Procesos Multivariables

Prof. Mª Jesús de la Fuente

ISA-UVA
 Indice

9 Interacción
9 Control de sistemas multivariables con lazos
simples
9 Selección de lazos de control
9 RGA
9 Control por desacoplo
9 Control multivariable

Prof. Cesar de Prada ISA-UVA 2

 Sistemas MIMO

y1
u1
y2
u2
y3

⎡ Y1 (s) ⎤ ⎡ G11 (s) G12 (s) ⎤

⎢Y (s)⎥ = ⎢ G (s) G (s)⎥ ⎡ U1 (s) ⎤ Interacción
⎢ 2 ⎥ ⎢ 21 22
⎥ ⎢⎣ U 2 (s)⎥⎦
⎢⎣ Y3 (s) ⎥⎦ ⎢⎣ G 31 (s) G 32 (s) ⎥⎦ Direcciones

Prof. Cesar de Prada ISA-UVA 3

 Reactor

TT AT
u
Reactante
T
Reactor
Refrigerante
Producto
Interacción entrada salida en ambas variables
Interacción en lazo abierto
Prof. Cesar de Prada ISA-UVA 4
 GRADOS DE LIBERTAD
¿Cómo se determina el máximo número de
variables que pueden ser controladas en un
proceso?

v8

F2 F5
v3
T5 P1
T4
F1 T1 T3 F3 T6 F4

L1
v1 v5 v6 L1
T7
v2 v7

T2 T8
T9 F6
Hot Oil Hot Oil

Prof. Cesar de Prada ISA-UVA 5

 GRADOS DE LIBERTAD
Un requisito básico :

El número de válvulas (actuadores) ≥

número de variables controladas

v8

F2 F5
v3
T5 P1
T4
F1 T1 T3 F3 T6 F4

L1
v1 v5 v6 L1
T7
v2 v7

T2 T8
T9 F6
Hot Oil Hot Oil

esto es una condición necesaria

Pero no suficiente para satisfacer los objetivos de control!
Prof. Cesar de Prada ISA-UVA 6
 CONTROLABILIDAD
Un proceso es controlable si las variables
controladas pueden ser mantenidas en sus valores
de consigna, en estado estacionario, a pesar de las
perturbaciones que afectan la planta.

Modelo
⎡ CV1 ⎤ ⎡0⎤ ⎡ K11 K12 ⎤ ⎡ MV1 ⎤ ⎡ K d 1 ⎤
⎢ ⎥=⎢ ⎥=⎢ ⎥⎢ ⎥ + ⎢K ⎥ D
para un
sistema
2x2. ⎣CV2 ⎦ ⎣0⎦ ⎣ K 21 K 22 ⎦ ⎣ MV2 ⎦ ⎣ d 2 ⎦
Matemáticamente, un proceso es controlable cuando la
matriz of ganancias del proceso puede invertirse, i.e., cuando
el determinante de K ≠ 0.
Prof. Cesar de Prada ISA-UVA 7
 Interacción
Un ejemplo los autos de la figura
intuitivo!!!
• ¿Son controlables de forma
independiente?
• ¿Existe interacción?

Prof. Cesar de Prada ISA-UVA 8

 Interacción
los autos de la figura
• ¿Son controlables de forma independiente?
• Existe interacción?

Vinculados por un
resorte

Prof. Cesar de Prada ISA-UVA 9

 Interacción
los autos de la figura
• ¿Son controlables de forma independiente?
• ¿Existe interacción?

Vínculo rígido.

Prof. Cesar de Prada ISA-UVA 10

 Controlabilidad
En el proceso de mezclado
• Son controlables de forma independiente FM, xAM?
• Existe interacción en el proceso?
FA, xA
FM, xAM
FS, xAS = 0

FM = FA + FS ⇒ ΔFM = ΔFA + ΔFS

FA x A ⎡ (1 − x A ) FA ⎤ ⎡ − FA x A ⎤
x AM = ⇒ Δx AM =⎢ 2 ⎥
ΔFA + ⎢ 2 ⎥
ΔFS
FA + FS ⎣ ( Fs + FA ) ⎦ ss ⎣ ( Fs + FA ) ⎦ ss
Prof. Cesar de Prada ISA-UVA 11
 FA, xA
FM, xAM
FS, xAS = 0

⎡ 1 1 ⎤
⎡ ΔFM ⎤ ⎢ ⎡ (1 − x ) F ⎤ ⎡ − FA x A ⎤ ⎥ ⎡ΔFA ⎤
⎢Δx ⎥ = ⎢ ⎢ A A ⎢ ⎥
2 ⎥ ⎥ ⎣ ΔFS ⎦
⎣ AM ⎦ ⎢ ⎣ ( Fs + FA ) 2 ⎥⎦ ⎢
⎣ ( Fs + FA ) ⎦ ss ⎥⎦
⎣ ss

− FA x A FA (1 − x A ) − FA
Det ( K ) = − = ≠0
( FA + FS ) 2
( FA + FS ) 2
( FA + FS ) 2

Sí, este sistema es controlable!

¿Sería controlable el sistema si xAS es distinto de cero?

Prof. Cesar de Prada ISA-UVA 12

 Interacción

u1 y1
Lazo abierto G11

⎡ Y1 (s) ⎤
⎢Y (s)⎥ = G21
⎣ 2 ⎦
⎡ G (s) G 12 (s) ⎤ ⎡ U1 (s) ⎤
= ⎢ 11 ⎥⎢ ⎥
⎣G 21 (s) G 22 (s)⎦ ⎣ U 2 (s)⎦ G12
y2
G22
u2

Prof. Cesar de Prada ISA-UVA 13

 Interacción

w1 u1
R1 G11
y1

G21
Control con lazos
SISO
G12

w2 y2
R2 G22
u2

Prof. Cesar de Prada ISA-UVA 14

 Lazo cerrado

w1 u1
y1 = G 11u 1 + G 12 u 2 = R1 G11
y1
= G 11R 1 ( w 1 − y1 ) + G 12 R 2 ( w 2 − y 2 )
y 2 = G 21u 1 + G 22 u 2 =
G21
= G 21R 1 ( w 1 − y1 ) + G 22 R 2 ( w 2 − y 2 ) G12
w2 y2
R2 G22
u2

G 11R 1 G 12 R 2
y1 = w1 + (w 2 − y 2 )
1 + G 11R 1 1 + G 11R 1
G 21R 1 G 22 R 2
y2 = ( w 1 − y1 ) + w2
1 + G 22 R 2 1 + G 22 R 2
Prof. Cesar de Prada ISA-UVA 15
 Interacción

w1 u1
G 11R 1 G 12 R 2 R1 G11
y1 = w1 + (w 2 − y 2 ) y1
1 + G 11R 1 1 + G 11R 1 G21
G 21R 1 G 22 R 2
y2 = ( w 1 − y1 ) + w2
1 + G 22 R 2 1 + G 22 R 2 G12
w2 y2
R2 G22
u2

G 11R 1 G 12 R 2 G 21R 1 G 22 R 2
y1 = w1 + (w 2 − ( w 1 − y1 ) − w2)
1 + G 11R 1 1 + G 11R 1 1 + G 22 R 2 1 + G 22 R 2
G 11R 1 (1 + G 22 R 2 ) − G 12 R 2 G 21R 1 G 12 R 2
y1 = w1 + w2
(1 + G 11R 1 )(1 + G 22 R 2 ) − G 12 R 2 G 21R 1 (1 + G 11R 1 )(1 + G 22 R 2 ) − G 12 R 2 G 21R 1
Prof. Cesar de Prada ISA-UVA 16
 Interacción (Lazo 1)

w1 u1
w1 y w2 influyen en y1 R1 G11
y1
Si G12 ó G21 son = 0 no hay
cambio de dinámica sobre un G21
sistema SISO u1 --- y1
G12
Si R2 pasa a manual se w2 y2
modifica la dinámica del lazo 1 R2 G22
u2

G 11R 1 (1 + G 22 R 2 ) − G 12 R 2 G 21R 1 G 12 R 2
y1 = w1 + w2
(1 + G 11R 1 )(1 + G 22 R 2 ) − G 12 R 2 G 21R 1 (1 + G 11R 1 )(1 + G 22 R 2 ) − G 12 R 2 G 21R 1

G 11R 1 G 12 R 2 G 11R 1
y1 = w1 + w2 y1 = w1
(1 + G 11R 1 ) (1 + G 11R 1 )(1 + G 22 R 2 ) (1 + G 11R 1 )
Prof. Cesar de Prada ISA-UVA 17
 Interacción

u1
u2
Fv
q FT TT
T

Condensado

u1 T
u2 q

Prof. Cesar de Prada ISA-UVA 18

 Reactor

TT AT
u
Reactante
T
Reactor
Refrigerante
Producto
Interacción entrada salida en ambas variables
Interacción en lazo abierto
Prof. Cesar de Prada ISA-UVA 19
 Reactor
TC AC

TT AT
u
Reactante
T
Reactor
Refrigerante
Producto
Interacción entrada salida en ambas variables
Interacción en lazo cerrado
Prof. Cesar de Prada ISA-UVA 20
 Interacción

9 Medir el grado de interacción

9 ¿Se puede funcionar con lazos simples?
9 En caso afirmativo, ¿Cual es el mejor
emparejamiento de variables entrada-salida?

u1 y1
u2 y2

Prof. Cesar de Prada ISA-UVA 21

 Matriz de ganancias
estacionarias

⎡ y1 ⎤ ⎡ k 11 k 12 ⎤ ⎡ u 1 ⎤
⎢ y ⎥ = ⎢k k 22 ⎥⎦ ⎢⎣u 2 ⎥⎦
⎣ 2 ⎦ ⎣ 21

No es una buena medida de interacción:

Depende de las unidades en las que se exprese
No refleja el hecho característico de la interacción
multivariable: los cambios en un lazo cuando otros
pasan de automático a manual

Prof. Cesar de Prada ISA-UVA 22

 Matriz de Ganancias Relativas
(RGA) Matriz de Bristol

y1 y2 ∂y i
∂u j
u1 λ 11 λ 12 λ i, j = u = cte

∂y i
u2 λ 21 λ 22
∂u j y = cte

λ11
u1 y1 u1 y1

u2 G u2 G
y2 y2

Prof. Cesar de Prada ISA-UVA 23

 RGA

Puede emplearse para hacer una adecuada selección de

pares entrada-salida para controlar un sistema MIMO
escogiendo la mínima interacción en estado
estacionario o a una frecuencia dada

∂y i λi, j = 1 Deseable
∂u j
λ i, j = u = cte
λi, j = 0
∂y i y1 y2
∂u j y = cte
λi, j = ∞ u1 0 .2 0 .8
u2 0 .8 0 .2
λ i, j < 0

Prof. Cesar de Prada ISA-UVA 24

 RGA
u1 y1 λ11
u2 G
Δy1 = k 11Δu 1 + k 12 Δu 2
y2 Δy 2 = 0 = k 21Δu 1 + k 22 Δu 2

k 12 k 21
Δy1 = k 11Δu 1 − Δu 1 y1 y2
k 22 k 11 k 22 − k 12 k 21
Δy1 k k − k 12 k 21 u1 k 11 k 22 − k 12 k 21 k 11 k 22 − k 12 k 21
= 11 22 − k 12 k 21
Δu 1 y 2 = cte
k 22 u2 k 11 k 22
k 11 k 22 − k 12 k 21 k 11 k 22 − k 12 k 21
k 11 k 11k 22
λ11 = =
k 11k 22 − k 12 k 21 k 11k 22 − k 12 k 21
k 22
Prof. Cesar de Prada ISA-UVA 25
 Columna

x1 ⎡ 87.8 − 86.4 ⎤
G ( 0) = ⎢ ⎥
⎣108.2 − 109.6⎦
L
x1 x2
L ⎡ 35.1 − 34.1⎤
RGA
V ⎢⎣− 34.1 35.1 ⎥⎦
V
Muy fuerte interacción con el
x2 emparejamiento ( L x1) (V x2)
Inestabilidad asegurada con el
emparejamiento ( L x2) (V x1)

Prof. Cesar de Prada ISA-UVA 26

 RGA

−1 T
RGA (G ) = Λ (G ) = G × (G )
⎡1 − 2⎤
G=⎢ ⎥ La suma de los elementos
⎣3 4 ⎦
⎡ 0.4 0.2⎤
de una fila o columna de la
−1
G =⎢ ⎥ RGA es 1
⎣ − 0. 3 0 .1⎦
⎡0.4 0.6⎤ Es independiente del
Λ (G ) = G × (G −1 ) T = ⎢ ⎥
⎣0.6 0.4⎦ escalado de u e y
Para procesos asimétricos, la inversa puede sustituirse por
la pseudoinversa Matlab RGA = G.*pinv(G)’
Prof. Cesar de Prada ISA-UVA 27
 RGA
y1 y2 y3
⎡ 16.8 30.5 4.3 ⎤ u 1 ⎡ 1.50 0.99 − 1.48⎤
G = ⎢− 16.7 31.0 − 1.41⎥ u 2 ⎢ − 0.41 0.97 0.45 ⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ 1.27 54.1 5.40 ⎥⎦ u 3 ⎢⎣− 0.08 − 0.95 2.03 ⎥⎦

El unico emparejamiento SISO admisible resulta ser:

y1 ---- u1 y2 ---- u2 y3 ---- u3
con una interacción mayor en el tercer lazo

Prof. Cesar de Prada ISA-UVA 28

Columna de destilación

Prof. Cesar de Prada ISA-UVA 29

 Interacción entre lazos de
control
PROCESS 11
y1setpoint u1 y1
- CONTROL PV1
+ response to +
+
Process 1
CO1

INTERACT 12
PV1
response to
CO2

INTERACT 21
PV2
response to
CO1

PROCESS 22
CONTROL PV2 +
2 +- response to +
y2
ysetpoint Process 2 u2 CO2

Prof. Cesar de Prada ISA-UVA 30

 Proceso de mezcla
Balance global:
u1
F1 x1
FT AT
F = F1 + F2
Balance de componente:

F x = F1 x1 + F2 x2
u2
F x
F2 x2

Eliminando F2 entre las

dos ecuaciones: 1 x − x2 F1
λF , F = = =
x1 − x2 1
⎛ x1 − x2 ⎞ x1 − x2 F
F = F1 . ⎜⎜ ⎟⎟
x − x2 ⎝ x − x2 ⎠
Fx − Fx 2 = F1 x1 − F1 x 2 ⇒ Fx = F1 x1 − F1 x 2 + Fx 2 = F1 x1 − F1 x 2 + F1 x 2 + F2 x 2 = F1 x1 + F2 x 2
Prof. Cesar de Prada ISA-UVA 31
 Proceso de mezcla(Cont.)

La matriz de ganancias relativas RGA es:

FF11 F2
F1 F1
F 1 −
F F

F1 F1
x 1 −
F F

¿Cuál es el mejor emparejamiento entre variables manipuladas

y controladas? ¿De qué dependerá la respuesta?
Prof. Cesar de Prada ISA-UVA 32
 Proceso de mezcla
FF11 F2
Para F1 = 10, F = 15
F1 F1
F 1 −
F F
F1 F2
F1 F1
x 1 − F 0.67 0.33
F F

Para F1 = 3, F = 15 x 0.33 0.67

F1 F2
F 0.2 0.8

x 0.8 0.2

Prof. Cesar de Prada ISA-UVA 33

 RGA(jω)

RGA (G ( jω))

La RGA se formuló originalmente sobre la matriz de

ganancias estacionarias, frecuencia 0, pero puede
evaluarse y dar información útil a cualquier otra
frecuencia

Prof. Cesar de Prada ISA-UVA 34

 Dos enfoques alternativos

MULTILOOP vs Centralizado

Multiloop: varios controladores Centralizado

PID independientes
F

Controlador
F Centralizado

T
T L
A L
A

Prof. Cesar de Prada ISA-UVA 35

 Desacoplo

w1
u1
R1 y1
w2 D G y2
R2 u2

Encontrar la matriz D, tal que GD se comporte como una

matriz diagonal o casi diagonal

Prof. Cesar de Prada ISA-UVA 36

 Desacoplo en estado estacionario

w1
u1
R1 y1
w2 G(0)-1 G y2
R2 u2

Si D = G(0)-1 , entonces G(s) G(0)-1 es diagonal en estado

estacionario de modo que, en reposo, no hay interacción.
Fácíl de implementar y calcular, G(0)-1 = inversa de la
matriz de ganancias estacionarias.
Prof. Cesar de Prada ISA-UVA 37
 Estructura de control con
desacople
PROCESS 11
y1setpoint u1feedback u1total y1
- CONTROL
++
PV1
+ response to +
+
Process 1
CO1

G11(s)

DECOUPLER 12
PV1
decoupled from INTERACT 12
u1decouple PV1
CO2
response to
D12 (s) CO2

G12 (s)

INTERACT 21
DECOUPLER 21
2 PV2
PV2 udecouple
response to
decoupled from
CO1
CO1
G21(s)
D21(s)

PROCESS 22
CONTROL PV2 +
+- +
2 2 + response to +
y2
ysetpoint Process 2 ufeedback 2
utotal CO2

G22 (s)

Prof. Cesar de Prada ISA-UVA 38

 2x2 Multivariable Decoupling

9 Requiere 4 modelos dinámicos

– Process 11 (como CO1 impacta en PV1)
– Interact 12 (como CO2 impacta en PV1)
– Interact 21 (como CO1 impacta en PV2)
– Process 22 (como CO2 impacta en PV2)

9 Estos models deben construirse a partir de datos de

planta, validados e incluidos en el diseño del
controlador.
9 El desacople de lazos no es una técnica muy
empleada industrialmente porque su empleo
requiere un esfuerzo significativo de modelado,
sintonía y mantenimiento .
Prof. Cesar de Prada ISA-UVA 39
 Control multivariable

u1
w1 y1
R G y2
w2
u2

El controlador recibe señales de todas las salidas y

simultáneamente calcula todas las señales de
control teniendo en cuenta la interacción
Prof. Cesar de Prada ISA-UVA 40
 Control Predictivo
multivariable
Temp Conc.

u2 u1
MBPC
FC

FT

TT AT
FC
Producto
FT

Reactor DMC, GPC,

Refrigerante EPSAC, HITO,
PFC,....
Prof. Cesar de Prada ISA-UVA 41