Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
____________________________________________________________________________
Abstrac
1
Adscrito a la Escuela de Ingeniera Agroindustrial. Facultad de Ingeniera. Ingeniero. Universidad
Nacional del Santa, Ciudad Universitaria Urb. Bellamar S/N. Nuevo Chimbote Ancash, Per.
alphablondi@hotmail.com
2
Supervisor de Gestin Ambiental. Planta Huacho Exalmar. Ingeniero. Huacho. Lima. Per
cmori@exalmar.com.pe.
3
Adscrito a la Escuela de Ingeniera en Industrias Alimentarias. Facultad de Ingeniera. Doctor.
Universidad Le Cordon Bleu. Miraflores Lima, Per. damian.manayay@ulcb.edu.pe.
Pgina33
4
Adscrito a la Escuela de Ingeniera Agroindustrial y Comercio Exterior. Facultad de Ingeniera,
Arquitectura y Urbanismo. Magister. Universidad Nacional del Santa, Ciudad Universitaria Urb. Bellamar
S/N. Nuevo Chimbote Ancash, Per. williamsscm@hotmail.com.
Rev. Ingeniera: Ciencia, Tecnologa e Innovacin 2014 2(1)
Palacios, L., Mori, C., Manayay, D. y Castillo, M. Diseo e Implementacin de un Sistema de Control Difuso a una
Columna de Destilacin Rev. Ingeniera: Ciencia, Tecnologa e Innovacin VOL 2/N 1, ISSN: 2313-1926/Julio 2015
1. Introduccin
El objetivo clsico del control de procesos en ingeniera es mantener las variables en sus
puntos de operacin y a las variables controladas en rgimen estable y sin perturbaciones. Los
controladores PID y las tcnicas de control convencional y/o monovariable realizan muy bien este
objetivo; sin embargo cabe sealar que en la actualidad el campo de estas variables se ha ampliado
y ya no solo se requiere estar dentro de los rangos de operacin, sino que dichos rangos cumplan
tambin con los nuevos enfoques de la industria tales como los relacionados a temas econmicos,
seguridad, medioambientales o de calidad. Es as que los rangos de operacin son cada vez ms
estrictos y reducidos y los parmetros de operacin cambian con frecuencia segn los
requerimientos del mercado, clientes y entidades normativas.
Para cada uno de los problemas antes mencionados se han desarrollado investigaciones
para minimizarlos, pero muchos de estos solo han sido trabajos tericos o no han sido probados
experimentalmente. Desde mediado de los aos 70 se empieza a extender el concepto de conjunto
difuso (o borroso) hacia la lgica, apareciendo la lgica difusa y con ello se desarrollaron
aplicaciones a los sistemas de control diseados con esta lgica. Como la lgica difusa obtena
respuestas a partir de conceptos ambiguos, propios del lenguaje humano, es que su estudio se
incluye junto con las Redes neuronales artificiales, el control basado en modelo, y sistemas
expertos, como alternativas del nuevo concepto de control basado en la experiencia humana y as
se logra una mayor similitud entre los controles automticos y el operador humano.
2. Materiales y mtodos
modelo para establecer el efecto de cada parmetro del proceso (output del controlador) sobre las
variables de inters del proceso (Input del controlador). Como ltimo paso, se requiere
implementar el sistema de control una vez que ha sido diseado, para ello se hace uso del software
LABVIEW para escribir el cdigo del controlador y concatenarlo a los sensores y actuadores del
sistema fsico real. En resumen, son cuatro (04) pasos (Figura 2):
PSV
1
V11 PI
2
TI6
PT
FC TI 1
1 5
FV PI
FT 1 1
1
V10 D1 PC
1
FI1
PV
EV1 1
S
V6
TI4
V1
V2
E3
V12
V8 V7
TI3 G1
D2 V13
TI2
V9 V14
J1
D3
H2O
V17 V15
C1
S1
V5
TI1
G2
V3 V4 V16
Figura 1
Diagrama de la unidad de destilacin contina automatizada mod. UDCA/EV.
Donde
P: Presin del gas (Pa).
v : Volumen molar
R: Constante universal de gases (1.9872 cal/(mol.K)).
T: Temperatura (K)
liquido-vapor
del equilibrio
programacin
de destilacin
de la unidad
Seleccin de Estrategia
Diseo de
FUSIFICACION -
difuso
Evaluacin de
Seleccin de Construccin de Base Programa de la estrategia
Controlador Difuso Sistema estable
variables de Reglas de Control Difuso
sobre MATLAB
Seleccin de Estrategia
DEFUSIFICACION -
del control difuso
Implementacin
Programacion de Implementacion
Preparacin de la Ejecucin del proceso Conclusiones y
Controlador Difuso sobre la Unidad Anlisis de resultados
alimentacin y adquisicin de datos recomendaciones
sobre LABVIEW de Destilacin
Figura 2
Metodologa seguida en el diseo e implementacin del sistema de control difuso
de y un condensador de efecto total; cada etapa i est asociada a una fraccin molar
liquida del componente c (,) o vapor (,) de su flujo molar respectivamente o
Rev. Ingeniera: Ciencia, Tecnologa e Innovacin 2014 2(1)
Palacios, L., Mori, C., Manayay, D. y Castillo, M. Diseo e Implementacin de un Sistema de Control Difuso a una
Columna de Destilacin Rev. Ingeniera: Ciencia, Tecnologa e Innovacin VOL 2/N 1, ISSN: 2313-1926/Julio 2015
INICIO
Psat, T, Xo
DEFINIENDO CONSTANTES
n1, n2, l12-l11, l21-L22, R,A, B, C,X1
Definiendo contador y diferencial
k,dx
SI nargin = 1?
NO
T = 293.15K T = T + 273.15K
While
X1 >= 0?
CALCULAR
X2, A12,A21,g1,g2,Psat1
Y1,Pest1,z,Tsat
NO
z < 0.1?
SI
ALMACENAR
RESULTADOS
NO
nargin = 3?
SI
Recalcular
X1 = X1 0.001
dx, X1 = X1 - dx
PRESENTACION
DE RESULTADOS
FIN
Figura 4
Diagrama de flujo para el modelo de ELV.
Por otro lado a nivel de controlador, las salidas son las respuestas deseadas de la potencia de
la resistencia del hervidor, el reflujo y el caudal de alimentacin; mientras que la entrada del
controlador es funcin del feedback de la temperatura en el condensador y temperatura en el
hervidor; estas temperaturas se ingresan al modelo de equilibrio liquido vapor, y se calcula
cual ser la composicin de los productos obtenidos en el estado estable. (Tabla 1)
Pgina38
H2O
H2O
R
V6
M1, S
I-26 D, xc1=xD
xc1
V2, yc2 L1, xc1
Condensador: Etapa 1
Zona de Enriquecimiento
M2, xc2
Mi, xci
Mf-1, xcf-1
Mf, xcf
Plato : Etapa f-1 Vf-1, ycf-1 Lf-1, xcf-1
Vf, ycf Lf, xcf F,xF , q
Plato de alimentacin: Etapa f
Mn-1, xcn-1
QB
B, xB = xcn
Pgina39
Figura 5
Esquema del modelo de la unidad de destilacin.
Tabla 1
Variables de entrada y salida de proceso, controlador y modelo de equilibrio lquido - vapor.
Controlador
Proceso UDCA - Planta Modelo ELV
difuso
Variable
Entrada Salida Entrada Salida Entrada Salida
de:
Temperatura Temperatura Set-Point
1 F F
condensador condensador
Temperatura Temperatura Set-Point
2 R R
Hervidor Hervidor
3 - - -
4 - - - - -
Tabla 2
Variaciones en los parmetros de operacin para determinar efectos aislados y determinar el
efecto de las variables.
FPB (%) QB (W) R (seg./seg.)
T
(0 100%) (0 1600W) (0 1 seg./seg.)
{20,30,40,60,10
5 min. 1200 2/2
00}
{100, 500,
5 min. 40 2/2
900,1300,1600}
5 min. 40 1000 {1/6, 3/6, 5/6,6/6}
3. Resultados y discusin
Se calcula el error relativo para cada dato de referencia y el error relativo promedio para cada
escenario, siendo mayor el error relativo para la composicin molar lquida. El error relativo
promedio es mayor para la composicin molar liquida (6.45%) que la composicin molar de vapor
(1.78%) debido a que a bajas presiones el modelo de gas ideal es bastante preciso.
Tabla 3
Primer escenario: Sistema Etanol-Agua a T=70C (Ohe, 1989).
P(mmHg) Fracc. Fracc. Error rel. Fracc. Fracc. Mol. Error rel.
Mol. Mol. Porcentual Mol. Vapor, y Porcentual
Lquido, x Lquido, x (%) Vapor, y Modelo (%)
Modelo
233.70 0.0000 0.0010 - 0.0000 0.0157 -
337.50 0.0500 0.0440 12.00 0.3360 0.3376 0.48
390.30 0.1000 0.0870 13.00 0.4440 0.4415 0.56
421.80 0.1500 0.1320 12.00 0.4990 0.4960 0.60
443.20 0.2000 0.1770 11.50 0.5350 0.5299 0.95
459.30 0.2500 0.2240 10.40 0.5620 0.5557 1.12
472.20 0.3000 0.2720 9.33 0.5850 0.5770 1.37
483.30 0.3500 0.3210 8.29 0.6060 0.5962 1.62
493.20 0.4000 0.3720 7.00 0.6250 0.6151 1.58
502.10 0.4500 0.4230 6.00 0.6450 0.6337 1.75
510.30 0.5000 0.4740 5.20 0.6650 0.6528 1.83
517.80 0.5500 0.5250 4.55 0.6860 0.6728 1.92
524.60 0.6000 0.5750 4.17 0.7090 0.6937 2.16
530.80 0.6500 0.6270 3.54 0.7330 0.7173 2.14
536.10 0.7000 0.6780 3.14 0.7600 0.7427 2.28
540.60 0.7500 0.7690 2.53 0.7890 0.7952 0.79
543.90 0.8000 0.7860 1.75 0.8210 0.8063 1.79
546.00 0.8500 0.8620 1.41 0.8580 0.8621 0.48
546.60 0.9000 0.8620 4.22 0.8990 0.8621 4.10
545.20 0.9500 0.9020 5.05 0.9450 0.8963 5.15
542.20 1.0000 0.9590 4.10 1.0000 0.9527 4.73
Error relativo promedio 6.45% Error relativo promedio 1.87%
Pgina41
Figura 2
Comparacin grfica para el escenario n 01.
Figura 3
Determinacin del coeficiente de determinacin R2 entre la composicin molar lquida del
modelo de ELV y los referenciales.
Pgina43
Figura 4
Existe linealidad entre los resultados obtenidos y sus correspondientes pares en los
datos referenciales con un coeficiente de determinacin (R2) de 0.9916 para la
composicin molar lquida (x) y 0.9888 para la composicin molar de vapor (y). Ello
confirma la validacin del modelo para ambos parmetros con un 99% de
correlacin.
Tabla 4
Error relativo porcentual en las composiciones de productos al alcanzar el estado estable
durante la ejecucin del controlador difuso.
Composicin
Tiempo de Variable
Set-Point molar de Error
flujo proceso Tiempo
Producto Comp. Mol. producto en el relativo
estable Temperatura (min)
(mol/mol) proceso porcentual
(min) (C)
(Modelo ELV)
Destilado 16.6 0.78 78.4 16.7 0.7575 2.97%
Fondo 16.6 0.1 87.9 16.7 0.0739 35.31%
4. Conclusiones
1
1 = (2 1 ) ; .
= (+1 ) + (1 ); = 2, , 1
= +1 + 1 + ;
= (+1 ) + (1 ); = + 1, , 1
{ = ( ) + (1 );
1 (1 )
= 2 2 1 1 1
( )
= +1 +1 + 1 1 + () ; = 2, , 1
( )
{ = 1 1
Tabla 5
Funciones de pertenencia y etiquetas para las variables de entrada de proceso.
Flujo de alimentacin FPB Unidad %
Etiqueta Smbolo Tipo Parmetros Rango
Muy bajo MB Trapezoidal [0 0 10 25] 0 25
Bajo B Triangular [15 30 45] 15 45
Medio M Triangular [35 50 65] 35 65
Alto A Triangular [55 70 85] 55 85
Muy alto MA Trapezoidal [75 95 100 100] 75 100
Potencia de hervidor QB Unidad W
Etiqueta Smbolo Tipo Parmetros Rango
Muy bajo MB Sigmoide [ -0.03 240] 0 400
Bajo B Gaussiana [126.2 400] 0 800
Medio M Gaussiana [120.7 800] 400 1200
Alto A Gaussiana [122 1200] 800 1600
Muy alto MA Sigmoide [0.03 1360] 1200 1600
Reflujo R Unidad seg/seg
Etiqueta Smbolo Tipo Parmetros Rango
Pgina45
5. Referencias
Hathaway R., Bezdeck, J. y Pedrycz, W., A parametric model for fusing heterogeneous fuzzy
data IEEE Trans. Fuzzy Systems, Vol. 4, No. 3, pp. 270-281, Ago. 1996.
Escobar, C. 2004. Software Genrico De Control Difuso: Aplicacin En Agricultura Industrial,
Universidad de Mlaga.
Alonso, R.2004. Anlisis comparativo en condiciones controladas de un controlador PID
adaptativo con lgica difusa y un controlador PID clsico. Caso: control de un proceso
de neutralizacin acido base simulado en Matlab Simulink. Universidad Tecnolgica
del Centro. Venezuela.
Zadeh, L. 1965. FUZZY SETS, INFORMATION AND CONTROL, Vol. 8.
Valencia, G. 2006.Aplicacin Del Control Predictivo Multivariable A Una Columna de
Destilacin Binaria; Centro Nacional de Investigacin y desarrollo
Tecnolgico.Cuernavaca Morelos, Mxico.
Gordon, O. An evolutionary methodology for designing fuzzy rule-based systems," Tesis
Doctoral, Department of Computer Science and Artificial Intelligence (DEC-SAI),
Universidad de Granada, 1997.
Prado, M. 2006.Control De Una Torre De Destilacin De Mezcla Binaria, Universidad del
Oriente, Tecnologa Qumica Vol. XXVI N2.
Rueda, F, 2001. Columna De Destilacin de Etanol en la Industria Azucarera, Centro de
tecnologa azucarera. Universidad de Valladolid, Espaa.
Alcal, R. Casilla, J. Gordn, O. Herrera, F. Zwir, S. cap. Techniques for learning and tuning
fuzzy rule-based systems for linguistic modeling and their application, Knowledge
engineering. Systems techniques and applications, C. Leondes, Ed. Academic Press,
1999.
Skogestad, S., Dynamics and Control of Distillation Columns. A Critical Survey, IFAC
Dynamics and Control of Chemical Reactors, 1992, pp. 11.
Torres, M. 2004.Control de una Torre de Destilacin Mediante un Regulador Neuronal,
Universidad del Oriente, Tecnologa Qumica Vol. XXIV N3.
Arbildo, A. 2002. Simulacin Dinmica y Control Difuso de una Columna de Destilacin
Continua, Facultad de Qumica e Ingeniera Qumica. Universidad Nacional Mayor de
San Marcos. Lima Per, Revista Peruana de Qumica e Ingeniera Qumica Vol. 5.
N1.Pags.47-57.
Zimmermann, H. 1993. Fuzzy Set theory-and its applications, Second Edit., Kluwer, Boston.
Poling, B.; Prausnitz, J.; O'connell, J. 2001.The properties of gases and liquids. McGrawHill.
Halvorsen, I.; Skogestad, S. 1997. Optimizing control of petlyuk distillation: understanding the
steady-state behavior. Computers chem. Engng, 21, 249-254.
Luyben, W. 1992.Practical distillation control. Van Nostrand - Reynolds.
Murray, A. 2003.Dynamical mathematical model of a distillation column. Master's thesis.
University of Tennessee at Chatanooga. Tennesse, USA.
Torres, F. 2005. Observacin y control no lineal de columnas de destilacin. Tesis de Maestra,
CENIDET.
Skogestad, S. 1997. Dynamics and Control of Distillation Columns. A critical survey. Modeling,
Identification and control, 18, 177-217.
Luyben, W. 1996.Process Modelling Simulation and control for Chemical Engineers. Ed.
McGraw-Hill Publishing Company.
Satyro M.A. 2008.Thermodynaics and the simulation engineer. Chemical product and process
modeling. Vol. 3, 2008.Article 24.The Berkeley Electronic Press. Disponible en:
http://bepress.com/cppm/vol3/iss1/24.
Sugeno, M. y G. Kang, Structure identification of fuzzy model," Fuzzy Sets and Systems, vol.
28, no. 1, pp. 15-33, 1988.
Prausnitz, Jhon M. (2000) Termodinmica molecular de equilibrio de fases, Tercera edicin,
Prentice Hall pp. 208.
Pgina47
Pgina48