Control Avanzado

Control Avanzado
Especialización de Automatización de Procesos

Industriales
Universidad de los Andes
Fernando Otero, CAP, MSc, PhD Candidate

fernando.otero@optimogrp.com
1er Semestre del 2016
© Optimo Group Inc. 1

Control Avanzado
Agenda del Módulo:
– Alternativas de Control Avanzado de Procesos
– Control adaptativo
– Control basado en lógica difusa
– Utilización de redes neuronales en control de procesos
– Control predictivo basado en modelo (MPC)

Instructor
Fernando Otero:
fernando.otero@optimogrp.com ; Tel: +1(317) 650-3029 (USA) ; www.optimogrp.com
• Certified Automation Profesional, CAP, de la ISA – International Society of Automation

• Presidente de Optimo Group Inc. – Indiana, USA (2009)
• Consultor senior en el área de automatización de procesos.
• Ingeniero químico de la Universidad Nacional de Colombia
• Maestría de la Oklahoma University – Ingeniería Química – Cinética Química y Control de Procesos
• Ph.D Candidate de la University of South Florida - Ingeniería Química – Control Automático de Procesos
• 27 años de experiencia tanto en la industria como en la capacitación y entrenamiento de personal en el área del
control automático de procesos incluyendo automatización industrial.
• Trabajó para Cornerstone Controls Inc. en USA durante 11 años (1998-2009).
• Trabajó para Ecopetrol-ICP en Colombia durante 9 años en el grupo de automatización (1989-1998)
• Su experiencia incluye:
– diseño y mejoramiento de estrategias de control y automatización de procesos
– factibilidad e implementación de proyectos de control avanzado
– evaluación y mejoramiento del desempeño de procesos y sistemas de control
– optimización de la variabilidad de procesos
– sintonización óptima y comprensiva de lazos de control
– capacitación de personal en todas las facetas del control de procesos

Conocernos
Presentación de Asistentes:
• Nombre
• Profesión
• Cargo
• Empresa
• Expectativas del curso
4
Control Avanzado de Procesos
Introducción
– Durante los 60’s, se consideraba que el control avanzado era cualquier
algoritmo o estrategia de control que se desviara del controlador
clásico Proporcional-Integral-Derivativo (PID)
– El advenimiento de los computadores de proceso hizo que muchos

algoritmos de control que no podían realizarse con tecnología
análoga, ahora se pudiera implementar en los computadores.
– De hecho, la proliferación de las llamadas metodologías de control

avanzado sólo se pueden atribuir a los avances hechos en la industria
electrónica, especialmente en el desarrollo de dispositivos
computacionales de bajo costo
– Ahora, el control avanzado es sinónimo de la implementación de

tecnologías basadas en computador.
Introducción
– Se ha reportado recientemente que el control avanzado
• puede mejorar cantidad de producto;
• reducir el consumo de energía;
• incrementar la capacidad;
• mejorar la calidad y consistencia del producto;
• reducir la cantidad de producto que se regala;
• incrementar el nivel de respuesta;
• mejorar la seguridad del proceso y reducir las emisiones ambientales.

Introducción
– La implementación de control avanzado ha

generado ganancias entre el 2% y el 6% de los
costos de operación [Anderson, 1992].
– Estos beneficios son claramente enormes y se

logran disminuyendo la variabilidad de proceso,
permitiendo que las plantas operen a su
capacidad de diseño

Introducción
• Qué exactamente el control avanzado?
• Dependiendo de la formación del individuo, el control avanzado puede significar diferentes

cosas.
• Puede ser la implementación de esquemas de control feedforward, cascada,

compensadores de tiempo muerto, algoritmos de auto-sintonía, control adaptativo, o
optimización.
• Se prefiere considerar el control avanzado como algo más que el simple uso de
computadores con multi-procesadores o ambientes de software state-of-the-art.
• No se refiere a la utilización singular de algoritmos sofisticados de control simplemente.
• Describe una práctica incluye elementos de varias disciplinas tales como la ingeniería de
control, procesamiento de señales, estadística, teoría de las decisiones, inteligencia
artificial, ingeniería de hardware y software.
• Un elemento central de esta filosofía es el requerimiento de siempre tener en cuenta el

entendimiento del comportamiento de la planta de proceso.

Repaso de Control Regulatorio de
Procesos

El Lazo de Control
Componentes del lazo de control
• Sensor/Transmisor
• Elemento primario de medida
• Ejecuta la MEDIDA dentro del lazo de control
• La salida del transmisor debería ser lineal
• Cuidado con no lineales como: termopar y medidor de flujo de platina de orificio
• Rango, Span, Zero
• Ganancia del transmisor
• Elemento Final de Control

•Ejecuta la ACCION dentro del lazo de control
•Válvula de Control
• Variador de Frecuencia
• Damper
• Otros
•Controlador
• Ejecuta la DECISION
• PROCESO
10
© Optimo Group Inc.
El Elemento Primario de Medida
Control Loop Components Transmisor
• Sensor / Transmitter Conversion Formulas y,w
20 mA 100 %
mA
%
4 mA
0%
y0 y yM y0 y yM
16
Span=yM - y0 mA  ( y  y0 )  4
span
100 100
% (mA  4) % ( y  y0 )
16 span
11
El Elemento Final de Control
Válvula de Control
Control Valve
• Valve action (FO, FC)

• Actuator (diaphragm and spring)
• Positionator (importance, digital intelligent positionator)
• Calculation of the control valve size
• Flow Characteristics
• Equal Percentage
• Linear
• Quick opening Apertura Rápida
• Inherente
• Instalada
• Rangoability
• Valve gain
• Pressure fall through the valve
• Response Speed
12
El Elemento Final de Control
Válvula de Control
Componentes del lazo de control
13
Caida de Presión en el Sistema
Válvula de Control
14
Característica de Flujo
Válvula de Control y relación de caída de presión
15
Válvula de Control tipo Globo
16
Válvula de Control tipo
Rotatorias
Control Valve- Rotators
17
Válvula de Control
Problemas de posicionamiento
18
Válvula de Control
Rango de Control
Control Valve
19
Elemento Final de Control
Variador de Frecuencia - VFD
 El VFD se está utilizando cada vez más en

control de proceso
 El VFD ajusta el flujo o la presión

manipulando la velocidad de la bomba.
 Los VFD’s tienen excelente resolución y

pueden sintonizarse para obtener una
respuesta rápida del lazo de control.
20
Unit demand flow value
Flow (GPM)
4500
4000
3500
3000
Flujo, GPM
2500
2000
1500
1000
500
0
0 20 40 60 80 100 120
Charge %
21
Variador de Frecuencia - VFD
Demanda potencial activa, con y sin VFD.
22
Control Regulatorio de Procesos
Control basado en algoritmo PID
Algoritmo Ideal PID (Dependent)
Algoritmo Series PID (Independent)

Algoritmo PID
e(t )  w(t )  y(t ) Error

 1 de 
u(t )  K c  e(t )   e( )d  Td  Domain in time
 Ti dt 
Domain in Laplace
 Controlador basado en señal, no incorpora

conocimiento explícito del proceso
 Tres parametros de sintonización: Kc, Ti, Td
 Diversas modificaciones

PID Parameters
• Kc gain / Término Proportional
– % control span/
– Proportional band PB=100/ Kc
• Ti tiempo integral / Término Integral (Reset)
– Minutos o segundos (tiempo reset)
– Repeticiones por minuto (or por segundo) = 1/ Ti
• Td tiempo derivative / Término derivative (Rate)
– Minutos or Segundos

Sintonización Optima de Lazos

Método Lambda

Cómo quiere su respuesta? Cuál es la mejor respuesta para su proceso?
4. Sin overshoot y estable
SP
λ λ λ λ

Sintonización por Método Lambda - Proceso Autoregulado
 Respuesta en lazo cerrado es de primer orden

 Lambda es la constante de tiempo de la respuesta
 Sin acción derivativa
 Respuesta es sin overshoot
 Sin oscilaciones
 La velocidad de respuesta la selección el usuario
Respuesta a SP de primer orden


w 1 y  constante de
s  1 tiempo deseada
en lazo cerrado 30
Dinámica de proceso Proceso Autoregulado
Primer orden más tiempo muerto (FOPDT)
PV % span Ganancia del Proceso

Kp 
CO%
 Constante de Tiempo
td Tiempo muerto

Primer orden más tiempo muerto (FOPDT)
PV % span Ganancia del Proceso Constante de Tiempo

Kp 
CO% en lazo cerrado
 Constante de Tiempo Tiempo Integral (Reset)
td Tiempo muerto Ganancia del

Controlador

Ganacia de proceso.
 Es recomendable tener una ganancia que esté entre 0.5 y 2.0

%Span/%Output.
 Una ganancia de proceso alta limita la resolución del proceso. El
impacto de las no-linealidades de válvula de control se magnifica y
esto incrementará la variabilidad de proceso.
 Por ejemplo:
 La ganancia de proceso = 5 %Span/%Output.
 Un cambio en la salida de 10% ocasionará un cambio del 50% en el
proceso.
 Si la mínima resolución de posicionamiento de la válvula es 1% (debido a
stiction) entonces la resolución mínima del proceso es 5% Span.
 Una buena resolución de la válvula de control es crítica para ganancias
de proceso altas. Aún problemas en válvulas de control pequeñas
causarán significativa variabilidad de proceso.

Proceso Integrante
• Tiempo muerto = td PV

Kpi   Kp I
• Ganancia de proceso integrante CO * t
Dinámica de proceso integrante
K pi e t d s
Dominio Laplace
s
Dominio del Tiempo
dPVd (t )
 Kpi CO (t  t d )
dt

Sintonización por Método Lambda – Proceso Integrante
• Tiempo muerto = td
PV
• Ganancia de proceso
Kp 
CO * t

Sintonización por Método Lambda
Proceso Integrante
• Ya tiene acción integral, así que sólo se debe agregar muy poca acción integral
• Tiempo muerto = td
PV
• Ganancia de proceso integrante Kpi 
CO * t
 KI
• Sintonía

Control adaptivo (o Control Adaptativo)
fernando.otero@optimogrp.com


Identificación y Control Adaptivo
• La mayoría de las técnicas actuales para diseñar sistemas de control se basan en un buen
conocimiento o entendimiento del proceso bajo estudio y su entorno.
• En muchos casos, el proceso a ser controlado es demasiado complejo y los procesos

físicos básicos en él no son conocidos o entendidos completamente.
• Las técnicas de diseño de control entonces necesitan agregar una forma de

identificación que permita progresivamente obtener un mejor conocimiento del
proceso a ser controlado.
• Usualmente la identificación y el control son pasos que se realizan en forma separada.
• Si el proceso es periódicamente actualizado sobre la base de estimados previos y datos

nuevos (identificación), entonces la identificación y el control pueden realizarse en
forma concurrente.

Un sistema de control que permite lanzar en cualquier momento la identificación del proceso y
el cálculo de un nuevo controlador (regulador) .

• Usualmente el paso primario de identificación ya ha sido llevado a cabo (e.g. FOPDT)
• Entonces sólo se necesita determinar los parámetros de un modelo fijo.
• Así, el problema se limita a una identificación paramétrica y un control adaptativo

paramétrico.
• En control adaptivo se aplica alguna técnica de identificación para obtener el

modelo del proceso y su entorno a partir de experimentos de entrada-salida y se
utiliza este modelo para diseñar y/o adaptar el controlador en forma periódica.

Realimentación Lineal
Los sistemas de control con realimentación lineal ordinaria son la base sobre la
cual se desarrollan los sistemas de control adaptativo.
Un controlador Adaptativo es un controlador con parámetros ajustables y un

mecanismo de ajuste de parámetros
Control Adaptivo (“Adaptive Control”): Este sistema de control es apropiado para sistemas que sean
variantes en el tiempo. Aunque dentro de esta categoría podrían colocarse los “PID autoajustables”, el
concepto es mucho más amplio, ya que suelen incorporar técnicas de identificación de parámetros por
mínimos cuadrados u otras técnicas propias del sistema resultante.
Lazos de Control Adaptativo
El lazo secundario debe variar mas lentamente que el lazo primario

¿Por qué control Adaptativo?

Tipos más comunes de sistemas de control adaptativo:
• Control adaptativo programado
• Control adaptativo con modelo de referencia
• Control adaptativo autosintonizable

Control Adaptativo Programado

Control Adaptativo Programado

PID Scheduling
operating
gain conditions
schedule
regulator
command parameters
signal y
u
regulator process
control output
signal
The regulator parameters are adjusted to suit different operating

conditions. Gain scheduling is an open-loop compensation.

Auto-tuning
parameters K, Ti, Td
+ PID
controller Process
_
 1 
K 1   Td s 
 Ti s 
PID controllers are traditionally tuned using simple experiments and

empirical rules. Automatic methods can be applied to tune these
controllers.
(i) experimental phase using test signals; then:-
(ii) use of standard rules to compute PID parameters.

Control Adaptativo con Modelo de Referencia

Control Adaptativo con Modelo de Referencia

Model Reference Adaptive Systems
MRAS
model
ideal
regulator ym output
parameters
adjustment
mechanism

uc y
u
regulator process
actual
output

Control Adaptativo Autosintonzable

54
54
Self Tuning Regulators

STR
process parameters
design estimation
regulator
parameters 
uc y
u
regulator process
actual
output
The process parameters are updated and the regulator parameters are
obtained from the solution of a design problem. The adaptive regulator
consists of two loops:-
(i) inner loop consisting of the process and a linear feedback
regulator
(ii) outer loop composed of a parameter estimator (recursive) and a
design calculation. (To obtain good estimates it is usually necessary
to introduce perturbation signals)
Two problems:-
(i) underlying design problem
(ii) real time parameter estimation problem
56
El Proceso de Aprendizaje
Si el proceso de aprendizaje se habilita en un bloque PID, el modelo del

proceso y su sintonía recomendada se calculan automáticamente en el
controlador.
Se pueden seleccionar los bloques PID para que se active el proceso de

aprendizaje en ellos.

Algoritmo de Sintonía Adaptativa
• Se implementa una estrategia de cambio de modelo para identificación que incorpora
– Interpolación de parámetros
– Selección del modelo que reduce el número de modelos utilizados para la adaptación
Los objetivos principales del algoritmo son:
• Proveer una solución unificada para la identificación de los modelos

• Lograr un tiempo de adaptación más corto
• Lograr adaptación minimizando la estimulación (excitation) del proceso


Diseño de Control Feedback Adaptivo (del
sistema DeltaV)



Ejemplo de un Lazo de Flujo de Soda

Determinación de la Dinámica del Proceso utilizando On-Demand Tuning

• Cinco regiones de proceso de aprendizaje
• Control adaptativo en lazo cerrado
• Actualización continua de los parámetros de

sintonía para condiciones cambiantes del
proceso

El aprendizaje puede habilitarse en varias
formas:
• Control Studio durante la configuración

• DeltaV Explorer
• En InSight
• Fieldbus PID blocks

Gain Process Insight with Model Analysis
• Modelos automáticamente
almacenados en una base de
datos de modelos
• Varias opciones de gráficas
para analizar el impacto de
las condiciones de operación
en los modelos de proceso
• Se puede utilizar el
promedio de los modelos
seleccionados para
establecer una sintonía
recomendada

Fin de esta sección

Control Avanzado - Sesión - 1 v1.0 PDF

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

Control Avanzado - Sesión - 1 v1.0 PDF

Cargado por

Copyright:

Formatos disponibles

Especialización de Automatización de Procesos

Fernando Otero, CAP, MSc, PhD Candidate

1er Semestre del 2016

© Optimo Group Inc. 1

– Alternativas de Control Avanzado de Procesos

– Control basado en lógica difusa

– Utilización de redes neuronales en control de procesos

– Control predictivo basado en modelo (MPC)

© Optimo Group Inc. 2

• Certified Automation Profesional, CAP, de la ISA – International Society of Automation

© Optimo Group Inc. 3

– El advenimiento de los computadores de proceso hizo que muchos

– De hecho, la proliferación de las llamadas metodologías de control

– Ahora, el control avanzado es sinónimo de la implementación de

• reducir el consumo de energía;

• mejorar la calidad y consistencia del producto;

• reducir la cantidad de producto que se regala;

• incrementar el nivel de respuesta;

• mejorar la seguridad del proceso y reducir las emisiones ambientales.

© Optimo Group Inc. 6

– La implementación de control avanzado ha

– Estos beneficios son claramente enormes y se

© Optimo Group Inc. 7

• Dependiendo de la formación del individuo, el control avanzado puede significar diferentes

• Puede ser la implementación de esquemas de control feedforward, cascada,

• No se refiere a la utilización singular de algoritmos sofisticados de control simplemente.

• Un elemento central de esta filosofía es el requerimiento de siempre tener en cuenta el

© Optimo Group Inc. 8

© Optimo Group Inc. 9

• Elemento Final de Control

• Valve action (FO, FC)

 El VFD se está utilizando cada vez más en

 El VFD ajusta el flujo o la presión

 Los VFD’s tienen excelente resolución y

Algoritmo Ideal PID (Dependent)

Algoritmo Series PID (Independent)

© Optimo Group Inc. 23

e(t )  w(t )  y(t ) Error

 Controlador basado en señal, no incorpora

© Optimo Group Inc. 24

© Optimo Group Inc. 25

Sintonización Optima de Lazos

© Optimo Group Inc. 26

4. Sin overshoot y estable

© Optimo Group Inc. 27

 Respuesta en lazo cerrado es de primer orden

Respuesta a SP de primer orden

© Optimo Group Inc. 28

© Optimo Group Inc. 29

Primer orden más tiempo muerto (FOPDT)

PV % span Ganancia del Proceso

© Optimo Group Inc. 31

Primer orden más tiempo muerto (FOPDT)

PV % span Ganancia del Proceso Constante de Tiempo

td Tiempo muerto Ganancia del

© Optimo Group Inc. 32

 Es recomendable tener una ganancia que esté entre 0.5 y 2.0

© Optimo Group Inc. 33

• Tiempo muerto = td PV

Dinámica de proceso integrante

Dominio del Tiempo

© Optimo Group Inc. 34