmente cambiar a control
manual o cambiar la estructura de control o los parmetros para tener en
cuenta los cambios en la planta o en su entorno, e incluso otros factores no
incluidos inicialmente en la definicin del problema. Tambin es preferible para
los operarios que el sistema de control se construya de modo que un cambio
en los valores de un controlador no afecte al resto demasiado (es decir, que
estn desacoplados).
78
4.3.1 ControI de coIumnas de destiIacin como un sistema n x n
Segn se introdujo en el comienzo de este punto el controlador ptimo
multivariable debera manipular todas las variables de entrada basndose en
toda la informacin disponible. Aunque esta afirmacin es totalmente cierta si
consideramos el problema desde un punto de vista matemtico, no es tan
cierto a la hora de llevarlo a la prctica.
La principal desventaja que surge con un controlador de ese tipo es que
'todo depende de todo'. Esto hace que 1) sea difcil (incluso para el mismo
ingeniero) disear y cambiar el controlador, 2) difcil de comprender y de
reajustar para los operarios, 3) difcil poner en manual ciertas partes del
sistema si algo fallase, 4) y difcil de aadir correcciones (por ejemplo, para
corregir la no linealidad).
Es sencillo obtener un modelo no lineal bastante preciso de una columna
de destilacin para los balances de materia y energa en cada etapa. Sin
embargo, para el diseo de sistemas de control es preferible tener modelos
lineales ms simplificados, por ejemplo, en forma de funcin de transferencia y
modelo de espacio de estados. Las funciones de transferencia para columnas
de destilacin que se muestran habitualmente en la literatura no suelen ser
para la columna completa (5 x 5). En su lugar, los lazos de control de presin y
de nivel se consideran perfectos , lo que nos lleva a un modelo simplificado 2 x
2 entre las variables restantes (por ejemplo, entre L y V con las composiciones
de cabeza y fondo). Este sistema es el que se suele mostrar con mayor
asiduidad en la literatura, sin embargo nosotros trataremos un modelo 4 x 4
algo ms complejo. El siguiente apartado trata de la obtencin de ese modelo.
4.3.2 ModeIizacin de Ia coIumna como un sistema 4 x 4
Es sorprendente el hecho de no encontrar en la literatura ningn modelo
simple de funciones de transferencia para el sistema 4 x 4 completo. Una razn
es que hay poca necesidad de ese tipo de modelos si la columna se controla
79
como un sistema 2 x 2. Otra razn es que surgen ciertas dificultades a la hora
de obtener el modelo. Estos problemas nacen debido a que, sin cerrar los lazos
de control de nivel, el sistema es inestable (las respuestas correspondientes al
nivel son integradores puros con polos en s=0), lo que dificulta obtener una
respuesta en bucle abierto.
En este captulo vamos a explicar el proceso de obtencin del modelo de
funcin de transferencia 4 x 4 de nuestra columna de destilacin, a partir de
una serie de ecuaciones algebraicas y diferenciales.
El primer paso es fijar claramente nuestro primer objetivo, que no es ms
que obtener un modelo linealizado de nuestras ecuaciones de espacio de
estados. Las ecuaciones de espacio de espacios se expresan del siguiente
modo:

u X g Y
u X l X
=
= '
siendo tanto la funcin f como la funcin g no lineales (como
corresponden a una columna de destilacin). Para poder obtener nuestra
matriz de funciones de transferencia (G) y poder operar con ella mediante
nuestras herramientas de medida de controlabilidad, es necesario obtener un
modelo linealizado de nuestras ecuaciones de espacio de estados del siguiente
modo:
u 0 X 0 Y
u 3 X / X
+ =
+ = '
[1]
siendo:
80
X' la variacin temporal de los valores de las variables de estados (X)
X los valores de las variables de estado
U las variables manipuladas
Y las variables controladas
que para nuestro caso particular, toman el siguiente valor:
X es un vector de estados de tamao 2*Netap (siendo Netap el nmero
de etapas de la columna), y se compone de la fraccin molar expresada para el
componente ligero para cada etapa de la columna (los primeros Netap
elementos), siendo los restantes el valor msico de la acumulacin molar (M),
en cada una de las etapas expresado en moles partido por minuto.
Las variables manipuladas U son cuatro: el caudal molar de reflujo que
vuelve del condensador (L
T
), el caudal molar de vapor que abandona el
hervidor para retornar a la columna (V
B
), el caudal de destilado que abandona
por cabeza la columna (D) y, por ltimo, el caudal de producto que abandona el
fondo de la misma (B). Estas variables manipuladas son las que se utilizarn
para controlar las siguientes cuatro variables de salida o controladas Y: la
composicin (expresada en componente ligero) del destilado (x
D
), la
composicin del producto de fondo (x
B
) , la acumulacin molar del
condensador (M
D
) y la acumulacin molar del hervidor (M
B
).
Una vez conocemos quienes son las variables Y, U y X (X' no es ms
que la derivada temporal de la anterior) que intervienen en nuestro sistema de
ecuaciones [1] , slo nos faltara obtener las cuatro matrices que ligan las
relaciones entre ellas (A,B,C y D).
El caso al que nos vamos a referir define una columna de 41 platos, con
una alimentacin en el plato 21, una volatilidad relativa (o) de valor 1.5 y una
constante temporal (t) igual a 0.063. Es deducible, por tanto, que nuestro
81
vector X posee un total de 82 estados (las 41 composiciones y las 41
acumulaciones molares de cada plato), al igual que el vector X'. De igual modo
se deduce que A (matriz que liga las relaciones entre X' y X en el sistema [1])
tendr un tamao de 82 x 82, B (que relaciona X' con U) tendr un tamao de
82 x 4, mientras C y D poseen tamaos de 4 x 82 y 4 x 4 respectivamente.
La siguiente pregunta que surge es: cmo obtener los valores de los
elementos de esas matrices?
Para responder a esta pregunta nos centraremos nicamente en la
matriz A, utilizndola como ejemplo. Esta matriz relaciona (como se observa
ms abajo) los valores de X' con los de X, del siguiente modo:
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
c
c
c
c
c
c
c
c
c
c
41
2
1
41
2
1
41
1
41
2
1
V
V
V
x
x
x
/
r
V
r
V
r
x
r
x
r
x
De lo que se puede inferir que, la primera columna de la matriz A,

muestra la relacin que hay entre la composicin x
1
y las variaciones
temporales del resto de los estados. Y , de igual modo, la columna j-sima de A
muestra la relacin entre el estado j-simo y la variacin temporal del resto de
ellos.
Todo esto nos lleva a deducir que, si existiera una forma de relacionar
los valores de los estados y de las variables manipuladas con las variaciones
82
temporales de los primeros y las variables controladas, sera sencillo deducir el
valor de las matrices A, B, C y D. Esa forma de relacionar unas con otras son
las ecuaciones diferenciales del balance dinmico de materia y las ecuaciones
algebraicas de equilibrio mostradas a continuacin.
Ecuaciones diferenciales y algebraicas
Expresan los balances de materia dinmicos en todas las etapas de columna,
incluyendo el hervidor y el condensador. Para la descripcin de las mismas, es
necesario hacer una serie de suposiciones:
a) El caudal molar de vapor que abandona una etapa es igual al caudal de
vapor que fluye de la etapa inmediatamente inferior (salvo en la etapa de
alimentacin)
b) El caudal de lquido que abandona una etapa es igual al caudal que
abandona la etapa inmediatamente superior (salvo tambin la etapa de
alimentacin)
Una vez asumidas estas suposiciones, se formula el balance de materia para
un componente en una etapa cualquiera resultando la ecuacin diferencial:
i i i i i i i i
i i
v J x L v J x L
dt
x M d
+ =
+ + 1 1 1 1
) (
Del mismo modo, resultan las ecuaciones diferenciales para los balances de
masa para el hervidor y el condensador total:
83
Hervidor:
1 1 2 2
1
) (
x B v J x L
dt
x M d
B
B
=
Condensador:
1 1
) (

+ =
NT NT NT NT NT
NT D
y V x L x D
dt
x M d
Por ltimo la ecuacin que expresa el balance de masa dinmico en el plato de
alimentacin es:
NF NF NF NF NF NF NF NF F
NF NF
v J x L v J x L : F
dt
x M d
+ + =
+ + 1 1 1 1
) (
Todas estas ecuaciones precisan conocer los valores de los caudales de
vapor y lquido para todas las etapas de la alimentacin, los caudales de
destilado y fondo, as como la composicin, caudal y fase de la alimentacin.
Estos valores se toman del vector Uinit (procedente de cargar los datos de un
archivo *.mat previamente) que contiene los siguientes siete elementos:
84
(
(
(
(
(
(
(
(
(
=
F
z
q
3
0
v
l
u
F
F
3
T
|n|r
siendo q
F
la fraccin lquida de la alimentacin (vale uno para una alimentacin
lquida y cero para una alimentacin de vapor saturado), F el caudal molar de la
alimentacin y z
F
la fraccin molar de componente ligero en la alimentacin.
Como se observa, nicamente tenemos en la variable Uinit el caudal de
vapor en el fondo (V
B
) y de lquido en cabeza (L
T
), pudindose deducir para el
resto de las etapas de las siguientes expresiones:
- Seccin por debajo de la alimentacin (siendo i el nmero de la etapa
correspondiente):
F + =
=
F T
B
q L L(i)
V V(i)
- Seccin por encima de la alimentacin (siendo i el nmero de la etapa
correspondiente):
T
F B
L L(i)
q V V(i)
=
+ = F 1
Del mismo modo, para resolver estas ecuaciones es necesario obtener
las composiciones del vapor en equilibrio para cada etapa de la columna (y
i
),
para ello se utiliza el valor del coeficiente de volatilidad relativa (o) y la
composicin del lquido obtenida en cada plato y que viene dada en el vector
85
Xinit (procedente de cargar el archivo *.mat al principio del programa y que
posee valores de equilibrio para los 82 estados). La ecuacin algebraica que
liga las composiciones del vapor en equilibrio con las del lquido y la volatilidad
relativa es:
i
i
i
x
x
v
+

=
) 1 ( 1 o
o
Tanto el vector Xinit como el Uinit proceden de cargar previamente en
el programa un archivo de extensin *.mat (mediante el men Archivo/Cargar
Datos). El vector Xinit contiene los resultados de las composiciones
alcanzadas en los platos as como las acumulaciones molares en cada plato
una vez alcanzado el estado estacionario. Los valores de Uinit corresponden a
la situacin de estado estacionario para las variables consideradas (L
T
, V
B
, D,
B, F, q
F
y z
F
). Dichos valores pueden proceder tanto de un clculo matemtico
(resolver las ecuaciones diferenciales de la columna y recoger los resultados
para un tiempo lo suficientemente alto que indique una situacin estacionaria) o
de unas mediciones reales para un funcionamiento estacionario de una
columna de destilacin en una planta qumica.
Una vez completados los balances de materia por componente para
todas las etapas de la columna, pasamos al clculo de los balances de materia
globales para cada etapa. Para una etapa genrica (es decir, excluyendo las de
cabeza, fondo y alimentacin), resulta:
i i i i
i
V V L L
dt
dM
+ =
+ 1 1
[2]
86
De igual modo, para la etapa del condensador:
T h
0
l 0 v
or
oV
=
1
para la del hervidor:
1 2
v 3 l
or
oV
3
=
y , por ltimo, la de alimentacin:
F v v l l
or
oV
| | | |
|
+ + =
+ 1 1
Una vez llegado a este punto, donde conocemos los valores tanto de
or
oV
|
como de
or
x oV
| |
, es fcil deducir el valor de
or
ox
|
:
dt
dM
x
dt
x M d
dt
dx
M
i
i
i i i
i
=
) (
[3]
Siendo los valores de [2] y de [3] el valor de la derivada temporal de los
estados de la columna:
87
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
c
c
c
c
c
c
c
c
c
c
= '
or
oV
or
ox
r
V
r
V
r
x
r
x
r
x
X
|
|
41
1
41
2
1
Del mismo modo, obtenemos el valor de las variables de salida Y tras la

variacin de las variables de estado:
(
(
(
(
(
=
3
0
3
0
V
V
x
x
Y
De esta estrategia de variacin de valores de las variables de estado, se
deducen los coeficientes de las matrices A, B, C y D del modelo de nuestro
espacio de estados linealizado.
A partir de aqu, se crea la funcin genrica G en MATLAB mediante la
funcin pck.m, para ms tarde poderla particularizar para una frecuencia
determinada del espacio de frecuencias mediante la funcin frsp.m. Esta ltima
funcin nos da la respuesta compleja en frecuencia de nuestro sistema,
produciendo (para el caso de que exijamos la respuesta en frecuencia para
distintos valores) una matriz con las respuestas para cada frecuencia una
debajo de la otra y una ltima columna adicional con las frecuencias a las que
se ha evaluado nuestro sistema:
88
(
(
(
(
(
(
N1
2
1
w ,
w ,
w ,

h
u S
u S
u S
2
1
A partir de la obtencin de nuestra matriz de funciones de transferencia,
slo cabe operarla con las herramientas de medida de la controlabilidad ya
creadas con ese objeto (RGA o PRGA mediante una seleccin de las parejas).
El lector avezado puede haberse percatado de que herramientas como
la RGA hacen un anlisis de los valores de las ganancias relativas para deducir
la bondad del emparejamiento , pero que en ningn caso tratan con nmeros
complejos. Para los casos en que la funcin de transferencia para nuestra
frecuencia dada resulte compleja, es necesario tratar esos valores de forma
mdulo argumental, y utilizar las herramientas de medida de la controlabilidad
nicamente con sus mdulos. Sin embargo y para mayor claridad , todos los
resultados grficos se expresan en forma de diagrama de Bode, para posterior
anlisis de la evolucin de las frecuencias de nuestros valores emparejados
(pueden observarse frecuencias de 90 y -90 grados para los integradores que
aparecen en los niveles del condensador y del hervidor).
|z;il1|1 . I|1||1rz|iz 11z1 k1l11|1 Isrrz11 1msr1
89
5. BibIiografa consuItada
ControI y destiIacin
Chou,C.T. BIoemen, VerduIt, van den Boom, Backx, Verhaegen (2000).
Nonlinear dentification of High Purity Distillation Columns. FAC SYSD
2000, Symposium on System dentification, (Santa Barbara, California),
Junio 2000.
Gregorcic, Gregor (2001). The Singular Value Decomposition and the
Pseudoinverse. Department of Electrical Engineering.University
College.Cork. rlanda.
HggbIom, Kurt E. (1997). Partial Relative Gain: A new tool for Control
Structure Selection. Presentado en el AIChE Annual Meeting , hoja 193 h,
del 16-20 Noviembre Los Angeles, CA.
HggbIom, Kurt E. (1996). Analytical approach to evaluation of distilation
control structures by frequency dependent relative gains. Process Control
Lab,Dep Chemical Engineering, Abo Akademy University, Finland
HaIvorsen, Ivar J. y S. Skogestad (2000). Distillation Theory. Publicado en
Encyclopedia of Separation Science por Academic Press Ltd. Norwegian
University of Science and Technology.Department of Chemical
EngineeringTrondheim, Norway
Havre, K., y S. Skogestad (1995). nput/Output selection and Partial Control.
Chemical Engineering, Norwegian University of Science and Technology .
Trondheim , Noruega. University of Science and Technology.Department
of Chemical EngineeringTrondheim, Norway
90
Havre, K., y S. Skogestad (1995). Selection of variables for regulatory control
using pole vectors.
Hovd, M. y S. Skogestad (1996). Techniques in the Control of nterconnected
Plants. Gordon and Breach nternational Series in Engineering,
Technology, and Applied Science Volumes on "Mechatronic Systems
Techniques and Applications".
Jrgensen, S. Bay , R. Gani y T.R. Andersen. Towards ntegration of
Controllability into Plant Design. CAPE-Center, Department of Chemical
Engineering. Technical University of Denmark. Lyngby, Denmark
Larsson, T., y S. Skogestad (2000). Plantwide control A review and a new
design procedure. Department of Chemical Engineering. Norwegian
University of Science and Technology. Trondheim Noruega. Abril 19,
2000.
Larsson, TruIs (2000). Studies on plantwide control. Tesis doctoral.
Department of Chemical Engineering.Norwegian University of Science and
Technology
Lundstrm, Petter (1994). Studies on Robust Multivariable Distillation Control.
Norwegian University of Science and Technology. Tesis Doctoral.
Trondheim , Julio 1994.
Luyben, Tyrus and Luyben. (1999) Plantwide Process Control. Ed. McGraw
Hill.
Manthanwar, Amit . Distillation column using state space model.A case study
of iso-butanizer. llinois nstitute of Technology , Chicago
91
Meeuse, F. MichieI y J. Grievink .Process Design for Operability. Delft
University of Technology, Department of Chemical Technology.
Presentado en el 21st Annual European AChE Colloquium
Meeuse, F. MichieI(2000). Design of Controllable Processes.
NaphtaIi y SandhoIm. Distillation Models -Linearization Methods. AChE J., 17,
148, 1971.
Pedersen, Kurt , Jrgensen, S.B. y S. Skogestad (1998). A Review on
Process Controllability. Department of Chemical Engineering. Technical.
University of Denmark. Lyngby, Denmark. Department of Chemical
Engineering. Trondheim, Norway
Sagfors, Mats y K.V. WaIIer. Multivariable control of ill-conditioned distillation
columns utilizing process knowledge. Process Control Lab,Dep Chemical
Engineering, Abo Akademy University, Finland
Skogestad, S. y PostIethwaite, I. (1996). Multivariable Feedback Control.
John Wiley and Sons.
Skogestad, S., y K. Havre (1995). The use of RGA and condition number as
robustness measures. Chemical Engineering, Norwegian University of
Science and Technology . Trondheim , Noruega.
Skogestad, Sigurd (1989). Modelling and control of distillation columns as a
5 x 5 system. European Symp. on computer Application in the Chemical
Industry . Erlangen, 23-26 de Abril, 1989.
Skogestad, S., y M. Morari (1988). Variable selection for decentralized
control. Presentado en el AIChE Annual Meeting , Noviembre 1988,
Washington DC.
92
Skogestad, Sigurd (1986). Analysis and control of distillation columns.
Norwegian University of Science and Technology . Trondheim , Noruega.
Skogestad, Sigurd (1997). Dynamics and control of distillation columns. A
tutorial introduction. Presentado en la conferencia de Maastricht , 8-10
Septiembre 1997. Publicado en Trans. IChemE, Vol. 75, Part A, Sept.
1997.
Skogestad, Sigurd (1997). Controllability analysis and plantwide control.
Presentado en Honeywell IAC Phoenix en Union Hills, 21 Nov. 1997
Skogestad, S., y M. Morari (1987). A systematic approach to distillation
column control. California nstitute of Technology. Presentado en el
Symposium Distillation'87, Brighton, 7-9 Sept. 1987
Skogestad, S., y M. Morari (1987). Shortcut models for distillation columns.
California nstitute of Technology. Chapter 9 in Ph.D. thesis "Studies on
Robust Control of Distillation Columns" by Sigurd Skogestad . Calfornia
nstutute of Technology, Pasadena, Enero 1987
Skogestad, S., M. Hovd, y P. Lundstrm . Towards integrating design and
control: use of frequency dependent tools for controllability analysis.
Norwegian University of Science and Technology . Trondheim , Noruega
Tham, Ming (1999). Multiloop Systems (Sensitivity Analysis). Depart of
chemical and Process Engineering. University of Newcastle.
WiIIis, M.J (1999). . Multivariable Control: An introduction. Department of
Chemical and Process Engineering. University of Newcastle
93
MatIab y ControI
Govatsmark, M. S. , T. Larsson y S. Skogestad. Controllability Analysis and
Matlab Software. CAPE.NET 2000, London / 22-23th June 2001.
Creating GraphicaI User Interfaces. Version 1. Documentacin de MATLAB
6.0 . Mathworks nc.
ControI System TooIbox For Use with MATLAB. User's Guide .Version 4.2.
Documentacin de MATLAB 6.0 . Mathworks nc.
Skogestad, S. y PostIethwaite, I. (2002). Multivariable Feedback Control.
John Wiley and Sons. Solution manual. Part 1: Odd-numbered exercises.
Garca de JaIn, J. , Rodrguez, J.I. y BrazIez, A. Aprenda MATLAB 6.1
como si estuviera en primero. Escuela Tcnica Superior de ngenieros
ndustriales. Universidad Politcnica de Madrid
AckIam, Peter J. (2000) . MATLAB array manipulation tips and tricks. Statistics
Division. Department of Mathematics. University of Oslo. Norway
Using MATLAB. Version 6. Documentacin de MATLAB 6.0 . Mathworks nc.

Analisis Control

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analisis Control

Cargado por

Copyright:

Formatos disponibles

|11|ss 11z1 k1l11|1 Isrrz11 1msr1

k1z||s|s 1s ss)1smzs 1s s11lr1| s1 ||z1lzs 1im|szs z11s| 11ri1sI Ksr1z11sI

es un entorno de altas prestaciones para aplicaciones de

, lenguaje tcnico de programacin ideal para

Es redundante, por tanto, sealar que el tamao del vector Xinit

De lo que se puede inferir que, la primera columna de la matriz A,

Del mismo modo, obtenemos el valor de las variables de salida Y tras la

También podría gustarte