Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos (MPC)
Prof. Cesar de Prada
Dpto. Ingenieria de Sistemas y Automática
Universidad de Valladolid, España
e-mail: prada@autom.uva.es
web:http//www.isa.cie.uva.es
Tendencias en la industria
Exigencias crecientes de optimización de costos, mejor
calidad, productividad, seguridad, respeto al medio ambiente,
funcionamiento de las plantas en un amplio rango de
condiciones de operación,..
v DV
w u y
Controlador Proceso
SP MV CV
El regulador PID
e( t ) = w( t ) − y( t )
1 de
u( t ) = K p e( t ) + ∫ e( τ )dτ + Td
Ti dt
Temp
TC
FC
FT
TT
FC
Producto
FT
Reactor
Refrigerante
AT
Conc.
Problemas de control
FC
FT
TT AT Materia prima
FC
FT
Reactor
Refrigerante
Productos
Interacción El control multivariable
tiene en cuenta la
interacción entre las
variables y trata de
Temp Conc. controlar la unidad de
proceso como un todo
u2 u1
MPC
FC
FT
TT AT
Reactivo
FC
FT
Reactor
Refrigerante
Producto
Procesos multivariables
(MIMO)
PT PC
En procesos multivariables
la interacción crea problemas TT
LT LC
de control. Además cuando hay R
restricciones en las variables, F
perturbaciones, etc. las FT FY D
TC FC FT
llamadas estructuras de TC
control no siempre dan buenos
FT FC TT
resultados y son difíciles de
mantener. V LT
En consecuencia, a menudo la
unidad se regula manualmente LC
por un operario.
Control Multivariable
PT PC
El control multivariable, y en
particular el MPC, tiene en TT
LT LC
cuenta la interacción entre las R
variables, sus restricciones, F
las perturbaciones, etc. y D
FT FC FT
permite realizar un control
eficiente de forma
automática, FT FC
TT
MPC
abriendo las puertas a la V LT
optimización de su punto de
operación. LC
Control y optimización
límite superior
ref
ref
tiempo
•La reducción de varianza permite mover la referencia
y respetar los límites de la variable.
•La mejora del control permite la optimización.
Un mejor control permite la
optimización del punto de trabajo
pulpa gases
aire
Secadero
Hogargar
Gas
límite
MC MT Humedad
de pulpa SP
seca
w Pulpa
seca
W1 W2
Control y Optimizacion
limite
W1 W2
Válvulas,
Instrumentación Transmisores
JERARQUIA DE CONTROL
Nivel 3 Para poder abordar problemas
Optimización de un nivel, los niveles inferiores
Interes económico
han de funcionar correctamente
Nivel 2
Control Avanzado En concreto, la optimización
económica exige que el nivel
Nivel 1 de control funcione
Control Convencional adecuadamente
PID, DCS
nivel 0
Instrumentación
de Campo
Control Predictivo MPC
v
w u y
Optimizador Proceso
y(t+j) Predictor
Control Predictivo
u(t+k|t)
u(t)
MV
tiempo
pasado futuro
Señal de referencia
SP
^
CV Predicción de la salida: y(t+k|t)
... tiempo
t t+1 t+2
MPC, Optimización
v
w
Optimizador u y
Proceso
y(t+j)
Predictor
Nu −1
= ∑ [ŷ( t + j) − w ( t + j)] + ∑ [β∆u ( t + j)]
N2
2 2
min J
u ( t ), u ( t +1),.. j= N1 j= 0
MPC
PID
Características del MPC
Modelado
u(kT)
y(kT)
D/A
modelos discretos
la salida en t = kT depende de las entradas y salidas
en instantes de tiempo (k-j)T anteriores
Modelos Lineales
y( t ) = − a 1 y( t − 1) −....− a n y( t − n) + b 1 u( t − 1) +....+ b m u( t − m)
u( t ) = U − U 0
Modelo respuesta salto
y( t ) = ∑ g ∆u(t − j)
j =1
j
y y
t
u1 y
t t
y y y
u2
t t t
j ∞
Predicciones: ŷ( t + j) = ∑ g i ∆u ( t + j − i) + ∑ g ∆u ( t + j − i) +
i
i =1 i = j+1
∞
+ y p ( t ) − ∑ g i ∆u ( t − i)
i =1
DMC, Dynamic Matrix Control
j ∞ ∞
ŷ( t + j) = ∑ g i ∆u ( t + j − i) + ∑ g ∆u ( t + j − i) + y
i p ( t ) − ∑ g i ∆u ( t − i)
i =1 i = j+1 i =1
∞ ∞
p j = y p (t) + ∑ g ∆u (t + j − i) − ∑ g ∆u (t − i) =
i = j+1
i
i =1
i
g j+ i − g i ≅ 0 d j+ i − d i ≅ 0 i > N, j = N1,...., N 2
N
p j = y p ( t ) + ∑ (g j+ i − g i )∆u ( t − i) Free response of the system
i =1 at time t
DMC, Dynamic Matrix Control
j
Predicciones: ŷ( t + j) = ∑ g i ∆u ( t + j − i) + p j Respuesta forzada + libre
i =1
y ( t + j) = G j (q −1 )∆u( t + j) + p j p
G j (q −1 ) = g1q −1 +......+ g jq − j
N u(t-1)
p j = y p ( t ) + ∑ (g j+ i − g i )∆u ( t − i)
i =1
p respuesta libre
DMC, elección óptima de u
Nu −1
J = ∑ [ y ( t + j) − w( t + j)] + ∑ [β∆u( t + j)]
N2 2 2
Min :
j= N1 j= 0
w
y(t+j)
−1
y ( t + j) = G j (q )∆u( t + j) + p j
Horizonte de Predicción
time
t N1 N2
Estructura del control:
u(t-1)
u(t)
∆u(t+j) = 0 j ≥ Nu
Nu control horizon
time
t Horizonte Nu
de Control
DMC
Nu −1
= ∑ [ y ( t + j) − w( t + j)] + ∑ [β∆u( t + j)]
N2 2 2
min J
∆u(t), ∆u(t+1),.. j= N1 j= 0
y ( t + j) = G j (q −1 )∆u( t + j) + p j
Puede formularse en forma matricial:
∂J
=0
∂∆u
− 2G ′[e 0 − G∆u ] + 2β∆u = 0
w
y(t+j)
En estado estacionario: ŷ = p ss
N
y como p j = y p ( t ) + ∑ (g j+i − g i )∆u ( t − i) ⇒ p ss = y p
i =1
⇒ ŷ = y p
u y
+
variable controlada
variable manipulada
n perturbaciónes no medibles
∞ ∞
Modelo DMC: y( t ) = ∑ g ∆u( t − i) + ∑ d ∆v( t − i) + n( t )
i =1
i
i =1
i
Predicciones (DMC) con
perturbaciones conocidas
Predicción: Separar términos que dependen del futuro y del pasado
j ∞
y( t + j) = ∑ g i ∆u ( t + j − i) + ∑ g ∆u (t + j − i) +
i
i =1 i = j+1
j ∞
+ ∑ d i ∆v( t + j − i) + ∑ d ∆v(t + j − i) + n (t + j)
i
i =1 i = j+1
∞ ∞
Hipótesis: n ( t + j) = n ( t ) = y p ( t ) − ∑ g i ∆u ( t − i) − ∑ d i ∆v( t − i)
i =1 i =1
j ∞
ŷ( t + j) = ∑ g i ∆u ( t + j − i) + ∑ g i ∆u ( t + j − i) +
i =1 i = j+1
j ∞ ∞ ∞
+ ∑ d i ∆v( t + j − i) + ∑ d i ∆v( t + j − i) +y p ( t ) − ∑ g i ∆u ( t − i) − ∑ d i ∆v( t − i)
i =1 i = j+1 i =1 i =1
DMC: Respuesta libre
∞ ∞
p j = yp (t) + ∑
i = j+1
g i ∆u ( t + j − i) − ∑ g i ∆u ( t − i) +
i =1
∞ ∞ j
+ ∑
i = j+1
d i ∆v( t + j − i) − ∑ d i ∆v( t − i) + ∑ d i ∆v( t + j − i)
i =1 i =1
esto es
∞ ∞ j
p j = y p ( t ) + ∑ (g j+i − g i )∆u ( t − i) + ∑ (d j+i − d i )∆v( t − i) + ∑ d i ∆v( t + j − i)
i =1 i =1 i =1
Respuesta libre: p j = ŷ f ( t + j)
y(t+j)
u(t+j)
t
y ( t + j) = G j (q −1 )∆u( t + j) + p j
Lmax
∆u
v
Lmin
Rango de las señales U m ≤ u ( t + j) ≤ U M Deben ser añadidas a
de control la formulación del
Velocidad de cambio D m ≤ ∆u ( t + j) ≤ D M problema de
de u: optimización
Rango de las L m ≤ ŷ( t + j) ≤ L M
variables controladas:
DMC con restricciones
Nu −1
∆u j= N1 j= 0
D m ≤ ∆u( t + j) ≤ D M
j
u
U m ≤ u( t − 1) + ∑ ∆u( t + j) ≤ U M
i=0
j = 0, . . . , Nu
j
L m ≤ y ( t + j) = ∑ g k ∆u( t − k + j) + p( t + j) ≤ L M
k =1
j = 1, . . . . , N 2 Programación cuadrática QP
QP
1
min c ⋅ x + x ⋅ Q ⋅ x
x 2
Ax ≤ b
x ≥0
∆u(t+1)
Ha de
resolverse un
Posibles problema QP
problemas de en línea cada
factibilidad periodo de
muestreo
Software
Región numérico
factible eficiente
∆u(t)
Formulación Multivariable
SP Temp SP Comp.
2 = 21 22 2m 2 + 2 MPC
.... ... ... ...
FC
y n ( t ) M n1 M n 2 ... M nm u m ( t ) n n ( t ) Temp Comp. TT
FT
TT AT
FC
Se necesita un modelo Alimentación
que relacione las FT
v u1 u2 v
y y
y1 t
y1 y
u1 t t
y2 y y y
Modelo
modelo interno
u2 y2
interno y3 t t t
Matriz dinámica
∞ ∞ ∞
y1( t ) = ∑ gi11∆u1( t − i) + ∑ gi12 ∆u2 ( t − i) + ∑ gi13 ∆v( t − i) + n1( t )
i =1 i =1 i =1
∞ ∞ ∞
y 2 ( t ) = ∑ gi21∆u1( t − i) + ∑ gi22 ∆u2 ( t − i) + ∑ gi23 ∆v( t − i) + n2 ( t )
i =1 i =1 i =1
∞ ∞ ∞
y 3 ( t ) = ∑ gi31∆u1( t − i) + ∑ gi32 ∆u2 ( t − i) + ∑ gi33 ∆v( t − i) + n3 ( t)
i =1 i =1 i =1
DMC Multivariable
j j
Predicciones: y 1( t + j) = ∑ gi11∆u1( t − i + j) + ∑ gi12 ∆u2 ( t − i + j) + p1( t + j)
i=1 i=1
j j
y 2 ( t + j ) = ∑ gi21∆u1( t − i + j ) + ∑ gi22 ∆u2 ( t − i + j ) + p 2 ( t + j )
i=1 i=1
j j
Min funcion y 3 ( t + j ) = ∑ gi31∆u1( t − i + j ) + ∑ gi32 ∆u2 ( t − i + j ) + p3 ( t + j )
i=1 i=1
de costo:
∆u j= N1 j= N1
Nu1 −1 Nu 2 −1
+ ∑ γ 3 [ŷ 3 ( t + j) − w 3 ( t + j)] +
N2
∑ [β1∆u1 (t + j)] + [
∑ 2 2
β ∆ + ]
2 2 2
u ( t j)
j= N1 j=0 j=0
Nu k −1
γ k (ŷ k ( t + j) − w k ( t + j) ) + ∑ ( )
N N 2k M
∑∑ ∑ k k
2
min J = min β ∆ + 2
u ( t j)
∆u k ( t + j) ∆u k ( t + j)
k =1 j= N1k K =1 j= 0
n j
con: ŷ k ( t + j) = ∑ ∑g iks ∆u s ( t + j − i) + p k ( t + j)
s =1 i =1
w Temp w Comp.
¿Cual es el mejor punto
de trabajo?
u
2 u 1
TT AT
FC
Alimentación
FT
Reactor
Refrigerante
Producto
Optimización Económica
Optimizador
Función de costo economica: Económico (RTO)
(Producto*concentración*precio- w Temp w Comp.
– materia prima*precio – u
2 u 1
-Flujo refrigerante*precio)*
MPC
FC
tiempo Temp Comp. TT
FT
TT AT
FC
Max Beneficio Alimentación
FT
Con las restricciones y el mismo
modelo que el MPC
Reactor
Refrigerante
Producto
Optimización de consignas
Velocidad Turbina
∆ P en columna
Presión
Región de
Operación
Preferida por
el Operador
Temperatura
Composición
Apertura válvula
Aceptación industrial