Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentada por:
Directores de tesis:
Dr. Carlos Manuel Astorga Zaragoza
Dr. David Juárez Romero
Presentada por:
Directores de tesis:
Dr. Carlos Manuel Astorga Zaragoza
Dr. David Juárez Romero
Jurado:
Dra. Guadalupe López López
Dr. Enrique Quintero-Mármol Márquez
i
Abstract
The model is validated with respect to the measurements acquired from the plant
in real time. These measurements are given by RTD temperatures sensor located in
some stages of the bench-scale distillation column. Using the mathematical model
developed here, is formulated a structure to the observer.
One of the main advantages of this observer is its constant gain; tuning it depends
only on the selection of the constant parameters that must satisfy some simple al-
gebraic inequalities. The performance of this observer was experimentally validated
in the CENIDET bench-scale distillation column. The performance of the observer
is validated in open loop with the development of experiments in a batch distillation
column.
ii
Dedicatoria
A Dios y a mi madre.
iii
Agradecimientos
A ti madre y a ti hermana, gracias por ser mi principal apoyo y por ser un motivo
cada dı́a para seguir adelante.
A tı́o Pedro, tı́o Marcos y tı́o José, por ser mis tres papás favoritos, por su gran
ayuda y por las palabras de aliento en los momentos difı́ciles.
A toda mi familia que desde Colombia siempre estuvo conmigo, gracias por su
amor y por ser mi fuente de fortaleza... los llevo en mi corazón. A mi primito Waldo,
siempre creı́ste en mı́.
A ti Bicho por tu amistad, por tu apoyo y por brindarme una familia en México.
A mis grandes amigos: Alonso, Diego y Pato... desde cualquier lugar del mundo
donde se encuentren, siempre han estado conmigo de corazón.
A mis asesores el Dr. Carlos M. Astorga y el Dr. David Juárez R. gracias por
su apoyo moral, académico y por confiar en mı́. Gracias por sus comentarios, por su
enorme paciencia y por ayudarme a afianzar mi vocación.
iv
V
fuera muy agradable: Dr. Carlos Aguilar, Dr. Mario Ponce, Dr. Abraham Claudio,
Dr. Jesús Aguayo y al Dr. Manuel Adam.
A mis grandes amigos Mario, Marvin y Adriana, por brindarme siempre su apoyo
incondicional. A quienes me brindaron su amistad: Marco, Efrén, Fabio, Angelito,
Héctor G., José Manuel, Isaura, Nacho, Omar, Gisela, Richard, Memo, Juanito.
Resumen I
Abstract II
Dedicatoria III
Agradecimientos IV
Tabla de Contenido VI
1. Introducción 1
1.1. Ubicación del problema . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1. Problemática en la técnica de destilación . . . . . . . . . . . 4
1.1.2. Problemática en la estimación de estados . . . . . . . . . . . . 5
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2. Objetivos especı́ficos . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.1. Aportación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.2. Alcance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Metodologı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6.1. Modelado de columnas de destilación . . . . . . . . . . . . . . 10
1.6.2. Observadores para destilación . . . . . . . . . . . . . . . . . . 13
1.6.3. Observadores no lineales de tiempo discreto . . . . . . . . . . 16
1.7. Organización del documento . . . . . . . . . . . . . . . . . . . . . . . 16
2. Observadores y observabilidad 18
2.1. Observabilidad en los sistemas . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1. Observabilidad de los sistemas . . . . . . . . . . . . . . . . . . 20
vi
CONTENIDO VII
Bibliografı́a 117
Anexo A. Condiciones de operación . . . . . . . . . . . . . . . . . . . . . . 122
Anexo B. Descripción de los programas . . . . . . . . . . . . . . . . . . . . 123
Anexo B.1. El modelo de la columna de destilación . . . . . . . . . . 123
Anexo B.2. El observador de alta ganancia constante . . . . . . . . . 124
Anexo C. Controlador PI . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Anexo C.1. Controladores de acción proporcional . . . . . . . . . . . 126
Anexo C.2. Controladores de acción integral . . . . . . . . . . . . . . 127
Anexo C.3. Controlador proporcional-integral . . . . . . . . . . . . . 127
Anexo C.4.
Controlador PI para la columna de destilación . . . . . . . . . 128
Índice de figuras
ix
X ÍNDICE DE FIGURAS
xi
XII ÍNDICE DE TABLAS
Notación
Letras mayúsculas
Letras minúsculas
f Plato de alimentación.
p Número de plato.
qF Calidad de la alimentación (adimensional).
zF Concentración lı́quida en la alimentación ( % mol).
xp Concentraciones molares lı́quidas ( % mol).
yp Concentraciones molares de vapor ( % mol).
xi Fracción molar lı́quida del componente i en equilibrio ( % mol).
yi Fracción molar de vapor del componente i en equilibrio ( % mol).
fL Fugacidad del lı́quido en un estado de referencia.
Letras griegas
Subı́ndices
i Componente.
p Plato.
j Sección superior o inferior.
H Componente pesado de la mezcla.
L Componente ligero de la mezcla.
R Sección de rectificación.
S Sección de agotamiento.
0 Condición inicial.
1 Sección superior de la columna.
2 Sección inferior de la columna.
Capı́tulo 1
Introducción
1
2 Introducción
La forma más adecuada y viable que se ha encontrado hoy en dı́a para enfrentar
esta situación, es a través de los recursos energéticos renovables que ofrecen la oportu-
nidad de obtener energı́a útil para diversas aplicaciones, a partir del aprovechamiento
de los recursos naturales. A su vez, producen menores impactos ambientales que
aquellos provenientes de las fuentes convencionales y además poseen el potencial para
satisfacer todas las necesidades de energı́a presentes y futuras.
éstos, se obtiene una mezcla de etanol y agua que debe ser separada en una columna
de destilación.
En una columna de destilación no es posible medir todas las variables que in-
tervienen en el proceso. Cuando esto sucede, se recurre a estimarlos mediante un
observador de estados, que reconstruye los estados x a partir de mediciones de las
salidas y y de las entradas u del sistema.
Este observador se establece de orden completo ya que estima todos los estados (las
concentraciones molares de los doce platos), a partir únicamente de las temperaturas
del condensador (estado p=1 ) y del hervidor (estado p=N=12 ). La evaluación del
4 Introducción
Dado que las áreas de aplicación de los sensores son muy diversas, existen sensores
de muchos tipos, que se eligen dependiendo de la naturaleza de la variable a medir y
de las condiciones de la aplicación. En las columnas de destilación existen distintos
tipos de sensores que miden diferentes variables que son relevantes en el desarrollo
del proceso, tales como: temperaturas, flujos, etc., pero también existen variables que
no se pueden determinar en lı́nea, como es el caso de las concentraciones molares que
sólo pueden medirse fuera de lı́nea a través de instrumentos como cromatógrafos de
gases o detectores de ı́ndice de refracción (Tronci et al., 2005).
Por otro lado, las mediciones fı́sicas de las variables utilizadas para dicha esti-
mación están solamente disponibles periódicamente, a lo que se les llama ”mediciones
en tiempo discreto”. Cuando el periodo de muestreo de dichas mediciones corresponde
con la dinámica del sistema, un método para construir un observador consiste en dis-
cretizar el sistema con el mismo periodo de muestreo que el de las mediciones. En este
contexto se han alcanzado resultados satisfactorios utilizando las técnicas del filtro de
Kalman o la aplicación de observadores no lineales en tiempo discreto basados en el
algoritmo Newton-Raphson (Hammouri et al., 2006).
1.2. Objetivos
El Centro Nacional de Investigación y Desarrollo Tecnológico cuenta con una Plan-
ta Piloto de Destilación (PPD), que posee la instrumentación necesaria para poner
en práctica conceptos de la teorı́a de control.
Este trabajo busca abordar temas como modelado de columnas de destilación
teniendo en cuenta caracterı́sticas propias de una mezcla especı́fica y el diseño e
implementación de observadores no lineales en una planta real, donde los objetivos,
tanto general como especı́ficos, se presentan a continuación:
1.3. Hipótesis
La hipótesis planteada en este trabajo:
1.4. Justificación
Los combustibles se emplean principalmente en los automóviles, por lo que el
transporte se convierte en el primer sector consumidor, lo que hace que los paı́ses se
vuelvan dependientes del petróleo. Razón por la que el uso de etanol como combustible
se ha intensificado, además, de la considerable disminución de contaminante emitidos
(CONAE, 2005).
1.4.1. Aportación
Establecer un método alternativo para la estimación de estados y parámetros en
columnas de destilación mediante el diseño de un sensor virtual basado en obser-
vadores continuos-discretos, a partir de un modelo aproximado del sistema.
1.4.2. Alcance
1.5. Metodologı́a
La metodologı́a llevada a cabo para la realización de este trabajo se enumera a
continuación:
Se presenta este marco referencial con el fin de establecer estrategias de diseño que
colaboren con el objetivo de este trabajo de tesis: presentar el diseño de un observador
no lineal continuo-discreto para la estimación de las composiciones en los platos de una
columna de destilación a partir de las mediciones de las temperaturas en el hervidor
y en el condensador.
Skogestad (1997) en su trabajo aconseja que una manera de entender mejor esta
dinámica es teniendo una buena apreciación del comportamiento en estado-estable
del proceso. Para establecer este estado estable se debe formular primero un modelo
termodinámico que determina el equilibrio lı́quido-vapor de la mezcla a separar, lo que
se considera como un factor crı́tico del modelado. En este artı́culo se presentan dos
simplificaciones principalmente: en la primera se establece una constante de volatili-
dad relativa independiende de la composición (y usualmente también de la presión),
la segunda considera los flujos molares de lı́quido y de vapor constantes a lo largo de
la columna.
De igual forma que en el trabajo de Cingara et. al., (1990), Skogestad (1997)
formula conjuntos de ecuaciones algebraicas y diferenciales, teniendo en cuenta sus
respectivas simplificaciones, que establecen un modelo matemático completo. Final-
mente, presenta un ejemplo de un modelo simple para una columna de destilación
binaria de tres etapas (condensador, plato de alimentación y hervidor).
Una columna de destilación reactiva consiste en: una sección reactiva en medio
de las secciones de rectificación y agotamiento. La tarea de la sección de rectificación
12 Introducción
Aquı́ el autor supone que los flujos molares son constantes en cada sección de la
columna, de igual forma supone que la masa molar lı́quida con respecto al componente
ligero se considera constante y está en función de la cantidad volumétrica retenida
en cada etapa y del porcentaje en peso del componente ligero. Las masas molares
1.6 Estado del arte 13
Este trabajo busca mostrar un observador que reconstruya los estados x del pro-
ceso a partir del estudio de seis casos diferentes, en cada caso se muestra la convergen-
cia del observador y en todos ellos, los flujos molares L, V y F se suponen medibles.
Este observador es propuesto para un tipo de sistemas no lineales y su ganancia es
K = S−1 CT . Donde S es una matriz simétrica definida positiva (SDP) que debe sat-
isfacer la ecuación dinámica de Riccati. La calibración de este observador se realiza
mediante el ajuste de un parámetro (θ) y la estabilidad se asegura mediante la solu-
ción única de una ecuación de Lyapunov (Deza y Gauthier, 1991).
1.6 Estado del arte 15
Observadores y observabilidad
Los observadores para sistemas dinámicos pueden clasificarse como: (a) obser-
vadores lineales y (b) observadores no lineales. Dentro de la primera categorı́a se
pueden mencionar el Filtro de Kalman (Kalman, 1960) y los observadores de Luen-
berger (Luenberger, 1971). Estos observadores utilizan la técnica de posicionamiento
de polos para solucionar el problema de estabilización de sistemas lineales.
Sin embargo, para el caso de sistemas no lineales no existe una solución general. A
partir de que no existe un método sistemático para desarrollar observadores de estado
desde el punto de vista no lineal, resulta interesante estudiar su diseño con el fin de
explorar la eficiencia de los estados estimados.
18
2.1 Observabilidad en los sistemas 19
Algunos procesos cuentan con variables fı́sicas como las concentraciones que no
pueden medirse directamente, en ocasiones, porque el costo de los sensores es muy
alto o en otras, los sensores técnicamente no han sido diseñados. Los observadores
de estado, también conocidos como sensores virtuales representan una alternativa
de solución viable para resolver este tipo de problemas. De aquı́ se desprenden las
siguientes definiciones:
Entonces, si el observador de estado recibe todas las variables de estado del sis-
tema, sin importar si algunas están disponibles para una medición directa, se deno-
mina observador de estado de orden completo.
estiman sólo algunos estados o un número mı́nimo de ellos, son llamados observadores
de orden reducido o de orden mı́nimo.
- Sistema bilineal
m
ẋ(t) = Ax(t) + X u (t)D x(t) + B(u(t))
i i
i=1
(2.1.4)
y(t) = Cx(t)
d
Φ(t, t0 ) = A(t)Φ(t, t0 )
dt (2.1.7)
Φ(t, t) = In donde In es la matriz identidad
Z t
Γu (t, t0 ) = ΦTu (τ, t)CT (u(τ ))C(u(τ ))Φu (τ, t)dτ ≥ αIn (2.1.8)
t0
Como un observador tiene por objeto estimar los estados, esto supone el conocimien-
to de funciones de entrada y salida sobre un intervalo de tiempo, con t > 0, que
permita distinguir todo par de estados iniciales. La observabilidad del sistema está
vinculada entonces a la existencia de una entrada que permita la separación de cada
par de estados iniciales.
Ejemplo 1: Observabilidad
0 1
ẋ = u x, u ∈ {0, 1}
−1 0
y = x1 (2.1.10)
Z t+T
Γ(t, t + T ) = ΦT (τ, t)CT (τ )C(τ )Φ(τ, t)dτ ≥ αIn
t
24 Observadores y observabilidad
La energı́a de salida E0 , para cada estado inicial x(0), se define como la integral de
una función escalar, real y no negativa v(t) de y(t), por ejemplo v(t) ≥ 0 ∀ t ∈ [0, ∞):
Z ∞
E0 = v(t)dt (2.1.12)
0
puesto que v(t) es una función real y no negativa para todo t, la energı́a de salida E0
para cualquier condición inicial x(0) debe satisfacer:
E0 ≥ 0 para todo x(0)
(2.1.13)
E0 = 0 solamente si v(t) = 0 para t ≥ 0
una función v(t) que cumpla con la propiedad dada en la Ec. (2.1.13) se puede elegir
como v(t) = yT (t)y(t) donde y(t) es un vector real de salida. Entonces la expresión
de la Ec. (2.1.12) queda como:
Z ∞
E0 = yT (t)y(t)dt (2.1.14)
0
Z ∞
T AT t
E0 = x (0) e C Ce dt x(0) = xT (0)Wo x(0)
T At
(2.1.15)
0
2.1 Observabilidad en los sistemas 25
−λ1 0
ẋ = x
0 −λ2 (2.1.16)
y = 1 1 x
donde λ1 y λ2 son los eigenvalores del sistema, la solución del sistema está deter-
minada de manera directa por:
e−λ1 t
0
ẋ = −λ2 t x(0) (2.1.17)
0 e
e−λ1 t
0
Φ(t, t0 ) = −λ2 t (2.1.18)
0 e
Z ∞
T
Wo = eA t CT CeAt dt
0
∞
e−λ1 t e−λ1 t
Z
0 1 0
= −λ2 t 1 1 −λ2 t dt
0 0 e 1 0 e
∞ ∞
e−2λ1 t −2e−2λ1 t
Z
0 0
= dt =
0 0 e−2λ2 t 0 −2e−2λ2 t 0
2 0 1 0
= ≥ αIn = 2
0 2 0 1
Con la Definición 2.4 se tiene que la matriz del gramiano de observabilidad está
definida positiva y el sistema de la Ec. (2.1.16) es observable completamente uniforme.
1 para t0 < 0
ũ1 (t) = (2.1.19)
0 para t0 ≥ 0
Las entradas universales no bastan para garantizar que un observador tenga buenas
propiedades en presencia de perturbaciones. Esto lleva a introducir el concepto más
fuerte de persistencia regular, utilizado particularmente para los sistemas afines en
los estados.
La siguiente entrada u1 :
0 si 2kT ≤ t < 2(k + 1)T
u1 (t) = k∈N (2.1.20)
1 si (2k + 1)T < t ≤ 2(k + 2)T
1
0 si 2kT ≤ t < 2 k + k + 1 T
u2 (t) = k∈N (2.1.21)
1
1 si k+ T < t ≤ 2(k + 2)T
k+1
28 Observadores y observabilidad
Teorema 2.1. Sea el sistema afı́n en los estados de la Ec. (2.1.3), en el que A(u),
B(u) y C(u) están acotadas uniformemente sobre el dominio de entradas admisibles,
(Bornard et al., 1988), (Besançon, 1999). Entonces, para toda entrada regularmente
persistente para el sistema de la Ec. (2.1.3), se tiene que:
x̂˙ = A(u)x̂ + B(u) − S−1 CT (u)Q(C(u)x̂ − y)
(2.1.22)
Ṡ = −θS − A(u)T − SA(u) + CT (u)QC(u)
ẋ = A(s)x + B(s)u
para alguna señal medida s la cual es regularmente persistente para:
ẋ = A(s)
por ejemplo s = (u, y).
ẋ(t) = Ax(t) + Bu(t)
(2.2.1)
y(t) = Cx(t) + Du(t)
Para ilustrar de una forma simple el principio de los filtros de Kalman, se considera
el sistema de la Ec. (2.1.5). Para implementar este estimador, se llevan a cabo las
siguientes etapas:
- Elección de la ganancia K:
30 Observadores y observabilidad
˙
x̂(t) = A(t)x̂(t) + B(t)u(t) + K[y(t) − Cx̂(t)]
(2.2.2)
y(t) = Cx̂(t)
donde K es la ganancia del observador y denota el valor estimado de la variable en
cuestión, por ejemplo, x̂(t) representa el valor estimado por el observador de x(t).
Si se considera que el error del observador está dado por ε(t) = x(t)− x̂(t) entonces
su derivada es:
ε̇(t) = [A − KC]ε
Para sistemas SISO, este tipo de observador es fácil de implementar. La elección
de la ganancia K no es única, es suficiente con cumplir que [A − KC] sea estable (i.e.
la parte real de los valores propios de [A − KC] sea negativa). Ası́, la dinámica del
error de estimación, es decir, la convergencia asintótica del observador depende de la
selección de K.
Sin embargo, la selección de K puede resultar complicada en el caso de sistemas
multivariables. La generalización de esta sı́ntesis de observadores con sistemas bili-
neales o incluso no lineales no es sistemática, y aún en ocasiones imposible ya que la
observabilidad de sistemas bilineales y no lineales depende de las entradas u.
2.3 Observadores para sistemas no lineales 31
˙
x̂(t) = f (x̂(t), u) + K[y(t) − ŷ(t)]
(2.3.1)
ŷ = hx̂
ε = kx̂ − xk (2.3.2)
∂f (x̂(t))
A(x̂(t)) =
∂ x̂
∂h(x̂(t))
C(x̂(t)) =
∂ x̂
Esto constituye la base para el diseño de dos algoritmos de observación para
sistemas no lineales: el observador de Luenberger Extendido y el Filtro de Kalman
Extendido.
32 Observadores y observabilidad
kA(x̂) − K(x̂)C(x̂)k ≤
C1 , ∀x̂
d
(A(x̂) − K(x̂)C(x̂))
≤ C2 , ∀x̂
dt
K(x̂) = R(x̂)CT
donde R = RT , R(0) = R0 = R0 T .
ż = Az + φ(z, u)
(2.4.1)
y(t) = Cz
ż(k + 1) = z(k) + Ts [Az(k) + φ(z(k), u(k))]
(2.4.2)
y(k) = Cz(k)
Hipótesis 2.1. Sea U un conjunto simple de Rm , entonces existe una constante c > 0
tal que ∀{z, z̄} ∈ Rn , se tiene:
Si la Hipótesis 2.1 se mantiene (esto puede omitirse cuando los lı́mites son estric-
tos), es posible diseñar un observador para el sistema de la Ec. (2.4.2), que tiene la
forma:
donde ∆θ = diag(1, θ, ..., θn−1 ) y K = [k1 , ..., kn ]T , sean elegidos tal que el espectro
Sp (I+Ts θ−1 A+KC) ⊂ D(0, 1) = λ ∈ C; |λ| < 1; θ es una función θ : [0, T ] → Rn , T >
0. Ver (Assoudi et al., 2005) para la demostración.
Es válido señalar que para el observador discreto dado en la Ec. (2.4.3), los pa-
rámetros de ajuste (cuyos valores dependen del periodo de muestreo) no pueden ser
elegidos arbitrariamente como en el caso continuo. Si se muestra que la trayectoria del
error de estimación es kẑ(k)−zc (k)k (Assoudi et al., 2005), siendo zc la trayectoria del
sistema continuo de la Ec. (2.4.1), se señala exponencialmente para una bola B(0, ρ)
y ρ depende del periodo de muestreo Ts y del gradiente del sistema representado por
la Ec. (2.4.1).
Sin embargo, existen procesos en los que el periodo de muestreo de estas mediciones
es grande, para este caso una alternativa de solución es el diseño de Observadores
Continuos-Discretos (OCD) (Deza et al., 1992).
ẋ = f (x) + g(x)u
(2.5.1)
y = h(x)
Usando el modelo conocido del sistema con las mediciones en linea de u(t) y y(t)
es posible estimar en lı́nea el estado x(t) del sistema de la Ec. (2.5.1). Esta tarea es
realizada por un algoritmo recursivo que tendrı́a la siguiente estructura:
S(tk+1 ) = S(t−
T
k+1 ) + Te C C
(2.5.3)
x̂(tk+1 ) = x̂(tk+1 ) − ωo (x̂(tk+1 ))(h(x̂(t−
−
k+1 )) − y(tk+1 ))
S(t−
k+1 ) = lı́m S(t)
t→tk+1
Para este observador el error de estimación ε = x̂(t) − x(t), debe converger asin-
tótica y preferiblemente, exponencialmente a cero.
Los autores en (Nadri et al., 2004) demuestran que el observador converge expo-
nencialmente cuando Te es lo suficientemente pequeño ∀θ ∈ [θ0 , θ1 ], donde θ0 y θ1 son
dos constantes positivas.
Otro trabajo que utiliza este algoritmo de observación, es el presesentado por los
autores en (Nadri y Hammouri, 2003) donde se desarrolla un observador continuo-
discreto con una estructura similar a la del Filtro de Kalman y con aplicación a
sistemas afines en los estados.
38 Observadores y observabilidad
ẋ(t) = f (x(t), u(t))
(2.6.1)
y(t) = h(x(t))
Los autores en este trabajo, plantean primero la linealización del sistema para
obtener la ganancia del observador que proporciona los valores deseados de los eigen-
valores del sistema en lazo cerrado. Entonces, la ganancia es usada en el modelo no
lineal a lo largo de la estimación del error para predecir los estados no medibles o no
disponibles.
ẋ = f1 (x) + f2 (x)u
(2.6.3)
y = x1 = h(x)
Ṡ = −θS − AT S − SA + CT C (2.6.5)
donde la constante θ > 0 y A es una matriz de cambio de coordenadas definida por
Ax = (x2 , x3 , ..., xn , 0). La sintonización o calibración de este observador se realiza
mediante el ajuste del parámetro θ y la estabilidad se asegura mediante la solución
única de una ecuación de Lyapunov.
ẋ = f (x, u)
(2.6.6)
y = Cx
m
ẋ(t) = f (x(t), u(t)) = f (x(t)) + X u (t)f (x(t))
0 i i
i=1
(2.6.9)
y(t) = h(x(t))
m
X
˙
x̂(t) = f (x̂(t), u(t)) = f0 (x̂(t)) + ui (t)fi (x̂(t)) − K(h(x̂(t)) − y(t))
i=1
(2.6.10)
y(t) = h(x̂(t))
2.7. Conclusiones
En este capı́tulo se presentaron primero los conceptos básicos de observadores y
de observabilidad de los sistemas, ası́ como también fueron presentadas las diferentes
42 Observadores y observabilidad
43
44 Modelo de una Columna de Destilación Binaria
La corriente del lı́quido que ingresa por el reflujo desciende por gravedad y se va
enriqueciendo con el componente más pesado (que asciende en forma de vapor). Este
proceso de enriquecimiento y empobrecimiento se lleva a cabo en etapas sucesivas de
la torre.
Las expresiones matemáticas que describen los procesos de destilación son deriva-
dos del balance de materia y de energı́a alrededor del plato p del modelo (ver Fig. 3.1).
considera el modelo del hervidor como un único tanque, ésto es aclarado en la Sección
3.2.1.
El cuerpo principal de la planta piloto de destilación está compuesto por diez (10)
platos perforados (ver Fig. 3.3), donde es posible el paso de los flujos de lı́quido y
vapor en cada uno de ellos. Para alimentar mezcla a la columna se puede elegir entre
los platos 7 y 9 que cuentan con un arreglo de válvulas de entrada.
3.2. Modelado
El modelo termodinámico del proceso de destilación por lo general se especifica
en términos de ecuaciones que definen el equilibrio lı́quido-vapor de los componentes
de la mezcla. Un modelo matemático se establece en términos del balance global de
materia y del balance de componente para un determinado conjunto de variables de
estado, propiedades fı́sicas y restricciones (de equilibrio y lı́mites de validez de las
correlaciones).
El modelo propuesto tiene el esquema mostrado en la Fig. 3.4, donde se toman las
tres etapas principales de la columna de destilación (condensador, plato y hervidor)
y se realiza para cada una de ellas el análisis respectivo del comportamiento dinámi-
co usando los balances de materia y de componente, de igual manera se realiza la
representación del equilibrio lı́quido-vapor.
Estos balances (materia y componente) para cada una de las zonas contempladas
en la figura, se despliegan en la Sección 3.2.3.
3.2 Modelado 49
a. Condensador
- Se considera el condensador total, es decir, que todo el vapor que llega al conden-
sador se condensa. Esto en términos de la composición significa que la composi-
ción del vapor que abandona la columna por el condensador será la misma que
la de la corriente de reflujo y destilado.
b. Cuerpo de la columna
c. Hervidor
Pisat = PT xi (3.2.1)
Ley de Dalton: establece que la presión parcial de un componente en una mezcla
de gases es proporcional a la fracción molar de dicho componente y a la presión total
del sistema.
Pisat = PT yi (3.2.2)
La no idealidad de una mezcla binaria se presenta por diversas causas, la más
frecuente es la no idealidad de la fase lı́quida, es decir, cuando no se cumple la Ley
de Roult dada por la Ec. (3.2.1). En consecuencia, se deberán usar modelos especial-
mente diseñados para representar sistemas estas no ideales.
Para la mezcla etanol-agua, la fase lı́quida es no ideal, es decir, los dos materiales
forman una mezcla que hierve constante y se recogen a veces juntos aunque tengan
3.2 Modelado 51
Un azeótropo, no es más que es una mezcla lı́quida cuyo vapor tiene exactamente
la misma composición que el lı́quido, y que hierve por eso a una temperatura y presión
constantes. La mezcla azeotrópica formada por el etanol y el agua tiene un punto de
ebullición de 78.2o C, inferior al punto de ebullición del agua (100o C) y al del alcohol
(78.3o C), de ahı́ que se llame mezcla de punto de ebullición mı́nimo.
En la Fig. 3.5 es posible ver zonas donde las composiciones de equilibrio del vapor
y del lı́quido son iguales a presiones y temperaturas dadas, dichas zonas representan
el azeótropo de la mezcla.
yp PT = Pisat xp γi (3.2.3)
2
A21 x2
lnγ1 = A12
A12 x1 + A21 x2 2 (3.2.4)
A12 x1
lnγ2 = A21
A12 x1 + A21 x2
donde A12 = 1.6798 y A21 = 0.9227 son parámetros de interacción constantes
establecidos para la mezcla binaria etanol-agua. El valor de estos parámetros de la
mezcla en estudio se encuentran en (Perry, 1999). Este modelo asume el vapor ideal
pero el lı́quido no, con esta información es entonces posible encontrar la relación
lı́quido-vapor de la mezcla etanol-agua, que se analiza en la Fig. 3.6 1 .
Este trabajo utiliza las Ecs. (3.2.3) y (3.2.4) para calcular el punto de burbuja y
ası́ determinar equilibrio lı́quido-vapor de la mezcla etanol-agua. La desempeño del
modelo termodinámico utilizado en este trabajo fue validado en comparación con
datos experimentales reportados en (Gmehling, 1988).
fórmula:
N !
X Texp − Tmodel
ε= /N ∗ 100 (3.2.5)
j=1
Texp
La Tabla 3.1 muestra los datos obtenidos de la evaluación del error en el cálcu-
lo de las temperaturas a partir de la implementación del algoritmo para calcular el
punto de burbuja, en comparación con datos experimentales encontrados en la lite-
ratura (Gmehling, 1988), considerando las mismas condiciones de operación (presión
constante).
N
!
X
2 Tmodel − T̄model /N
S = (3.2.6)
j=1
La varianza no tiene la misma magnitud que las variables estimadas por el modelo
propuesto (T en o C y y en % mol), sino que estas unidades se encuentran elevadas
al cuadrado por lo que se evalúa la raı́z cuadrada de la Ec. (3.2.6) para obtener la
medida de dispersión y que ésta sea de la misma dimensionalidad que las variables
consideradas. De esta manera se define la desviación tı́pica, como:
√
S= S2 (3.2.7)
3.2 Modelado 55
y p PT
xp = (3.2.8)
Pisat γi
Las constantes Van Laar de interacción binaria de la mezcla etanol-agua son A12 =
1.6798 y A21 = 0.9227, válidos en el rango de temperaturas de 20-93o C para el Etanol
y de 1-100o C para el agua (Perry, 1999).
En la Tabla 3.4 se relacionan los valores de yi tanto del etanol como del agua,
calculados a partir del modelo termodinámico propuesto.
Entonces a partir del cálculo de los puntos de burbuja y rocı́o, es posible construir
el diagrama de equilibrio lı́quido-vapor de la mezcla etanol-agua que se muestra en la
Fig. 3.9 muestra la variación de las concentraciones lı́quidas y de vapor de la mezcla
etanol-agua, en función de la temperatura a presión atmosférica (760 mmHg).
En la literatura (King y Costa, 1980), se encuentra que el valor del azeótropo para
la mezcla etanol-agua es de x = y=0.890 % mol a 78.2 o C, cuando la presión es
P=760mmHg por lo que podemos ver que el modelo termodinámico aquı́ propuesto
predice este valor de una forma muy adecuada, esto equivale a un error de 1.23 % en
la concentración y un error de 0.05 % en la temperatura.
Para la planta piloto de destilación del CENIDET, estas mismas relaciones son
establecidas, la diferencia radica en la presión de operación del proceso, que aunque
58 Modelo de una Columna de Destilación Binaria
Ası́ también debe ser aplicado a cada estado de la columna, el balance del compo-
nente, que debe cumplir que: la rapidez a la que se forman moles de un componente,
es igual a la cantidad de moles de dicho componente que entran al sistema, menos
la cantidad de moles que salen, más la cantidad de moles producidos por reacciones
quı́micas dentro del proceso. Este balance es necesario, ya que permite determinar de
forma analı́tica el grado de pureza del producto destilado y está dado por ecuaciones
de continuidad del componente ligero.
Este modelo representa las ecuaciones de un plato que son las que describen los
balances de un plato tı́pico (cualquier plato de la columna, a excepción del plato de
alimentación) de la columna de la zona de agotamiento (desde p = 2 a p = f − 1) o
de la zona de rectificación desde (p = f + 1 hasta p = N − 1).
3.2 Modelado 61
dMp xp
= VR (yp+1 − yp ) + LR (xp−1 − xp ) (3.2.13)
dt
dMN
= LN −1 − VN − B (3.2.16)
dt
Balance por componente: La fracción molar de cada uno de los componentes de la
mezcla lı́quida contenida en el hervidor, se obtiene mediante el siguiente balance por
componente:
dMN xN
= Ls xN −1 − Vs yN − BxN (3.2.17)
dt
donde:
Aquı́ debe tenerse en cuenta que el subı́ndice i indica el componente al que hace
referencia cada variable (i=1 para etanol, i=2 para agua).
Los valores de estas constantes son listados en la Tabla A.2 donde se dan las
propiedades termidinámicas de cada uno de los componentes de la mezcla etanol-agua.
El calor que se agrega al hervidor genera energı́a que causa un flujo de vapor
que viaja a lo largo del cuerpo de la columna desde el hervidor, pasando a través
3.2 Modelado 65
de los platos hasta llegar al condensador. Este flujo de vapor es dividido en dos: VS
y VR , dependiendo si se hace referencia a la zona de agotamiento o de rectificación
respectivamente. Las ecuaciones que son utilizadas para calcular este parámetro son:
60 × QB
V =
S vap vap
HEtOH xB + HH 2O
(1 − xB ) (3.2.20)
VR = VS + (1 − qF )F
donde:
El flujo molar lı́quido se calcula de forma similar para cada zona, entonces, LR
en la zona de rectificación es calculada alrededor del porcentaje de reflujo y LS en la
zona de agotamiento es calculada a partir de la alimentación, como sigue:
LR = (1 − R)VR
(3.2.21)
LS = LR + qF F
66 Modelo de una Columna de Destilación Binaria
D = VR − LR
(3.2.22)
B = (F − D)
1000cm3
1g 0.95mol
MB = 3.6L = 189.83moles (3.2.23)
1L cm3 18.016g
Para el cálculo de la masa molar retenida en los platos, es necesario considerar
la geometrı́a de los mismos. La retención en cada uno de los platos es calculada
a partir del volumen de mezcla que permanece en ellos (16.5 ml aprox.), cuando el
sistema alcanza su estado de operación estable. Se asume que se mantiene constante un
porcentaje de etanol en cada plato (22 %) 2 . Estos valores se consideran aproximados
ya que no es posible medirlos en la práctica.
2
Valores aproximados, los datos de referencia son tomados de (Murray, 2003)
3.2 Modelado 67
1000cm3
0.81g 1mol 1mol
Mp = 0.0165L 0.78 + 0.22
1L cm3 18.016g 46.07g (3.2.24)
Mp = 0.64moles
1000cm3
0.78g 1mol
MD = 0.01L × × 0.85 × = 0.135moles (3.2.25)
1L cm3 46.07g
d(M1 x1 )
= V (y2 − x1 )
dt
d(Mp xp )
= V (yp+1 − yp ) + L(xp−1 − xp ) (p = 2, ..., f − 1)
dt
d(Mf xf )
= V (yf +1 − yf ) + L(xf −1 − xf ) + F (zF − xf ) (p = f ) (3.2.26)
dt
d(Mp xp )
= (F + L)(xp−1 − xp ) + V (yp+1 − yp ) (p = f + 1, ..., N − 1)
dt
d(MN xN )
= (F + L)(xN −1 − xN ) − V yN − BxN
dt
En cada plato las composiciones de lı́quido y vapor (xi , yi ) están vinculados a las
leyes de equilibrio citadas en la Sección 3.2.2. Los estados del modelo son las com-
posiciones molares con respecto al componente más ligero, para este caso el Etanol.
ẋ1 = f1 (u, x1 , x2 )
ẋ2 = f2 (u, x1 , x2 , x3 )
..
. (3.2.27)
ẋp−1 = fp−1 (u, x1 , . . . , xp )
ẋp = fp (u, x1 , . . . , xp )
y=x
1
Fig. 3.15: Esquema de una columna de destilación que puede ser descrita por un
modelo triangular.
donde u = (u1 , ..., um ) corresponde a las entradas del sistema. Los autores en
(Gauthier y Bornard, 1981), determinan que el sistema de la Ec. (3.2.28) es uniforme-
mente observable cuando:
Para sistemas no lineales de una sola salida no afines al control, los autores en
(Gauthier y Bornard, 1981) muestran que si dicho sistema es uniformemente obser-
vable, entonces una transformación similar a la anterior, transforma al sistema en la
siguiente estructura:
z˙1 (t) = F1 (z1 (t), z2 (t), u(t))
z˙2 (t) = F2 (z1 (t), z2 (t), z3 (t), u(t))
..
. (3.2.31)
zn−1
˙ (t) = Fn−1 (z1 (t), ..., zn (t), u(t))
z˙n (t) = Fn (z1 (t), ..., zn (t), u(t))
y(t) = Cz(t) = z (t)
1
70 Modelo de una Columna de Destilación Binaria
Una vez comprobada la observabilidad del sistema, es posible regresar a las coor-
denadas originales y con un sistema de la Ec. (3.2.27) es posible diseñar un observador
de estados.
(b) Reflujo
Para las pruebas en la planta piloto de destilación se usa etanol al 96 % y agua des-
tilada. A estos productos experimentalmente le fueron medidas las densidades a tem-
peratura ambiente (25o C), se obtuvo que la densidad del etanol es ρetoh = 0.81g/cm3 y
la densidad del agua es ρh2 o = 0.995g/cm3 . De la literatura (Perry, 1999), se conoce que
el peso molecular del etanol es Wetoh = 46.07g/mol y del agua es Wh2 o = 18.016g/mol.
Con el uso de las Ecs. (3.3.1-3.3.4) se calcula la fracción molar de cada componente
en el hervidor:
µetoh 35.1639moles
xetoh = = = 0.2415 (3.3.5)
µetoh + µh2 o 35.1639moles + 110.4574moles
µh 2 o 110.4574moles
x h2 o = = = 0.7585 (3.3.6)
µetoh + µh2 o 35.1639moles + 110.4574moles
El valor de los flujos molares de vapor en la sección de rectificación y agotamiento
en estado estable del peroceso VS = VR = 1.485 mol/min. Y como el modelo del
sistema cumple con el balance global de materia, LS = LR = 1.485 mol/min en el
estado inicial de la prueba.
Se detiene la destilación cuando se han recogido por lo menos dos tercios del
volumen de lı́quido contenido en el depósito del producto destilado. Dicho destilado
debe ser completamente incoloro.
Se puede observar por comparación de las gráficas mostradas, que el modelo re-
presenta el comportamiento dinámico de la planta de una manera adecuada, con una
diferencia máxima de 1.2o C y una diferencia mı́nima entre los 0.02o C entre los datos
calculados y los datos experimentales.
Por lo tanto, podemos asumir que este modelo es útil para desarrollar un obser-
vador que estime las fracciones molares del componente ligero en la mezcla binaria de
etanol-agua.
Otro aspecto importante que se marca en este estudio es que la composición cam-
bia significativamente ante cualquier cambio en la temperatura y se confirma con la
relación de equilibrio de la mezcla, sin embargo, esto implica que un pequeño error
(o ruido) en la temperatura de salida puede dar lugar a un error apreciable en la
estimación de la composición (Tronci et al., 2005).
fórmula:
N !
X Texp − Tmodel
ε= /N ∗ 100 (3.3.7)
j=1
Texp
A continuación se presenta la Tabla 3.8 que relaciona los errores obtenidos en cada
una de las etapas aquı́ mostradas para el modelo propuesto:
Etapa Error ( %)
Condensador 0.406
Plato 4 0.193
Plato de alimentación 0.176
Hervidor 0.129
La Tabla 3.9 muestra el valor porcentual del error de estimación de las concen-
traciones del modelo con respecto a la estimación de las concentraciones a partir de
la lectura de las temperaturas reales del proceso. Dicho error fue evaluado con la Ec.
(3.3.7). La tabla entonces muestra que el error mayor se produce en el condensador,
de la misma forma en la que se aprecia en la Fig. 3.21(a).
80 Modelo de una Columna de Destilación Binaria
Etapa Error ( %)
Condensador 3.121
Plato 4 1.204
Plato de alimentación 0.662
Hervidor 0.133
3.4. Conclusiones
En este capı́tulo se describieron las caracterı́sticas fı́sicas de una planta de des-
tilación y se estudió el comportamiento del sistema; a partir de esta información se
establecieron las simplificaciones generales en cada una de las etapas de la columna
y que fueron consideradas en el proceso de modelado del sistema.
Por la dinámica propia del sistema, el modelo propuesto se presentó en una estruc-
tura triangular (Hammouri et al., 2002), lo que facilita su uso en tareas de estimación
de variables, puesto que se comprueba su observabilidad.
83
84 Observador de alta ganancia continuo-discreto
m
ẋ(t) = f (x(t), u(t)) = f (x(t)) + X u (t)f (x(t))
0 i i
i=1
(4.1.1)
y(t) = h(x(t))
donde u representa un conjunto de entradas para el sistema, esto es, u = (u1 , ..., um ).
Los autores en (Gauthier y Bornard, 1981), determinan que el sistema representado
en la Ec. (4.1.1) es uniformemente observable cuando:
(z1 , ..., zn ) = (h(x), Lf0 (h(x)), ..., Lf0 n−1 (h(x))) (4.1.2)
entonces, el sistema de la Ec. (4.1.1) se convierte en un sistema local que toma la
siguiente forma canónica observable:
m
ż(t) = Az(t) + F (z(t)) X u (t)F (z(t))
0 i i
i=1
(4.1.3)
y(t) = C(z(t))
4.1 Diseño del observador 85
donde Lf0 denota las derivadas de Lie del campo vectortial f0 . Y las matrices A
y C están dadas por las expresiones:
0 1 0 0
..
. 1
A=
0 ...
1
0 ... 0 0
C= 1, 0, . . . , 0
T
F0 = 0, . . . , 0, F0n
T
(4.1.4)
Fi = Fi1 , . . . , Fin (1 ≤ i ≤ m)
Fij = Fij (zi , ..., zj )
∂F (u, z)
≥α
∂z
donde α es llamada constante de Lipschitz.
Entonces, si las funciones Fi son globalmente Lipschitz (es decir, se cumple la
Hipótesis 4.1), es posible diseñar un observador exponencial para el sistema dado en
la Ec. (4.1.3), dicho observador es de la forma:
m
(
X
˙ = Aẑ(t) + F0 (ẑ(t))
ẑ(t) ui (t)Fi (ẑ(t)) − Sθ−1 C T (C ẑ(t) − y(t)) (4.1.5)
i=1
lineales como los representados por la Ec. 4.1.1. En este caso, el observador propuesto
es de la forma:
m
X
˙
x̂(t) = f (x̂(t), u(t)) = f0 (x̂(t)) + ui (t)fi (x̂(t)) − K(h(x̂(t)) − y(t))
i=1
(4.1.6)
y(t) = h(x̂(t))
K = r∆θ Sθ −1 CT (4.1.7)
En esta expresión, los parámetros r y θ son constantes tales que r > 0 y θ > 0 y
∆θ es una matriz diagonal de dimensión (n × n) con la siguiente estructura:
d(M1 x1 )
= V (y2 − x1 )
dt
d(Mp xp )
= V (yp+1 − yp ) + L(xp−1 − xp ) (p = 2, ..., f − 1)
dt
d(Mf xf )
= V (yf +1 − yf ) + L(xf −1 − xf ) + F (zF − xf ) (p = f ) (4.2.1)
dt
d(Mp xp )
= (F + L)(xp−1 − xp ) + V (yp+1 − yp ) (p = f + 1, ..., N − 1)
dt
d(MN xN ) = (F + L)(x
N −1 − xN ) − V yN − BxN
dt
Para el modelo del observador tambipen son requeridas las composiciones de lı́qui-
do y vapor (xp , yp ) en cada plato, que están vinculados a las ecuaciones que determinan
el equilibrio de fases para la mezcla etanol agua. Para llevar a cabo esta tarea, se pre-
sentan las ecuaciones para el cálculo de las temperaturas de burbuja y de rocı́o como
sigue:
yp PT = Pisat xp γi (4.2.2)
y p PT
xp = (4.2.3)
Pisat γi
donde xp , yp , son la concentraciones de lı́quido y de vapor de un componente en el
plato p, PT es la presión total del proceso, Pisat es la presión de saturación del etanol
o del agua calculadas con el uso de la siguiente Ecuación de Antoine:
sat Bi
ln(Pi ) = Ai + (4.2.4)
T + Ci
donde Ai , Bi , Ci son los coeficientes constantes de Antoine dados para cada com-
ponente (Perry, 1999).
2
A21 x2
lnγ1 = A12
A12 x1 + A21 x2 2 (4.2.5)
A12 x1
lnγ2 = A21
A12 x1 + A21 x2
Los estados del modelo corresponden a dichas composiciones de lı́quido con re-
specto al componente más ligero, para este caso el etanol.
xi = ζi1 ; 1 ≤ i ≤ f − 1
Como se observa en la Fig. 4.1, el sistema es dividido en dos secciones por lo que
se establecen los dos vectores que representan a cada una. Por esta razón, los estados
del sistema quedan organizados como sigue:
ζ
N
ζ11 ζ1 ζ12 .
1 .
. .. 2 .
. ..
ζ = . = . ; ζ = . =
ζf
ζn11 ζf −1 2
ζn2
zf
donde, ζ representa los estados del proceso (las composiciones lı́quidas del com-
ponente ligero). Los subı́ndices n1 y n2 corresponden a la numeración de las etapas
(platos) de la columna de destilación (aquı́ n1 = f − 1, n2 = n − f + 2 y f corresponde
al plato de alimentación, para este trabajo se considera f = 7).
Entonces, ε(t) representa una variación (que es representada por una señal cuadra-
da no uniforme) e interviene en el modelo del sistema como una perturbación no de-
seada (Hammouri et al., 2002). Sin embargo, para efectos del diseño del observador en
este trabajo de tesis esta perturbación no es considerada, por lo que los vectores que
representan cada una de las secciones de la columna quedan de la misma dimensión
como sigue:
ζ11 ζ1 ζ12 ζN
ζ 1 = ... = ... ; ζ 2 = ... = ..
.
ζn11 ζf −1 ζn22 ζf
ζ̇11 = f11 (ζ11 , ζ21 , u)
ζ̇21 = f21 (ζ11 , ζ21 , ζ31 , u)
..
.
ζ̇n11 −1 = fn11 −1 (ζ 1 , u)
ζ̇n11 = fn11 (ζ, u)
ζ̇12 = f12 (ζ12 , ζ22 , u)
(4.2.8)
ζ̇22 = f22 (ζ12 , ζ22 , ζ32 , u, d)
..
.
ζ̇n22 −2 = fn22 −2 (ζ12 , . . . , ζn22 −1 , u, d)
ζ̇n22 −1 = fn22 −1 (ζ, u, d)
ζ̇n22 = ε(t)
% = (% , % )T = (ζ 1 , ζ 2 )T
1 2 1 1
Entonces el sistema (4.2.8) puede ser escrito de forma compacta como sigue:
1
ζ = f 1 (ζ(t), u(t))
ζ 2 = f 2 (ζ(t), u(t)) + d2 (t) (4.2.9)
%(t) = (%1 (t), %2 (t))T = (Cn1 ζ 1 (t), Cn2 ζ 2 (t))T
T
donde d2 (t) = ε(t), y los estados ζ(t) = [ζ 1 (t), ζ 2 (t)] ∈ Rn y n = n 1 + n 2 ;
h iT
ζ j = ζ1j , ζ2j , . . . , ζnj j ∈ Rnj para j = 1, 2.
i) Los estados del sistema están en el intervalo [ε, 1], donde ε > 0 es la concen-
tración más pequeña, es decir, esta función representa el valor mı́nimo que puede
tener la concentración del componente ligero en la alimentación.
4.2 Aplicación a una columna de destilación 91
1
f12 = [(F + L)(x22 − x21 ) + V (x21 − yN )]
ṀN
2 1
fp = [(F + L)(x2p−1 − x2p ) + V (yp+1 − yp ) (4.2.11)
Ṁp
2 1
fn2 −1 = [F (zF − xf ) + L(x2n2 −2 − x2n2 −1 ) + V (yf +1 − yf )]
Ṁp
Asumiendo que el sistema dado en la Ec. (4.2.9) satisface la Hipótesis 4.3, se puede
diseñar un observador de la forma:
˙
(
ζ̂ 1 = f 1 (ζ̂, u) − r1 ∆θδ1 S−1 T 1
n1 Cn1 (Cn1 ζ̂ − %1 )
˙ (4.2.12)
ζ̂ 2 = f 2 (ζ̂, u, d) − r2 ∆θδ2 S−1 T 2
n2 Cn2 (Cn2 ζ̂ − %2 )
donde r1 > 0, r2 > 0; θ > 0; ∆θδj = diag(θδj , θ2δj , ..., θnj δj ); δ1 > 0, δ2 > 0.
Teorema 4.1. Denotando como ε el lı́mite inferior de |ε(t)| i.e. ε = supt≥0 |ε(t)|,
entonces para r1 > 0, r2 > 0, θ > 0 suficientemente grande y ∀δ1 > 0, δ2 > 0 tal que:
2n1 − 1 2n1 + 1
δ1 < δ2 < δ1 ; (4.2.13)
2n2 + 1 2n2 − 1
El modelo con estructura triangular que representa de una manera muy aproxi-
mada un sistema de destilación binaria facilita el diseño del observador.
De esta forma se tiene un sistema no lineal observable para todas sus entradas, de
la forma:
4.3 Observador de alta ganancia continuo-discreto 93
ẋ = f (x) + g(x)u
(4.3.1)
y = h(x)
Usando el modelo conocido del sistema y junto con las mediciones de las entradas
u(t) y las salidas y(t), es posible estimar en lı́nea el estado x(t) del sistema representa-
do por la Ec.(4.3.1), esta tarea es realizada por un algoritmo de estimación recursivo
continuo-discreto que tiene la siguiente estructura:
x̂k+1 (t) = x̂k+1 (−) − r∆θ Sθ−1 C T (C x̂k+1 (−) − yk+1 ) (4.3.3)
Como se observa en el paso de estimación, la ecuación estática que debe cumplirse
es una extensión de la ecuación de Riccati debido a la naturaleza constante de la
ganancia del observador propuesto. Teniendo en cuenta esta afirmación, se cumple
que:
T
0.83 0.83 0.82 0.82 0.82 0.81
x̂(0) = (4.4.1)
0.8 0.71 0.75 0.4 0.3 0.07
Las ganancias del observador son elegidas a partir de las condiciones de diseño
planteadas en (Hammouri et al., 2002) y estudiadas previamente en este capı́tulo en
la Sección 4.1. Para este experimento fueron elegidas las constantes que se listan en
la Tabla 4.1:
Parámetro Valor
tmuest 1.5 min
θ varios
δ1 0.91
δ2 0.71
r1 12
r2 12
Las matrices Sθ1 = Sθ2 dadas en la Ec. (4.3.4) quedan de la siguiente manera:
T
K1 = 15.6574 3.8934 0.5688 0.0540 0.0057 0.0005
T
K2 = 19.9202 6.3021 1.1714 0.1414 0.0191 0.0021
Tabla 4.3: Evaluación de la norma del error kk para diferentes valores de θ
T
0.85 0.85 0.84 0.83 0.83 0.82 . . .
x(0) =
. . . 0.81 0.78 0.73 0.63 0.44 0.13
y para el observador:
T
0.83 0.83 0.82 0.82 0.82 0.81
x̂(0) = (4.4.6)
0.8 0.71 0.5 0.4 0.3 0.07
Las ganancias del observador son elegidas a partir de las condiciones de diseño
planteadas en (Hammouri et al., 2002) y estudiado previamente en este trabajo en la
Sección 2.6. Para este experimento fueron elegidas las constantes que se listan en la
Tabla 4.4:
Parámetro Valor
tmuest varios
θ 0.6
δ1 0.1
δ2 0.71
r1 10
r2 30
T
K1 = 28.0702 12.5137 3.2777 0.5574 0.1059 0.0164
T
K2 = 29.4419 13.7667 3.7821 0.6746 0.1344 0.0128
A partir de la lectura de las temperaturas del consensador y del hervidor, son es-
timadas las concentraciones en todas las etapas de la columna. Las Figs. 4.7 - 4.9 que
se presentan a continuación corresponden a las estimaciones del observador propuesto
para el condensador y el platos 3 en la sección de rectificación y para los platos 7, 9
y 10 además del hervidor en la sección de empobrecimiento.
Tabla 4.6: Evaluación de la norma del error kk para diferentes valores de θ
N !
X Texp − Tmodel
ε= /N ∗ 100 (4.5.1)
j=1
Texp
4.5 Evaluación del error 109
Para la evaluación del desempeño del observador a través del cálculo del error
promedio (dado por la Ec. (4.5.1), se tomaron en cuenta los parámetros obtenidos de
la evaluación de θ y del tiempo de muestreo k∆t en las secciones anteriores.
Tanto para el experimento No. 1 como el experimento No. 2, los parámetros del
observador se describen en la siguiente tabla:
Parámetro Valor
tmuest 2.5 min
θ 0.3
δ1 0.1
δ2 0.71
r1 10
r2 30
Para el Experimento No. 1 se consideraron tres épocas para la evaluación del error;
la primer época (ε1 %) corresponde a la evaluación del error en el estado estable del
sistema, es decir, antes de aplicar el cambio en la entrada del reflujo al minuto 24. La
seguna época (ε2 %) se considera desde el instante en que se presenta el cambio en
el reflujo en el minuto 24 y va hasta el momento en que se considera el sistema sale
de este transitorio, como se aprecia en las Figs. 4.3 - 4.5, es aproximadamente en el
minuto 43. La tercer época (εtotal %) se considera desde este instante (43 min.) y va
hasta el final de la prueba.
Etapa εtotal % ε1 % ε2 % ε3 %
Condensador 4.8976 4.9113 2.5799 0.4203
Plato 2 3.3113 3.2941 1.7773 0.2655
Plato 3 2.7368 2.3469 1.6892 0.1806
Plato 4 2.9203 2.8194 1.6184 0.2246
Plato 5 3.0627 3.4238 1.4283 0.2794
Plato 6 2.8999 3.3593 1.3090 0.2534
Plato 7 3.3000 3.4890 1.6862 0.2531
Plato 8 4.0534 4.1147 2.1554 0.3078
Plato 9 5.1386 5.8690 2.3054 0.4981
Plato 10 3.7023 5.2039 1.9341 0.3051
Plato 11 3.1352 3.9842 2.0174 0.1391
Hervidor 2.2613 6.7603 0.1815 0.0450
el estado estable del sistema, es decir, antes de aplicar el cambio en la entrada del
reflujo al minuto 13.5, la seguna época (ε2 %) se considera desde el instante en que se
presenta el cambio en el reflujo en el minuto 13.5 y va hasta el momento en que se
considera el sistema sale de este transitorio, como se aprecia en las Figs. 4.7 - 4.9, es
aproximadamente en el minuto 38. La tercer época (εtotal %) se considera desde este
instante (38 min.) y va hasta el final de la prueba.
Etapa εtotal % ε1 % ε2 % ε3 %
Condensador 1.3378 0.5660 1.3142 0.1343
Plato 2 1.2158 0.5701 1.2156 0.0931
Plato 3 2.0643 0.7421 2.3049 0.0658
Plato 4 3.3384 1.0002 3.8943 0.0486
Plato 5 4.9421 1.4857 5.8103 0.0640
Plato 6 5.3336 1.3815 8.5785 0.1288
Plato 7 6.3572 1.2320 7.2938 0.0803
Plato 8 7.2540 1.4559 7.2110 0.1307
Plato 9 5.9265 2.3656 6.6735 0.2107
Plato 10 6.3971 3.2879 6.4006 1.2554
Plato 11 7.3060 3.5616 5.4788 3.1476
Hervidor 2.9248 2.7770 0.1743 0.0197
Como se aprecia en la Tabla No. 4.9 para el experimento No. 2, el error durante
el periodo en el que las concentraciones se ven afectadas por el cambio en el reflujo es
un poco más alto que en la prueba anterior y es precı́samente a que el observador no
alcanza al sistema sino hasta que va saliendo del transitorio provocado por el cambio
en una de las entradas, (como se aprecia en las Figs.4.7 - 4.9). Sin embargo, el error
4.6 Conclusiones 111
evaluado al final de la prueba es muy pequeño en comparación con las primeras dos
épocas consideradas.
4.6. Conclusiones
En este capı́tulo se presentó un observador continuo-discreto para una clase de
sistemas no lineales MISO. Con el uso de un modelo apropiado desarrollado y valida-
do experimentalmente en una planta piloto de destilación para una mezcla binaria se
logra el diseño del observador deseado.
Una de las principales ventajas del modelo y del observador es que se basan úni-
camente en las mediciones de temperatura. Un aspecto importante en el observador
propuesto, es su ganancia, que por ser constante no necesita resolver un sistema
dinámico para la sintonización de sus parámetros, lo que permite implementarlo fá-
cilmente en un proceso en tiempo real.
Conclusiones generales
112
113
Para la mezcla dada (etanol-agua), el número de variables fue fijado para que el sis-
tema quedara completamente definido. En este caso, se consideraron la temperatura
y la presión iguales en ambas fases (lı́quido y vapor), y las fracciones molares (x, y)
fueron calculadas por algoritmos que calculan los puntos de burbuja y rocı́o, conoci-
das como las relaciones fundamentales para establecer el equilibrio entre fases.
La evaluación del modelo descrito se llevó a cabo en una planta piloto mediante la
destilación de una mezcla binaria no ideal (etanol-agua). La verificación de la proxi-
midad del modelo con el proceso real se realizó mediante la comparación de las medi-
ciones de temperatura disponibles en algunas etapas de una columna de destilación,
a través de sensores RTD instalados en los platos 1,2,4,6,7,9,11 y 12. Posteriormente
estos datos fueron utilizados para el cálculo de las fracciones molares lı́quidas del
componente ligero. La precisión del modelo fue evaluada cuantitativamente mediante
un parámetro de error que depende de las restricciones dadas en las suposiciones de
modelado.
Una de las principales ventajas del observador aquı́ diseñado, es su ganancia cons-
tante, por lo que sintonizarlo es una tarea sencilla que depende únicamente de la
elección de parámetros constantes que satisfacen algunas desigualdades algebraicas
previamente establecidas.
Como se dijo anteriormente, el modelo que utiliza el observador puede ser pre-
sentado en una estructura triangular que se forma de la dependencia de un estado
con respecto a los estados anteriores. La estructura planteada por Hammouri et. al.,
(2002), es muy útil en el proceso de la columna de destilación binaria, ya que se
consideran las no linealidades del sistema sin necesidad de una transformación de
coordenadas.
Esta estructura de forma triangular permite que el sistema pueda ser dividido en
dos partes (superior e inferior) y la tarea de estimación en cada una de ellas corres-
ponda a una medición disponible; esto es, en la sección superior de la columna el
algoritmo de observación utiliza la medición disponible del condensador y a su vez,
en la sección inferior la estimación se realiza con base en la medición disponible en el
hervidor.
Debido a esto, es posible entonces incluir otra medición (puede ser en el plato
más sensible) y en ese caso, la columna se dividirı́a en tres partes manteniendo la
dependencia de los estados y la estructura triangular que garantiza la observabilidad
del sistema y que a su vez, el observador siga siendo de orden completo.
que el observador propuesto en este trabajo pueda ser utilizado en lı́nea con el proceso.
Dentro de los aportes principales de este trabajo, es que el observador está apli-
cado a una clase de sistemas no lineales MISO y a mezclas binarias no ideales, lo
que representa un mejor desempeño y una mejor representación del comportamiento
dinámico de la planta real. El buen acercamiento entre los estados estimados y los
valores proporcionados por el modelo (a partir de las mediciones de temperatura de
la planta), permite concluir que el observador continuo-discreto presentado puede ser
utilizado para futuros trabajos sobre estrategias de control avanzadas para columnas
de destilación.
☞ Otros aspectos que pueden tenerse en cuenta en el modelo son: las pérdidas
de calor al medio ambiente, el establecimiento de un balance de energı́a con-
siderando parámetros en los que se tiene incertidumbre, como la eficiencia de
Murphree y calcular los que no se conocen, como el coefciente de burbujeo en
los platos, entre otros.
Assoudi, A., E. Yaagoubi y H. Hammouri (2005). A high gain observer for a class
of implicit systems. In: Conference on Decision and Control, and the European
Control Conference. number 44. IEEE. Seville,Spain. pp. 6359–6363.
Bahar, A., E. Güner, C. Ozgen y U. Halici (2006). Design of state estimators for the
inferential control of an industrial distillation column. In: International Joint
Conference on Neural Networks. IEEE. Vancouver,BC,Canadá. pp. 1112–1115.
Besançon, G. (1999). A view point on observability and observer design for nonlinear
system. Lecture notes in control and information sciences vol. 244, pp. 130–140.
Bornard, G., N. Couenne y F. Celle (1988). Regularly persistent observer for bilinear
systems. In: New Trends in nonlinear control theory. Vol. 122 of Lecture notes in
control and information sciences. pp. 130–140.
117
118 BIBLIOGRAFÍA
Hammouri, H., B. Targui y F. Armanet (2002). High gain observer based on a trian-
gular structure. International Journal of Robust and Nonlinear Control 12, 497–
518.
Hammouri, H., M.Nadri y R. Mota (2006). Constant gain observer for continuos-
discrete time uniformly observable systems. In: Proc. IEEE of the 45th Confer-
ence on Decision and Control. San Diego, California, USA. pp. 5406–5411.
BIBLIOGRAFÍA 119
Kalman, R.E. (1960). A new approach to linear filtering and prediction problems.
Transactions of the ASMEŰJournal of Basic Engineering (82 (Series D)), 35–
45.
Messaoudi, M., L. Sbita y M.Ñ. Abdelkrim (2007). A robust nonlinear observer for
states and parameters estimation and on-line adaptation of rotor time constant
in sensorless induction motor drives. International Journal of Physical Sciences
2(8), 217–225.
Mooral, P. y J. Grizzle (1995). Observer design for nonlinear systems with discrete-
time measurements. IEEE Transactions on Automatic Control 40(3), 395–404.
Shields, D., S. Ashton y S. Daley (2001). Design of nonlinear observers for detecting
faults in hydraulic sub-sea pipelines. Control Engineering Practice 9, 297–311.
Targui, B., H. Hammouri y M. Farza (2001). Observer design for a class of multi-
output nonlinear systems, application to a distillation column. In: Proc. of the
40rd IEEE Conf. on Decision and Control. Orlando, Florida USA. pp. 3352–3356.
Tronci, S., F. Bezzo, M. Barolo y R. Baratti (2005). Geometric observer for a disti-
llation column: Development and experimental testing. Ind. Eng. Chem. Res.s
44, 9884–9893.
Viel, F., D. Bossanne, E. Busvelle, F. Deza y J.P. Gauthier (1992). A new metho-
dology to design extended kalman filters application to distillation columns. In:
Proceedings of the 31th Conference on Decision and Control. IEEE. Tucson, Ari-
zona. pp. 2594–2595.
Zou, Z., D. Yu, Z. Hu, N. Guo, L. Yu y W. Feng (2006). State space modeling and
predictive control of a binary batch distillation column. In: Proceedings of the 6th
World Congress on Intelligent Control and Automation. IEEE. Dalian, China.
pp. 6252–6256.
122 BIBLIOGRAFÍA
Luego son cargadas las entradas fı́sicas reales de la planta, que se importan directa-
mente del Software de la Planta Piloto de Destilación (SPPD) modificado por (Téllez
et al., 2007). Dichas entradas son guardadas en un archivo llamado Entradas.m, y
se ejecuta en el programa principal.
Como sigue, se realiza el cálculo iteractivo de las temperaturas a partir del algo-
ritmo del cálculo de burbuja que es incluido en un ciclo que actúa tantas veces como
datos se tengan. Con el uso de estas temperaturas y con los parámetros constantes
son calculadas las fracciones molares de vapor.
Se calculan entonces las seis tasas molares de lı́quido y vapor, las cuales varı́an en
cada estado. Teniendo en cuenta la información de los cálculos anteriores, los flujos
molares con respecto al componente ligero se obtienen en esta instancia del algoritmo.
Finalmente y usando los datos de las concentraciones molares dadas por el mo-
delo (alimentado por las temperaturas reales suministradas por la planta) y por el
observador (que usa el algoritmo del cálculo del punto de burbuja), se establece la
evaluación de la norma euclidiana del error como se explicó en el Capı́tulo 4 de este
trabajo.
Anexo C. Controlador PI
Como la mayorı́a de los procesos quı́micos, una columna de destilación tiene un
comportamiento no lineal, cuyo modelo a menudo es linealizado alrededor de un pun-
to de operación. Esta práctica requiere que el sistema opere en una región que puede
no ser la opción más económica o segura.
El término control en lazo cerrado siempre implica el uso de una acción de control
realimentado para reducir el error del sistema (Ogata, 1998).
Entonces el trabajo del controlador es comparar la señal del proceso con aquella
señal deseada a la salida y a partir del error dado, aplicar un factor de corrección,
que a su vez actuará sobre un elemento (actuador) que hará variar algún parámetro
que irá disminuyendo dicho error.
existe error. Kc es llamada ganancia del controlador, entre mayor sea, la salida del
controlador deberá cambiar más rápido con respecto al error dado.
Por otro lado, se desarrolla un sistema ON-OFF que controla la válvula de reflujo,
de la que depende el flujo molar lı́quido en la sección en enriquecimiento (LR ), ası́ es
posible controlar la pureza (concentración molar) del producto destilado.
- La presión.
- La temperatura.
Sin embargo, no todas las variables son independientes lo que dificulta su control.
Es por eso que sólo a algunas de ellas es posible especificar su valor, lo que hace que
las demás queden fijas.
dSci (t) Kp
= e(t) (Anexo C.6)
dt Ki
Y sustituyendo la Ec.(Anexo C.4) en la Ec. (Anexo C.6) se tiene la expresión de
la derivada de la señal de control integral:
En este caso dicho valor deseado es de x12 = 0.13, sin embargo difı́cilmente es
alcanzado este valor a pesar de la acción del controlador, debido a que la variable
controlada Qb afecta muy poco dicha concentración, lo que sugiere que la ganancia
del controlador debe ser muy grande (del orden de 10000), haciendo lenta la labor de
130 BIBLIOGRAFÍA
Para el caso del control sobre la concentración del producto destilado, el valor
deseado es x1 = 0.87. Esta concentración es afectada directamente por la tasa de flujo
lı́quido de la zona de rectificación (LR ), la variable que debe ser manipulada es el
reflujo. Fı́sicamente el reflujo es una válvula ON-OFF, por lo que se diseña un control
de este tipo que permite la apertura o cierre según se requiera.
La Fig. 5.4 muestra que la concentración del producto destilado se mantiene osci-
lando sobre el valor deseado, dicha oscilación se presenta porque la variable medida
usada como referencia es la que proporciona el observador, que por ser continuo-
discreto en el momento en que éste realiza el muestreo sobre la planta, presenta dicha
oscilación. Además también influye en este caso, el hecho de que precı́samente la
válvula sea ON-OFF. La respuesta de esta válvula ante el controlador se presenta en
la Fig. 5.5:
Con lo anterior es posible concluir que las concentraciones estimadas por el obser-
vador son aptas para su uso en tareas de control en lazo cerrado, de la columna de
132 BIBLIOGRAFÍA