217MC Aag PDF

Centro Nacional de Investigación y Desarrollo Tecnológico
Departamento de Ingenierı́a Electrónica
TESIS DE MAESTRÍA EN CIENCIAS

“Observador Continuo-Discreto para la Estimación de
Concentraciones en una Columna de Destilación, para la
Mezcla Etanol-Agua”
Presentada por:
ADRIANA AGUILERA GONZÁLEZ

Ing. Electrónica y Telecomunicaciones por la Universidad Cooperativa de Colombia.
Como requisito para la obtención del grado de:

Maestrı́a en Ciencias en Ingenierı́a Electrónica
Directores de tesis:
Dr. Carlos Manuel Astorga Zaragoza
Dr. David Juárez Romero
Cuernavaca, Morelos, México.

Agosto de 2008
Centro Nacional de Investigación y Desarrollo Tecnológico
Departamento de Ingenierı́a Electrónica
TESIS DE MAESTRÍA EN CIENCIAS

“Observador Continuo-Discreto para la Estimación de
Concentraciones en una Columna de Destilación, para la
Mezcla Etanol-Agua”
Presentada por:
ADRIANA AGUILERA GONZÁLEZ

Ing. Electrónica y Telecomunicaciones por la Universidad Cooperativa de Colombia.
Como requisito para la obtención del grado de:

Maestrı́a en Ciencias en Ingenierı́a Electrónica
Directores de tesis:
Dr. Carlos Manuel Astorga Zaragoza
Dr. David Juárez Romero
Jurado:
Dra. Guadalupe López López
Dr. Enrique Quintero-Mármol Márquez

Agosto de 2008
Resumen
Esta tesis presenta el diseño e implementación de un observador de estados continuo-

discreto en una columna de destilación, para estimar las fracciones molares del com-
ponente ligero de un sistema binario a partir de la medición de las temperaturas
disponibles en el hervidor y en el condensador únicamente. Dichas estimaciones se
realizan para todas las etapas de la columna, por lo que el observador diseñado es de
orden completo.
El observador continuo-discreto utiliza un modelo matemático que representa una

columna de destilación, ajustado a las caracterı́sticas fı́sicas de la planta piloto del
CENIDET y a su vez, usa un modelo termodinámico que establece el equilibrio
lı́quido-vapor de los componentes de la mezcla etanol-agua, considerada como una
mezcla no ideal. Por la dinámica propia del sistema, el modelo se presenta en una
estructura triangular de observabilidad comprobada, lo que permite que pueda ser
utilizado en tareas de estimación de variables a su vez, que no es requerida una trans-
formación de coordenadas debido a la dependencia de los estados con respecto a los
anteriores.
La respuesta del modelo es validada con respecto a mediciones adquiridas de la

planta en tiempo real. Dichas mediciones son temperaturas dadas por sensores tipo
RTD ubicados en algunos platos de la columna de destilación. A partir del modelo
matemático aquı́ formulado se plantea una estructura para el observador.
Una de las principales ventajas de este observador es su ganancia constante, por

lo que sintonizarlo depende únicamente de la elección de parámetros constantes que
deben satisfacer algunas desigualdades algebraicas. El desempeño del observador es
validado en lazo abierto con el desarrollo de experimentos llevados a cabo en una
planta piloto de destilación, operada en configuración por lotes (tipo batch).
Finalmente, en simulaciones numéricas se evalúa que las concentraciones estimadas

por el observador son aptas para su uso en tareas de control con un esquema en lazo
cerrado.
i
Abstract
This work presents the design and the implementation of a continuous-discrete

observer on a distillation column, to estimate molar fractions of the light component
in a binary mixture ethanol-water through the measurement of the temperatures in
the condenser and boiler only. This estimations are made in every stage of the disti-
llation column, then the observer is full order.
The continuous-discrete observer uses a mathematical model which represents a

distillation column adapted to the CENIDET bench-scale distillation column and it
uses a thermodynamic model that establishes the phase equilibria of the mixture of
ethanol-water, considered as a non-ideal mixture. For the dynamic system, the pro-
posed model presents a triangular structure of proven observability, allowing to be
used in tasks of variables estimation, at the same time it doesnt’t require a coordinate
transformation because the system structure is a sufficient condition which guarantees
the uniform observability.
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.
Finally, through simulations it was assessed that the concentrations estimated by

the observer are suitable for use in control tasks with a scheme in closed loop.
ii
Dedicatoria
A Dios y a mi madre.
iii
Agradecimientos
A Dios por acompañarme lejos de casa y por permitirme conocer su grandeza a

través de los ángeles que dı́a a dı́a pone en mi camino.
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 Javit y a Edgar por apoyarme en la aventura de salir de mi paı́s.
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.
A mis revisores la Dra. Guadalupe López L. y el Dr. Enrique Quintero-Mármol M.,

gracias por sus acertadas correcciones y consejos durante el desarrollo de este trabajo.
A todos los docentes que contribuyeron en mi formación académica y personal du-

rante esta etapa: Dr. Alejandro Rodrı́guez, Dr. Hugo Calleja, Dr. Marco Oliver, Dr.
Gerardo Vela, Dr. Juan Reyes Reyes, Dr. Vicente Gerrero, Dr. Carlos Daniel Garcı́a
y al Dr. Vı́ctor Alvarado. Y a los docentes que hicieron que mi estancia en CENIDET
iv
V
fuera muy agradable: Dr. Carlos Aguilar, Dr. Mario Ponce, Dr. Abraham Claudio,
Dr. Jesús Aguayo y al Dr. Manuel Adam.
A todo el personal administrativo del CENIDET, agradezco especialmente a la

Lic. Marina Rodrı́guez por su compañı́a y grandes consejos, al Ing. David Chávez,
Anita y al Mc. Alfredo González.
A mis grandes compañeros de generación: Flor, Aldo, Fabián, Carlitos, Joaquı́n,

Gabo, Iván, Hirám, Efraı́n, Vilchis, el Puma, José, Dante y Héctor, gracias por su
amistad y su cariño.
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.
A Letty, Lore y Julio, los amigos que Dios cruzó en mi camino.
A todos aquellos que en México me han acompañado en algún momento de este

camino, y a quienes desde Colombia me han apoyado siempre.
Finalmente, agradezco al Centro Nacional de Investigación y Desarrollo Tecnológi-

co por brindarme las herramientas que permitieron que hoy cumpla con esta meta.
Tabla de Contenido
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
2.1.2. Tipos de observadores . . . . . . . . . . . . . . . . . . . . . . 20

2.1.3. Generalidades acerca de la observabilidad de sistemas . . . . . 21
2.2. Observadores para sistemas lineales . . . . . . . . . . . . . . . . . . . 29
2.2.1. Filtro de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2. Observadores Luenberger . . . . . . . . . . . . . . . . . . . . . 30
2.3. Observadores para sistemas no lineales . . . . . . . . . . . . . . . . . 31
2.3.1. Observador de Luenberger Extendido . . . . . . . . . . . . . . 32
2.3.2. Filtro de Kalman Extendido . . . . . . . . . . . . . . . . . . . 33
2.4. Observadores discretos . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5. Observadores continuo-discretos . . . . . . . . . . . . . . . . . . . . . 35
2.6. Observadores para columnas de destilación . . . . . . . . . . . . . . . 38
2.7. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3. Modelo de una Columna de Destilación Binaria 43

3.1. Descripción fı́sica de la planta . . . . . . . . . . . . . . . . . . . . . . 44
3.2. Modelado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.1. Simplificaciones generales sobre el modelo . . . . . . . . . . . 49
3.2.2. Modelo termodinámico . . . . . . . . . . . . . . . . . . . . . . 50
3.2.3. Modelo matemático . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.4. Descripción de las entradas del modelo matemático . . . . . . 63
3.2.5. Estructura triangular del modelo . . . . . . . . . . . . . . . . 67
3.3. Validación experimental del modelo . . . . . . . . . . . . . . . . . . . 70
3.3.1. Especificaciones generales de la planta . . . . . . . . . . . . . 70
3.3.2. Condiciones iniciales de operación . . . . . . . . . . . . . . . . 71
3.3.3. Diseño de los experimentos . . . . . . . . . . . . . . . . . . . . 74
3.3.4. Resultados de la validación . . . . . . . . . . . . . . . . . . . . 76
3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4. Observador de alta ganancia continuo-discreto 83

4.1. Diseño del observador . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.2. Aplicación a una columna de destilación . . . . . . . . . . . . . . . . 87
4.3. Observador de alta ganancia continuo-discreto . . . . . . . . . . . . . 92
4.4. Validación del observador propuesto . . . . . . . . . . . . . . . . . . . 94
4.4.1. Experimento No. 1: . . . . . . . . . . . . . . . . . . . . . . . . 94
4.4.2. Experimento No. 2 . . . . . . . . . . . . . . . . . . . . . . . . 101
4.5. Evaluación del error . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5. Conclusiones generales 112

5.1. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
VIII CONTENIDO
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
1.1. Diagrama de flujo del proceso Melle-Boinot . . . . . . . . . . . . . . . 2
2.1. Esquema de un observador de estados . . . . . . . . . . . . . . . . . . 20

2.2. Persistencia regular de las señales del Ejemplo 4 . . . . . . . . . . . . 28
2.3. Ejemplo de proceso continuo-discreto . . . . . . . . . . . . . . . . . . 36
3.1. Esquema general de una columna de destilación . . . . . . . . . . . . 45

3.2. Condensador y hervidor de la planta piloto de destilación . . . . . . . 46
3.3. Plato perforado de la planta piloto de destilación . . . . . . . . . . . 47
3.4. Esquema del modelo propuesto. . . . . . . . . . . . . . . . . . . . . . 48
3.5. Equilibrio de fases para la mezcla etanol-agua a diferentes presiones . 51
3.6. Equilibrio lı́quido-vapor para la mezcla etanol-agua usando V an − Laar1 52
3.7. Diagrama de flujo para el cálculo del punto de burbuja . . . . . . . . 53
3.8. Diagrama de flujo para el cálculo del punto de rocı́o . . . . . . . . . . 56
3.9. Temperatura vs concentraciones molares x, y a presión atmosférica. . 58
3.10. Temperatura vs concentraciones molares x, y a presión=637.4 mmHg. 59
3.11. Dinámica en el condensador . . . . . . . . . . . . . . . . . . . . . . . 60
3.12. Dinámica de un plato . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.13. Plato de alimentación . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.14. Dinámica en el plato de alimentación . . . . . . . . . . . . . . . . . . 63
3.15. Esquema de una columna de destilación que puede ser descrita por un
modelo triangular. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.16. Planta Piloto de Destilación . . . . . . . . . . . . . . . . . . . . . . . 71
3.17. Entradas controladas del proceso . . . . . . . . . . . . . . . . . . . . 72
3.18. Tablero de control de la planta piloto de destilación . . . . . . . . . . 75
3.19. Temperaturas en la sección de rectificación . . . . . . . . . . . . . . . 77
3.20. Temperaturas en la sección de agotamiento . . . . . . . . . . . . . . . 78
3.21. Concentraciones molares en la sección de rectificación . . . . . . . . . 80
3.22. Concentraciones molares en la sección de agotamiento . . . . . . . . . 81
4.1. Esquema de la columna de destilación utilizado por el observador. . . 88
ix
X ÍNDICE DE FIGURAS
4.2. Entradas experimento No. 1 . . . . . . . . . . . . . . . . . . . . . . . 97

4.3. Estimaciones en el condensador y plato 3 con diferentes valores de θ . 98
4.4. Estimaciones en los platos 6 y 7 con diferentes valores de θ . . . . . . 99
4.5. Estimaciones en el plato 10 y el hervidor con diferentes valores de θ . 100
4.6. Entradas experimento No. 2 . . . . . . . . . . . . . . . . . . . . . . . 104
4.7. Estimaciones en el condensador y plato 3 con diferentes valores de θ . 105
4.8. Estimaciones en los platos 7 y 9 con diferentes valores de θ . . . . . . 106
4.9. Estimaciones en el plato 10 y el hervidor con diferentes valores de θ . 107
5.1. Diagrama de flujo del modelo no lineal . . . . . . . . . . . . . . . . . 123

5.2. Concentración en el hervidor . . . . . . . . . . . . . . . . . . . . . . . 130
5.3. Variación de Qb por acción del controlador PI . . . . . . . . . . . . . 130
5.4. Concentración en el destilado . . . . . . . . . . . . . . . . . . . . . . 131
5.5. Variación de R por acción del controlador ON-OFF . . . . . . . . . . 131
Índice de tablas
2.1. Observadores para columnas de destilación . . . . . . . . . . . . . . . 41

2.2. Ganancias y parámetros de sintonización . . . . . . . . . . . . . . . . 41
3.1. Evaluación del error en el modelo termodinámico propuesto a 760mmHg 54

3.2. Varianza y desviación tı́pica en el modelo termodinámico propuesto a
760mmHg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.3. Constantes de Antoine para cada componente . . . . . . . . . . . . . 57
3.4. Valores de la concentración de vapor para el etanol y el agua . . . . . 57
3.5. Factor de calidad de la alimentación . . . . . . . . . . . . . . . . . . . 65
3.6. Condiciones en estado estable . . . . . . . . . . . . . . . . . . . . . . 73
3.7. Entradas del proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.8. Error de estimación de temperaturas . . . . . . . . . . . . . . . . . . 79
3.9. Error de estimación de concentraciones . . . . . . . . . . . . . . . . . 82
4.1. Parámetros constantes del observador para el Experimento No. 1 . . . 95

4.3. Evaluación de la norma del error kk para diferentes valores de θ . . . 101
4.4. Parámetros constantes del observador para el Experimento No. 2 . . . 102
4.6. Evaluación de la norma del error kk para diferentes valores de θ . . . 108
4.7. Parámetros del observador para la evaluación del error . . . . . . . . 109
4.8. Evaluación del error en el Experimento No. 1 . . . . . . . . . . . . . . 110
4.9. Evaluación del error en el Experimento No. 2 . . . . . . . . . . . . . . 110
xi
XII ÍNDICE DE TABLAS
Notación
Letras mayúsculas
Ai Constante de Van Laar.

Bi Constante de Van Laar.
Ci Constante de Van Laar.
B Producto de fondo.
D Producto destilado.
C Concentración ( %).
F Flujo molar de la alimentación (moles/min).
Fv Flujo volumétrico de la alimentación (ml/min).
Ki Constante de equilibrio.
L Flujo molar lı́quido (moles/min).
LR Flujo lı́quido en la sección de rectificación (moles/min).
LS Flujo lı́quido en la sección de agotamiento (moles/min).
Mi Masa molar retenida en cada estado (moles).
N Número total de platos.
Wi Peso molecular (g).
P Presión total (kPa).
Pisat Presión parcial (de saturación) del componente i (kPa).
Piv Presión de vapor del componente i (kPa).
Qb Potencia calefactora añadida al hervidor (watts).
R Reflujo (0-1).
Te Tiempo de muestreo, en el observador continuo-discreto.
Texp Temperatura medida experimentalmente (o C).
Tmodel Temperatura estimada por el modelo (o C).
Tp Temperatura en cada estado (o C).
TF Temperatura de la alimentación (o C).
T bi Temperatura de ebullición (o C).
V Flujo molar de vapor (moles/min).
VR Flujo de vapor en la sección de rectificación (moles/min).
VS Flujo de vapor en la sección de agotamiento (moles/min).
ÍNDICE DE TABLAS XIII
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
ρi Densidad de cada componente (g/cm3 ).

ω Porcentaje en peso de un componente.
γi Coeficiente de actividad.
φi Coeficiente de fugacidad.
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
La destilación es una de las técnicas de separación más importantes en la indus-

tria quı́mica y petrolera. Puede definirse como una técnica para separar sustancias
mezcladas en el estado lı́quido, considerando la diferencia entre sus puntos de ebulli-
ción. Este proceso consiste en: la evaporación, la condensación y la recolección de las
fracciones de los compuestos.
En numerosas aplicaciones de control para columnas de destilación, se requiere la
información continua de las fracciones molares de los componentes. La medición fuera
lı́nea de las composiciones puede hacerse a través de un analizador directo, como puede
ser el cromatógrafo de gases o un detector de ı́ndice de refracción. Aunque actualmente
hay un gran desarrollo en este tipo de tecnologı́a los costos que se generan son altos
en cuanto a inversión, a la implementación de la técnica en sı́ y al mantenimiento de
los instrumentos.
La alternativa más popular a los controladores de composición que utilizan este
tipo de analizadores, son los reguladores estándares por realimentación de la tempera-
tura. Sin embargo, las temperaturas no son indicadores exactos de las composiciones
cuando existen mezclas con varios componentes, por lo que se presentan los sistemas
que incorporan observadores de estado que utilizan las mediciones de las temperatu-
ras para realizar la estimación de los componentes, éstos son llamados sistemas de
control deductivos (Bahar et al., 2006).
El objetivo principal de este trabajo es implementar un observador de estados
continuo-discreto en una columna de destilación, que estime las composiciones del
componente ligero para un sistema binario etanol-agua a partir de la medición de las
temperaturas disponibles en el hervidor y en el condensador. Dicho observador utiliza
un modelo matemático de una columna de destilación, ajustado a las caracterı́sticas
fı́sicas de la planta piloto del CENIDET y un modelo termodinámico que establece el
equilibrio de fases los componentes de la mezcla.
1
2 Introducción
Una de las motivaciones de este trabajo es, precı́samente, que en la actualidad el

consumo masivo de combustibles genera grandes cantidades de gases contaminantes
que se liberan cada minuto a la atmósfera. Este tipo de contaminación es la que
viene produciendo grandes cambios en el clima del planeta. Esta problemática es
preocupante y ha obligado a los encargados de la ciencia y la tecnologı́a, a la búsqueda
de nuevas fuentes de energı́a que se presenten como opciones económicas y ecológicas.
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.
Actualmente la producción de etanol con fines carburantes es uno de los proce-

sos más utilizados en el mundo. Las razones por las cuales se ha convertido en el
compuesto oxigenado de mayor demanda se encuentran en sus propiedades fı́sico-
quı́micas y en que, por ser proveniente de materia prima biológica renovable, promete
sostenibilidad ambiental y económica en el proceso (Usayán et al., 2006).
El proceso tı́pico de obtención de etanol a partir de los jugos de caña o melazas

provenientes del proceso de producción de azúcar (denominado proceso Melle-Boinot),
cuenta básicamente con tres etapas: la fermentación, la destilación y deshidratación
(Sánchez y Cardona, 2005a), como se muestran en el diagrama de la Fig. (1.1):
Fig. 1.1: Diagrama de flujo del proceso Melle-Boinot
El etanol se obtiene principalmente del procesamiento de fermentación de azúcares

obtenidos de diferentes productos agrı́colas como la caña de azúcar, el betabel y el
maı́z, que contienen altos contenidos de sacarosa, almidón y celulosa. A partir de
3
éstos, se obtiene una mezcla de etanol y agua que debe ser separada en una columna
de destilación.
En esta última etapa del proceso, en la destilación, se aprovecha que el alcohol

hierve a una temperatura más baja que el agua, lo cual permite separar primero los
vapores de alcohol que salen por la parte superior de la columna, mientras que por el
fondo sale vinaza, residuo compuesto por agua con impurezas.
Hoy en dı́a, las columnas de destilación constituyen un porcentaje significativo de

la inversión que realizan las plantas de producción de etanol en todo el mundo. Por ello,
el disponer de técnicas para modelar columnas de destilación lo más cercano posible
a la realidad, y además diseñar, desarrollar e implementar sistemas de monitoreo y de
control eficaces es importante, a fin de conseguir un funcionamiento seguro y óptimo
de los sistemas de destilación industriales.
Uno de los principales objetivos de aplicar control automático en columnas de

destilación, es que los productos deben de ser obtenidos con la mayor pureza, en el
menor tiempo posible, y con la menor inversión en energı́a aplicada al sistema. Por
esta razón, y debido a la importancia que tiene la generación de biocombustibles hoy
en dı́a, el proceso de destilación Etanol-Agua es uno de los temas de interés en el
campo de la ingenierı́a de control y en la producción de energı́as no convencionales.
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.
Por lo tanto, diseñar un observador es igual a diseñar un sistema que se ve guiado

solamente por algunas mediciones del sistema original y produce entonces una salida
para realizar el seguimiento del estado de dicho sistema original. Esto se explicará
con mayor detalle en el Capı́tulo 2.
El observador diseñado en este trabajo de tesis, corresponde a un Observador de

Alta Ganancia Constante propuesto en la literatura (Hammouri et al., 2002), exten-
dido a su versión continuo-discreta. Busca como objetivo de observación construir
un sistema dinámico a partir de las mediciones disponibles en lı́nea del proceso de
destilación (temperaturas), es decir, la reconstrucción de los estados (concentraciones
molares) de forma asintótica.
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
desempeño del observador propuesto se realiza en simulaciones y su validación se

realiza experimentalmente en la planta piloto del CENIDET con pruebas donde la
columna es operada por lotes.
1.1. Ubicación del problema

Para realizar el planteamiento del problema que trata este trabajo, se tienen en
cuenta dos tópicos. El primero tiene que ver con la naturaleza del proceso en el cual
se interviene, es decir, la columna de destilación; el segundo tópico trata acerca la
problemática de la técnica que se pretende aplicar, es decir, lo referente a la estimación
de parámetros. De esta manera se procede a describir el problema como sigue:
1.1.1. Problemática en la técnica de destilación

Anteriormente podı́a considerarse como único objetivo de control, el mantener
una operación estable del proceso. En la actualidad las industrias se enfrentan a un
ambiente cambiante y difı́cil de predecir, lo que les obliga a mantener procesos pro-
ductivos de acuerdo a la evolución del mercado, para poder mantenerse competitivas
y rentables. Las diversas metodologı́as actuales de control de procesos se enfrentan al
cumplimiento de este objetivo.
El etanol se obtiene principalmente del procesamiento de fermentación de azú-

cares obtenidos de diferentes productos agrı́colas, que contengan altos contenidos de
sacarosa, almidón o celulosa. Luego de la fermentación, viene la destilación donde se
separa el agua del etanol.
Las columnas de destilación constituyen un porcentaje significativo de la inver-

sión que realizan las plantas de producción de etanol en todo el mundo. Por ello, el
disponer de técnicas para modelar columnas de destilación lo más cercano posible a
la realidad, y además diseñar, desarrollar e implementar sistemas de monitoreo y de
control eficaces es importante, a fin de conseguir un funcionamiento seguro y óptimo
La dificultad de la destilación depende de la volatilidad relativa de los compo-

nentes, por lo cual, las mezclas con puntos de ebullición próximos son más difı́ciles de
separar por destilación. Para llevar a cabo la operación de destilación o cualquier otra
operación de separación, es necesario disponer de datos del equilibrio lı́quido-vapor o
de correlaciones para poder estimarlos adecuadamente.
1.1 Ubicación del problema 5
Como ya fue mencionado en la introducción, existen algunas aplicaciones de in-

genierı́a hoy en dı́a, que cuentan con variables fı́sicas que no pueden medirse direc-
tamente. Este problema fue abordado por Luenberger (1971) y su desarrollo hoy se
conoce como Observador de Luenberger.
Los observadores de estado, también conocidos como sensores virtuales, repre-

sentan una alternativa de solución viable para resolver este tipo de problemas. Los
observadores son herramientas que permiten estimar las variables o estados de un
sistema en base a mediciones de las señales de entrada y de salida. Estos sensores
permiten enviar la información estimada acerca del valor que toman dichos estados,
permitiendo conocer un valor aproximado del valor real.
Para el caso de estudio, en una columna de destilación no es posible medir todas

las variables que intervienen en el proceso. Lo que se busca es obtener las fracciones
molares de los componentes de la mezcla Etanol-Agua, en las diferentes etapas de la
columna, a través del uso de las mediciones de temperatura en dichos puntos.
1.1.2. Problemática en la estimación de estados

En algunos procesos las mediciones fı́sicas de algunas variables no están disponibles,
bien sea por razones económicas o tecnológicas. Las técnicas modernas de control para
columnas de destilación frecuentemente requieren que ciertas variables se encuentren
disponibles para su medición. Esto no se cumple en la práctica debido a que no existen
instrumentos de medición adecuados para medir en lı́nea ciertas variables de proceso.
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).
La falta de mediciones confiables en lı́nea de esta variable en especial, ha moti-

vado considerables esfuerzos en el desarrollo de sensores virtuales capaces de estimar
las concentraciones a partir de las mediciones de temperatura disponibles en la plan-
ta, (Quintero-Mármol et al., 1991; Deza et al., 1991; Targui et al., 2001; Bahar et
al., 2006).
6 Introducción
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).
Sin embargo, cuando estas mediciones no están disponibles de forma continua o

cuando el tiempo de muestreo de las mediciones de las salidas es muy grande para
ser utilizado en la discretización de las ecuaciones diferenciales del modelo dinámico,
el filtro de Kalman no muestra un buen desempeño.
El método propuesto por (Deza et al., 1991), es una contribución a la solución

de este problema, ya que su algoritmo se basa en dos pasos: el primero llamado
de predicción y el segundo llamado de corrección. Dicho algoritmo de estimación es
llamado observador continuo-discreto.
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:
1.2.1. Objetivo general

Diseñar, aplicar y validar un observador no lineal continuo-discreto para la esti-
mación en lı́nea de las concentraciones molares en una columna de destilación, para
la mezcla binaria etanol-agua.
1.2.2. Objetivos especı́ficos
1. Formular un modelo que describa el comportamiento de la planta piloto de

destilación del CENIDET para la mezcla binaria etanol-agua.
1.3 Hipótesis 7
2. Diseñar un observador continuo-discreto para estimar concentraciones molares

de la mezcla binaria etanol-agua, en el proceso de destilación.
3. Aplicar el algoritmo de observación continuo-discreto para estimar las concen-

traciones molares en cada plato de la planta piloto de destilación.
4. Acoplar el observador con el modelo computacional SPPD (Software de la Plan-

ta Piloto de Destilación (Rivas, 2006)), (Téllez et al., 2007), con el fin de pre-
sentar la estimación de las concentraciones molares.
5. Realizar experimentos de un proceso de destilación para obtener mediciones y

ası́ validar el observador diseñado.
1.3. Hipótesis
La hipótesis planteada en este trabajo:
La aplicación un observador continuo-discreto no lineal, para la columna de des-

tilación, permitirá la estimación de las fracciones molares lı́quidas de todos los platos
de la columna de destilación, a partir de las mediciones de temperatura disponibles
en la PPD del CENIDET. Este observador permitirá utilizar perı́odos de muestreo
mayores a los que utilizan los observadores puramente discretos.
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).
La importancia que tienen los temas de fuentes alternas de energı́a y en especial la

consecución de biocombustibles, ha generado mayor apoyo a la producción de etanol a
partir de cultivos agrı́colas, que a su vez brinda a los paı́ses subdesarrollados una gran
alternativa de generación de empleo y el aprovechamiento de los recursos naturales
nacionales.
Por lo anterior es importante plantear soluciones a las diferentes problemáticas

presentadas en el proceso de obtención de etanol. Con este fin, el trabajo que se
desarrolla aquı́ busca contribuir en esta importante área, a través de la aplicación y
desarrollo de conocimientos referentes a las técnicas actuales de control de procesos.
8 Introducción
El uso de observadores continuos-discretos para sistemas dinámicos continuos con

mediciones de salida en tiempo discreto es una alternativa de solución para la esti-
mación de estados y/o parámetros (variantes e invariantes en el tiempo), a pesar de
las incertidumbres de modelado en este tipo de sistemas. Además una de las ventajas
más importantes de este tipo de observadores es que permiten utilizar un periodo de
muestreo más grande en relación a los observadores puramente discretos (Astorga et
al., 2002b)
Los sensores virtuales son utilizados de manera amplia en diferentes áreas de

control, ejemplo de ello es: el diagnóstico de fallas (Shields et al., 2001), monitoreo
(Astorga et al., 2007), idenficación de sistemas (Busvelle y Gauthier, 2004), entre
otras.
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
Modelado de una columna de destilación para la mezcla binaria Etanol-Agua.

El modelo matemático que se obtendrá será un modelo para aplicaciones de
control (no un modelo riguroso).
Diseño e implementación en tiempo real de un observador de estado continuo-

discreto en la PPD del CENIDET.
1.5. Metodologı́a
La metodologı́a llevada a cabo para la realización de este trabajo se enumera a
continuación:
1. Estudio y teorı́a de observadores para sistemas no lineales.
Se realizó una revisión y estudio de la literatura correspondiente a la teorı́a

de observadores para sistemas no lineales, tipos de observadores y aplicaciones
en columnas de destilación.
1.5 Metodologı́a 9
2. Estudio de la mezcla Etanol-Agua.
Se realizó un estudio de las condiciones y técnicas de separación de mezclas

no ideales y en especial, se estudiaron las caracterı́sticas fı́sico-quı́micas y ter-
modinámicas de la mezcla Etanol-Agua para que fueran incluidas en el modelo
de la PPD.
3. Estudio y modelado de columnas de destilación.
Esta etapa se realizó una revisión bibliográfica y estudio de las columnas de

destilación. Se formuló e implementó un modelo matemático de acuerdo a las
caracterı́sticas fı́sicas de la PPD del CENIDET y a la mezcla utilizada para este
trabajo.
4. Validación experimental del modelo.
Se validaron los modelos termodinámico y matemático de la PPD del CENIDET

desarrollado en este trabajo, a partir de la comparación de estos con datos
obtenidos de experimentos realizados en la planta de destilación.
5. Estudio y diseño observadores no lineales.
Se procedió al estudio de observadores no lineales para columnas de destilación

y a las aplicaciones de cada uno. De este análisis se eligió un observador no
lineal para extenderlo a su versión continuo-discreta.
6. Simulación del observador continuo-discreto seleccionado.
A partir del modelo obtenido para la PPD, del observador selecccionado y de

los datos obtenidos directamente de experimentos de destilación realizados, se
realizan simulaciones del observador continuo-discreto diseñado.
7. Definición de un método experimental.
A partir del modelo se plantea un método para desarrollar experimentos de

destilación en la PPD para mezclas binarias, obteniendo ası́ las concentraciones
estimadas a partir del uso del observador diseñado en este trabajo.
8. Validación experimental del observador continuo-discreto.
Se validó el observador no lineal continuo-discreto diseñado en este trabajo,

a partir de datos experimentales obtenidos de la PPD.
10 Introducción
1.6. Estado del arte

En esta sección se presenta un estudio de la literatura cientı́fica, lo que proporciona
un panorama de cómo ha sido tratado el tema de modelado y estimación en columnas
de destilación en los últimos años.
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.
Para llevar esta tarea a cabo, el observador se basa en un modelo no lineal de

un proceso de destilación binaria etanol-agua. Para poder desarrollar este diseño es
necesario obtener un modelo matemático y termodinámico de la planta piloto de
destilación del CENIDET, donde se realizan los experimentos de validación.
1.6.1. Modelado de columnas de destilación

Para tareas de control los procesos son conocidos en función de modelos, por lo que
el primer problema es conocer y entender su comportamiento. Los procesos quı́micos
en especial, cuentan con caracterı́sticas indeseables tales como grandes dimensiones,
interacciones entre variables y no linealidades que dificultan las tareas de modelado
por lo que deben tomarse algunas consideraciones que simplifiquen el proceso.
Una de las maneras para modelar el proceso de la destilación fácilmente, es la que

se desarrolla en dos etapas: en la primera se analizan los parámetros estáticos y en
la segunda todo el comportamiento dinámico. Este camino ha sido aplicado como el
resultado de un mejor entendimiento del proceso, a saber, el modelo de la columna
es resuelto por medio de un método llamado de McCabe-Thiele que es un proceso
iteractivo y el resultado es la relación entre número de platos de la columna usados
para la separación de una mezcla dada (Cingara et al., 1990).
En el trabajo de Cingara et. al., (1990) fueron consideradas algunas simplifica-

ciones para el planteamiento del modelo matemático de una columna de destilación
binaria. Dichas simplificaciones son principalmente: volatilidad relativa constante, la
alimentación ingresada a la columna está como lı́quido saturado (en el punto de
ebullición), el condensador es total, la retención de masa en cada plato es constan-
te, la mezcla es ideal. Luego, y usando las consideraciones anteriores, los autores en
este trabajo formulan una serie de ecuaciones algebraicas que describen el equilibrio
1.6 Estado del arte 11
lı́quido-vapor de la mezla y un grupo de ecuaciones diferenciales que describen el ba-

lance global de materia.
Otro trabajo importante en el tema de modelado de columnas de destilación es

el realizado por Skogestad (1997), en este trabajo se presenta una forma simple para
entender algunas consideraciones inportantes de la dinámica, la operación y el control
del proceso, incluye también algunas herramientas de análisis de controlabilidad en el
dominio de la frecuencia.
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).
Un trabajo más reciente es el de Han (2006), donde presenta un modelo no lineal

para una columna de destilación binaria reactiva. Una de las principales diferencias
con los trabajos anteriores es precı́samente que mantiene el modelo no lineal del pro-
ceso, además de la naturaleza reactiva de la iteracción de los elementos de la mezcla.
Dentro de las simplificaciones que se toman en cuenta en este trabajo, la prin-

cipal es que el equilibrio lı́quido-vapor de la mezcla es considerado ideal, la presión
de trabajo de la columna es constante a lo largo del proceso y los flujos equimolares
son asumidos tales que las tasas de flujo molares de lı́quido y vapor son constantes
a través de las secciones de rectificación y agotamiento. Sin embargo, estas tasas de
flujo cambian de un plato a otro en la zona reactiva debido a que el calor de reacción
vaporiza parte del lı́quido en cada plato.
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
es recuperar el reactivo (B) del vapor producido (C). En la sección de agotamiento

se recupera el otro reactivo (A) del vapor producido (D). En la sección reactiva, los
productos son separados in situ, conduciendo el equilibrio y previniendo reacciones
indeseables entre los reactantes A y B con los productos C o D (Han, 2006).
Otro ejemplo de modelado de columnas de destilación es dado en el trabajo de

Zou et. al., (2006) donde se presenta un modelo discreto lineal para una columna
de destilación binaria que pretende separar la mezcla de etanol-metanol, considerada
como mezcla ideal. Este modelo presenta el desarrollo de un análisis teórico del ba-
lance dinámico de masa y el balance del equilibrio de fases de la mezcla, a su vez, el
modelo es usado para proponer una estrategia de control predictivo (Zou et al., 2006).
Uno de los trabajos más completos en cuanto al modelado de columnas de desti-

lación, es el trabajo de tesis de Murray (2003). Este trabajo presenta la formulación
de un modelo matemático con resultados en simulación y validación experimental. El
modelo creado está limitado a un proceso de destilación continua para la separación
de una mezcla binaria de metanol-agua. Los parámetros de entrada del modelo inclui-
dos por el autor fueron: el porcentaje de reflujo, el calor agregado al hervidor, la tasa
de flujo de alimentación y la composición molar en la alimentación. Los resultados
discutidos fueron obtenidos de experimentos realizados en una planta de destilación
de trece etapas.
Este modelo reproduce las temperaturas en cada plato de la columna de desti-

lación, incluyendo el hervidor y el condensador. Además fueron simulados también
los cambios transitorios de las temperaturas que se producı́an al realizar cambios en
los parámetros de entrada, de igual forma se presenta un análisis del modelo del sis-
tema en estado estable (Murray, 2003).
Ahora, haciendo énfasis en la planta piloto de destilación del CENIDET, en tesis

anteriores se han desarrollado modelos que consideran las caracterı́sticas fı́sicas de es-
ta columna. Uno de estos trabajos es el realizado por Torres (2005) donde se dedica un
capı́tulo al modelo matemático para la planta. El modelo presenta en su planteamiento
y resultados, sencillez y precisión, caracterı́sticas deseables para el diseño de obser-
vadores y controladores. Este trabajo presenta un modelo termodinámico sencillo para
la predicción del equilibrio lı́quido-vapor de una mezcla binaria metanol-etanol.
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
lı́quidas retenidas en cada plato de la columna también se consideran constantes. A

partir de estas simplificaciones, plantea entonces un conjunto de ecuaciones diferen-
ciales que representan el balance global de materia y energı́a en el proceso. Finalmente
se presenta una validación experimental del modelo propuesto (Torres, 2005).
Otro modelo desarrollado para la planta del CENIDET es el trabajo de tesis de

López (2008). En este trabajo se desarrolla un modelo que considera la geometrı́a y
configuración del hervidor, los platos y el condensador vertical.
Las propiedades termodinámicas son evaluadas mediante la ecuación de estado

Peng-Robinson-Stryjek-Vera (PRSV) con dos parámetros de interacción. Se formulan
los balances de masa, composición y energı́a donde la mayorı́a de los parámetros de-
sconocidos están relacionados con las ecuaciones hidrodinámicas y los parámetros de
transferencia de calor. La estrategia para aproximar estos parámetros es aislar tanto
como sea posible los efectos de cada uno. Los parámetros desconocidos son: la cons-
tante de válvula para vapor, el coeficiente de transferencia de calor del condensador,
la eficiencia de Murphre y las pérdidas de calor al medio ambiente.
En este trabajo, los resultados en simulación del modelo matemático se validan

con datos experimentales de temperatura obtenidos fuera de lı́nea de la columna
de destilación. Finalmente, se realiza un análisis de sensitividad en los platos para
determinar cuál es el plato idóneo para aplicar estrategias de control (López, 2008).
1.6.2. Observadores para destilación

La aplicación de observadores en columnas de destilación, tienen como objetivo
común el predecir las concentraciones en una columna de destilación, a partir del uso
de las mediciones disponibles (usualmente son usadas las mediciones de las tempera-
turas y presión) en las diferentes etapas de la columna de destilación, aprovechando
las correlaciones de equilibrio.
Para establecer una comparación de algunos de los observadores presentados en

la literatura se tienen en cuenta su aplicación, el tipo de sistema considerado en
el modelo, los métodos de sintonización de la ganancia y el análisis del error. A
continuación se listan algunos estimadores:
☞ Observador Luenberger Extendido, (Quintero-Mármol et al., 1991).
☞ Filtro de Kalman Extendido de Alta Ganancia, (Viel et al., 1992).
☞ Observador de Alta Ganancia, (Deza y Gauthier, 1991).

14 Introducción
☞ Observador de Alta Ganancia Constante, (Hammouri et al., 2002).
☞ Observador Geométrico, (Tronci et al., 2005).
El primer observador es expuesto en (Quintero-Mármol et al., 1991), donde los au-

tores proponen un Observador Luenberger Extendido, para predecir las composiciones
en una columna de destilación multicomponente operada por lotes y ası́ conocer la
composición instantanea del producto destilado con el fin de aplicar polı́ticas óptimas
para obtener un destilado de calidad.
Los resultados son mostrados en simulación y demuestran la factibilidad de aplicar

observadores extendidos de Luenberger al proceso de destilación. Se desarrolla una
metodologı́a de diseño que indica el número del planto donde deben ubicarse los
sensores de temperatura, el lugar de los polos del observador en lazo cerrado y la
sensibilidai de las condiciones iniciales estimadas.
El modelo propuesto en este trabajo es considerado para una clase de sistemas no

lineales. La ganancia K del observador es obtenida precı́samente por ubicación de los
polos del observador en lazo cerrado, a fin de que el error tienda exponencialmente a
cero. Los autores plantean primero la linealización del sistema para obtener la ganan-
cia del observador que proporciona los valores deseados de los eigenvalores del sistema
en lazo cerrado para posteriormente usar dicha ganancia en el modelo no lineal a lo
largo de la estimación del error para predecir los estados no medibles o no disponibles.
Otro observador propuesto es descrito en (Deza y Gauthier, 1991), este trabajo

describe la sı́ntesis de un observador conocido como Observador de Alta Ganancia. El
observador desarrollado es aplicado a una columna de destilación binaria, el modelo
utilizado en este trabajo es el tı́pico modelo matemático L-V (lı́quido,vapor), con-
siderando constantes los flujos molares y basados en el balance global de materia del
proceso.
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).
Otro observador para columnas de destilación es el Filtro de Kalman Extendido

(EFK) propuesto por (Viel et al., 1992). En este trabajo se demuestra la convergen-
cia exponencial del observador, basado en una estrategia de diseño que representa las
propiedades estructurales de la planta y el estudio de observabilidad del sistema, de
acuerdo al modelo matemático usado. También se presenta el sistema en una nueva
forma canónica que permite su uso en tareas suplementarias donde las mediciones de
temperatura de los platos más sensibles son tenidas en cuenta.
La metodologı́a de diseño del Filtro de Kalman Extendido consiste en elegir una

ganancia lo suficientemente alta, que es aplicada al modelo obtenido después de un
cambio de coordenadas. La robustez de este observador es fácilmente comprobable
aplicando perturbaciones acotadas al modelo, de esta forma se dice que el error de es-
timación también está acotado y es proporcional al tamaño de dichas perturbaciones.
Se presenta también la estrategia de diseño de un Observador de Alta Ganancia

Constante (OAGC) propuesto por (Hammouri et al., 2002), para una columna de
destilación que se asume representa una clase de sistemas no lineales multi-salida que
no necesitan necesariamente ser afines al control. La principal caracterı́stica de este
observador, radica en la facilidad con la cual se implementa y calibra, de hecho, la
ganancia de este observador es constante y su obtención no requiere la resolución de
un sistema dinámico.
El algoritmo de observación propuesto permite calcular la ganancia del obser-

vador a partir del cumplimiento de algunas desigualdades algebraicas sencillas y su
construcción está basada en una matriz simétrica definida positiva (SDP) que debe
satisfacer la ecuación dinámica de Riccati y que tiene una estructura simple, entonces,
esta matriz juega un papel importante en la prueba de convergencia del observador.
Tanto el diseño del observador, como las pruebas de desempeño son desarrolladas en
simulación (Hammouri et al., 2002).
Otro observador encontrado en la literatura, aplicado a columnas de destilación es

el presentado en (Tronci et al., 2005). Este trabajo presenta un observador basado en
la teorı́a de geometrı́a diferencial y tiene como fin la estimación de las composiciones
de los productos destilado y de fondo en un proceso de destilación de una mezcla bi-
naria (etanol-agua). Los autores usan un modelo no lineal de la planta, considerando
las no linealidades de la mezcla y del comportamiento del sistema. Se propone tam-
bién dentro de la estrategia de diseño, que la estructura del estimador sea un grado
de libertad con el fin de mejorar su robustez sin afectar la capacidad para reconstruir
los estados (composiciones).
16 Introducción
Este trabajo también proporciona una guı́a para la selección de la estructura y

la localización de los sensores usados las mediciones. Este observador es diseñado y
probado experimentalmente en una planta piloto de 30 platos. En el modelo utilizado
se desprecia el balance de energı́a y se considera que la operación de separación se
realiza a presión atmosférica (Tronci et al., 2005).
1.6.3. Observadores no lineales de tiempo discreto

El diseño de observadores de tiempo discreto ha generado grandes cambios par-
ticularmente en la implementación en sistemas computarizados de leyes de control
basadas en modelos de estado o monitorización de esquemas de procesos, (Kazantzis
y Kravaris, 2001).
Una importante contribución en el diseño de observadores no lineales de tiem-

po discreto, es la técnica basada en el uso del algoritmo de Newton-Raphson para
la solución simultánea de las múltiples ecuaciones no lineales del sistema (Mooral y
Grizzle, 1995). Este método consiste en una interpretación geométrica de la función no
lineal, donde la solución empieza inicializando la función con un valor razonablemente
cercano al cero (denominado punto de arranque), la función es reemplazada por la
recta tangente en ese valor, se iguala a cero y se despeja. Este cero será generalmente
una aproximación mejor a la raı́z de la función. Esto se logra facilmente ya que la
aproximación se convierte en una ecuación lineal. Bajo esta interpretación se desarro-
lla un observador discreto propuesto por (Targui et al., 2001) llamado observador de
alta ganancia constante.
Este estimador está basado en el modelo del sistema y su término de corrección

tiene como referencia las mediciones inmediatamente anteriores de cada estado, es
decir, el término de corrección es proporcional a la desviación de la salida del obser-
vador con respecto a la salida del sistema en el instante anterior. Esto permite que el
error converja a cero en cada instante de medición.
1.7. Organización del documento

El documento de tesis está organizado de la manera siguiente: En el Capı́tulo 2 se
presentan generalidades de observabilidad en los sistemas, los tipos de observadores
y sus aplicaciones, además se explica brevemente el diseño de observadores lineales
y no lineales, se presenta un breve estudio de observadores no lineales aplicados a
columnas de destilación y finalmente se profundiza en la sı́ntesis de observadores
continuo-discretos.
1.7 Organización del documento 17
Capı́tulo 3 se presenta una descripción de las columnas de destilación a nivel

industrial. Ası́ mismo se presentan las caracterı́sticas fı́sico-quı́micas y termodinámicas
de la mezcla Etanol-Agua y el proceso de destilación de la mezcla.
En este mismo capı́tulo se proporcionan las caracterı́sticas fı́sicas de la planta pi-

loto de destilación empleada para la realización de pruebas experimentales, también
se muestra la descripción de un modelo dinámico para la columna de destilación del
CENIDET y su integración en un simulador, incluyendo un modelo termodinámico
que establece el equilibrio de fases de los componentes de la mezcla etanol-agua uti-
lizada en este estudio. Además, se realiza una comparación de los resultados obtenidos
de los experimentos en la planta con la respuesta dinámica del modelo diseñado.
En el Capı́tulo 4 se desarrolla un observador de alta ganancia constante en su

versión continuo-discreta y se evalúa su desempeño por medio de un estudio compa-
rativo de éste con datos reales obtenidos de varios procesos de destilación operando la
columna por lotes. Se muestra el procedimiento de diseño de un observador continuo-
discreto con el objetivo de estimar las fracciones molares lı́quidas del componente
ligero en la planta piloto de destilación del CENIDET.
Finalmente, en el Capı́tulo 5 se dan las conclusiones generales, los aportes de este

trabajo de tesis, ası́ como también los trabajos futuros que de este documento se
puedan derivar.
Capı́tulo 2
Observadores y observabilidad
El objetivo de este capı́tulo es tratar de manera general los tipos de observadores

para sistemas lineales y no lineales, profundizando en la sı́ntesis de un observador de
alta ganancia constante propuesto por Hammouri et. al., (2002). Lo anterior en base
a ciertas propiedades de observabilidad de la estructura triangular que plantean los
autores en este trabajo y su aplicación para una clase de sistemas MISO.
Se establece también la teorı́a de los observadores continuo-discretos, en espe-

cial el desarrollo del algoritmo de observación planteado por los autores en (Deza et
al., 1991) para la estimación de estados en sistemas no lineales; con base en este es-
tudio posteriormente en este trabajo de tesis, se diseña un estimador de estados para
una columna de destilación binaria.
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.
Este capı́tulo se encuentra organizado de la siguiente manera: en la Sección 2.1 se

definen de manera formal algunos conceptos básicos de observabilidad en los sistemas.
En la Sección 2.2 se explican brevemente los observadores para sistemas lineales,
en particular, el Filtro de Kalman y el observador de Luenberguer. En la Sección
2.3 se trata la sı́ntesis de observadores para sistemas no lineales afines al control,
18
2.1 Observabilidad en los sistemas 19
especialmente aquellos desarrollados por (Gauthier y Bornard, 1981) de donde se

derivan los observadores de alta ganancia propuestos en (Bornard y Hammouri, 1991)
y en (Gauthier et al., 1992).
La Sección 2.4 presenta la versión en tiempo discreto de algunos observadores que

se encuentran en la literatura y en la Sección 2.5 se dan algunos conceptos acerca de los
observadores continuo-discretos. En la Sección 2.6 se muestran algunos observadores
aplicados directamente a columnas de destilación y finalmente en la Sección 2.7 se
presentan las conclusiones de este capı́tulo.
2.1. Observabilidad en los sistemas

En los procesos industriales es esencial el control de variables como presión, tem-
peratura, humedad, viscosidad, flujo, etc. Por ello el control automático es una parte
importante e integral que aporta los medios para obtener un adecuado desempeño
de la operación de los procesos. Todo esto con el fin de mejorar la productividad,
aligerar la carga de operaciones manuales repetitivas y rutinarias, realizar tareas de
supervisión y diagnóstico de fallas, entre otras.
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:
Definición 2.1. Observador de estados: Es un dispositivo (o un programa de

computador) que es capaz de reconstruir o estimar los estados y variables de interés
de un proceso, a partir de las mediciones fı́sicas de las entradas y las salidas de este
mismo, ver la Fig. 2.1, (Dorf, 1989).
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.
Un observador que estima menos de n (donde n es la dimensión del vector de

estados) variables de estado se denomina observador de estado de orden reducido. Si
dicho observador tiene el orden mı́nimo posible, se denomina observador de orden
mı́nimo.
20 Observadores y observabilidad
Fig. 2.1: Esquema de un observador de estados
2.1.1. Observabilidad de los sistemas

El concepto de observabilidad es útil al resolver el problema de reconstruir varia-
bles de estado no medibles, a partir de variables que sı́ lo son, en el tiempo mı́nimo
posible.
Se dice que el sistema es completamente observable si x(t0 ), se determina a partir

de la observación de la salida y(t) durante un intervalo de tiempo finito, t0 ≤ t ≤ t1 .
Por tanto, el sistema es completamente observable si todas las transiciones de los

estados afectan eventualmente a todos los elementos del vector de salida.
2.1.2. Tipos de observadores

En la literatura actual se conocen diferentes tipos de observadores que se clasifican
dependiendo del tipo de sistema al que son aplicados. Existen los observadores para
sistemas lineales como el Filtro de Kalman (1960) y el observador de Luenberger
(1971), o los observadores para sistemas no lineales, como el observador de Luenberger
Extendido (Quintero-Mármol et al., 1991), el Filtro de Kalman Extendido (Dochain,
2003) o el observador de Alta Ganancia propuesto por (Gauthier et al., 1992). Este
último tipo de observadores tienen ciertas ventajas, entre ellas: evitar el trabajo de
linealización del modelo del sistema y eliminar el uso de condiciones extremadamente
restrictivas llamadas condiciones de involutibilidad, (Kazantzis y Kravaris, 2001).
Otra forma de clasificar a los observadores depende de si están estimando todos

los estados del sistema, en este caso son llamados observadores de orden completo, o si
estiman sólo algunos estados o un número mı́nimo de ellos, son llamados observadores
de orden reducido o de orden mı́nimo.
2.1.3. Generalidades acerca de la observabilidad de sistemas

En este apartado se definen algunos sistemas para el diseño de observadores y
la notación utilizada para definir los conceptos de observabilidad extraidos de los
trabajos desarrollados por Bornard et. al. (1988) y Besançon (1999).
A continuación considérense los sistemas con los vectores x ∈ Rn , u ∈ Rm , y ∈ Rp .

Las matrices A, B, C y D tienen dimensiones apropiadas. Supondremos que f (·) y
g(·) son funciones suficientemente suaves y que la salida h(0) = 0. La señal de control
es u(t) ∈ U, donde U es un conjunto de funciones medibles, acotadas y tal que la
solución del sistema está definida en R+ . Además, f : Rn → Rn , g : Rn → Rn , y
h : Rn → Rp , entonces se tienen los siguientes sistemas:
- Sistema no lineal general

ẋ(t) = f (x(t), u(t))
(2.1.1)
y(t) = h(x(t))
- Sistema afı́n en el control

 m
 ẋ(t) = f (x(t)) + X u (t)g (x(t))

i i
i=1
(2.1.2)

 y(t) = h(x(t))
- Sistema afı́n en los estados

ẋ(t) = A(u(t))x(t) + B(u(t))
(2.1.3)
y(t) = C(u(t))x(t)
- 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)
- Sistema lineal con parámetros variantes en el tiempo

ẋ(t) = A(t)x(t) + B(t)u(t)
(2.1.5)
y(t) = C(t)x(t)
- Sistema lineal estacionario

ẋ(t) = Ax(t) + Bu(t)
(2.1.6)
y(t) = Cx(t)
Se utilizará la notación siguiente:
χu (t, x0 ) representa la solución del sistema descrito en la Ec. (2.1.1) al tiempo

t originada por la entrada u y el estado inicial x0 en t = 0.
Φ(t, t0 ) es la matriz de transición de estados de la parte autónoma del sistema

representado en la Ec. (2.1.5). Es decir:

d
 Φ(t, t0 ) = A(t)Φ(t, t0 )

dt (2.1.7)

Φ(t, t) = In donde In es la matriz identidad

El gramian de observabilidad es una herramienta de control para determinar

cuando un sistema es o no observable. Entonces el sistema representado por la
Ec. (2.1.3) se define como:
Z t
Γu (t, t0 ) = ΦTu (τ, t)CT (u(τ ))C(u(τ ))Φu (τ, t)dτ ≥ αIn (2.1.8)
t0
El ı́ndice de universalidad γu (t, t0 ) es el eigenvalor más pequeño de Γu (t, t0 )
y(χu (t, x0 )); representa la salida y cuando el estado x es χu (t, x0 )
De este último punto se aclara que:
y(χu (t, x0 )) ≡ h(χu (t, x0 ))
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.
La observabilidad se puede entender en términos de la noción de indistinguibilidad

como se describe en las siguientes definiciones:
Definición 2.2. Indistinguibilidad : Un par de estados (x10 , x20 , ) es indistinguible

para u si ∀t > 0
h(χu (t, x10 )) ≡ h(χu (t, x20 )) (2.1.9)
Definición 2.3. Observabilidad : El sistema no lineal descrito por la Ec. (2.1.1)

es observable, si no tiene algún par de estados indistinguibles.
Para dar claridad a estas definiciones se presenta el siguiente ejemplo:
Ejemplo 1: Observabilidad
Considere el siguiente sistema:

0 1
ẋ = u x, u ∈ {0, 1}
−1 0
y = x1 (2.1.10)
Para comprobar la observabilidad del sistema se considera que se aplica la entrada

u = 1, entonces el sistema es observable. Sin embargo si se aplica la entrada u = 0, dos
valores diferentes de x2 son indistinguibles por lo que el sistema lineal generado no
es observable. De esta manera, se concluye que no es posible construir un observador
que funcione con u = 0, ni incluso con entradas vecinas porque seguramente podrı́an
presentarse problemas de indistinguibilidad.
La definición anterior de observabilidad aplica a sistemas lineales y no lineales que

no tienen variación en sus parámetros. La observabilidad para el caso de los sistemas
lineales con parámetros variantes en el tiempo se define en forma particular como
sigue.
Definición 2.4. Observabilidad completamente uniforme Considere los sis-

temas lineales con parámetros variantes en el tiempo como el representado en la Ec.
(2.1.5). El par [A(t), C(t)] del sistema es completamente uniformemente observable
si existe un T > 0, α > 0 y t0 > 0 tal que, para toda t ≥ t0 se tiene:
Z t+T
Γ(t, t + T ) = ΦT (τ, t)CT (τ )C(τ )Φ(τ, t)dτ ≥ αIn
t
Observación 2.1. La matriz Γ(t, t + T ) se llama el gramiano de observabilidad (al

tiempo t) del sistema representado en la Ec. (2.1.5).
Observación 2.2. La definición del gramiano de observabilidad está relacionada a la

idea de energı́a de salida del sistema. Por ejemplo, si se conocen las matrices A, B y
C de la clase de sistemas lineales estacionarios como aquellos dados en la Ec.(2.1.6),
entonces la respuesta de salida del sistema y(t) para una entrada u(t) = 0, ocasionada
por alguna condición inicial especı́fica x(0), se obtiene como:
y(t) = CeAt x(0) (2.1.11)
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
y sustituyendo la Ec. (2.1.11) en la Ec. (2.1.14) se obtiene que:
Z ∞
T AT t
E0 = x (0) e C Ce dt x(0) = xT (0)Wo x(0)
T At
(2.1.15)
0
donde Wo es una matriz de n × n y es el gramiano de observabilidad para sistemas

lineales estacionarios. El cálculo del gramiano de observabilidad implica resolver la
matriz exponencial eAt que se conoce como la matriz de transición del sistema de
la Ec. (2.1.6) y se denota por Φ(t, t0 ). Para sistemas lineales estacionarios existen
diversos métodos analı́ticos y numéricos para encontrar dicha matriz de transición
(Dorf, 1989).
El siguiente ejemplo ilustra la forma de obtener el gramiano de observabilidad:
Ejemplo 2: Gramiano de observabilidad
Considere el sistema lineal estacionario:

−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
de esta última ecuación, la matriz de transición del sistema es:
e−λ1 t

0
Φ(t, t0 ) = −λ2 t (2.1.18)
0 e
de la Ec. (2.1.15), se calcula el gramiano de observabilidad y resolviendo la integral

se obtiene:
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.
Para sistemas lineales y no lineales que dependen de la entrada se aplican las

definiciones que siguen a continuación:
Definición 2.5. Entradas universales: Una entrada es universal en [0,t], si para

cada par de estados distintos (x10 6= x20 ), existe un τ ∈ [0, t] tal que:
h(χu (τ, x10 )) 6= h(χu (τ, x20 )).

Definición 2.6. Entradas singulares: Una entrada que no es universal se llama
singular.
Ejemplo 3: Entradas universales
Considérese nuevamente el sistema dado en la Ec. (2.1.10) del Ejemplo 1. La entrada

u = 1 es universal. Al contrario, la entrada u = 0 es singular. Entonces la siguiente
función:

1 para t0 < 0
ũ1 (t) = (2.1.19)
0 para t0 ≥ 0
es también una entrada universal. Supongamos que se dispone de un observador para

este sistema, y aplicamos las entradas. Si una perturbación se produce sobre x2 en
un tiempo t1 > t0 , ésta no influirá en la salida. Por lo tanto, el observador no puede

reaccionar a dicha perturbación.
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.
Definición 2.7. Entradas regularmente persistentes: Una función de entrada

u se llama regularmente persistente para el sistema afı́n en los estados como el de la
Ec. (2.1.3), si existe un T > 0, α > 0 y un t0 > 0, tal que el ı́ndice de universalidad
γu , satisface γu (t + T, t) ≥ α para todo t > t0 .
Observación 2.3. Una entrada u regularmente persistente es universal. No sólo su

translación uδ (t) = u(t + δ) sigue siendo universal para un δ arbitrariamente grande
(persistencia), sino que permanece con una calidad garantizada (regularidad).
Para ilustrar la idea anterior se considera el siguiente ejemplo:
Ejemplo 4: Entradas regularmente persistentes
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

es regularmente persistente y se muestra en la Fig. 2.2(a).
Esta entrada es singular, a lo sumo, sobre intervalos de tiempo uniformemente

limitados lo que es necesario según la definición. Se podrı́a pensar que esta propiedad
es suficiente para garantizar la persistencia regular. No es el caso, como lo muestra la
entrada u2 definida por:

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
(a) Señal regularmente persis- (b) Señal no persistente

tente
Fig. 2.2: Persistencia regular de las señales del Ejemplo 4
que es universal y además posee una propiedad de persistencia, pero no es regular-

mente persistente. Esto es porque los intervalos donde la entrada es singular están
acotados pero no son uniformes como se muestra en la Fig. 2.2(b).
Para la clase de sistemas representados por la Ec. (2.1.3), la observabilidad gene-

ralmente depende de la entrada (debido a la dependencia de la entrada es un caso
de observación no uniforme) y bajo condiciones de excitación apropiada existe un
observador con una ganancia dependiente de la entrada y que se enuncia formalmente
en el siguiente teorema:
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)
es un observador, donde la norma del error de estimación está acotada y decrece

exponencialmente. Entonces, el observador propuesto es exponencialmente estable con
una convergencia que puede hacerse de forma arbitraria rápida, además este resultado
se obtiene sin ningún tipo de requisito en la entrada, (Bornard y Hammouri, 1991).
2.2 Observadores para sistemas lineales 29
Estos resultados se pueden extender al caso de sistemas en la forma:
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).
2.2. Observadores para sistemas lineales

Para sistemas lineales de la forma:

ẋ(t) = Ax(t) + Bu(t)
(2.2.1)
y(t) = Cx(t) + Du(t)
la observabilidad no depende de las entradas u. Por lo que si el sistema es observable

para una entrada nula u(t) = 0, ∀t ≥ 0, entonces el sistema es uniformemente obser-
vable. En este caso, la solución es dada por los estimadores de tipo Filtro de Kalman
(Kalman, 1960) o tipo observador de Luenberger (Luenberger, 1971).
2.2.1. Filtro de Kalman

El problema de la estimación en presencia de ruido gaussiano blanco fue resuel-
to completamente en el trabajo de Kalman (1960). Desde entonces, numerosos au-
tores hacen referencia a este observador llamado Filtro de Kalman para extenderlo a
situaciones más generales. Este filtro existe en una versión determinı́stica aplicada a
sistemas variantes en el tiempo (Bornard y Hammouri, 1991).
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:
- Inicialización de una matriz S, tal que:

S(0) = S0 , donde S0 es una matriz definida positiva (SDP).
- Estimación de los estados:

x̂(t) = A(t)x̂(t) + K[y(t) − Cx̂(t)], x̂(0) = x̂0
- Elección de la ganancia K:
K(t) = −S(t)−1 CT (t)Q

- Cálculo de la matriz S por una adaptación de la ecuación de Riccati:
Ṡ(t) = −θS(t) − AT (t)S(t) − S(t)A(t) + CT (t)QC(t) − S(t)RS(t)
donde θ > 0 es un valor real arbitrario positivo.

A diferencia del observador de Luenberger el modelo puede contener parámetros
variables en el tiempo. Otra diferencia reside en el cálculo de la ganancia K que en
este caso, es obtenida por la solución de la ecuación de Riccati.
El problema principal de la implantación de los filtros de Kalman es la sin-
tonización de las matrices Q y R que frecuentemente no son bien conocidas y consi-
deradas constantes. Otro problema es la inicialización de la matriz S(t).
2.2.2. Observadores Luenberger

El estudio de los observadores de tipo Luenberger (Luenberger, 1971), recurre a
las técnicas establecidas para los sistemas lineales como se explica a continuación.
Si se considera el sistema dado en la Ec. (2.1.6), el observador de Luenberger
consiste en construir en paralelo un modelo de estados de la forma:
˙

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
2.3. Observadores para sistemas no lineales

Considérese el sistema no lineal de la Ec. (2.1.1), para este sistema existe un
observador de la forma:
˙

x̂(t) = f (x̂(t), u) + K[y(t) − ŷ(t)]
(2.3.1)
ŷ = hx̂
donde x̂ y ŷ son las estimaciones en lı́nea de x y y dadas por el observador de

estados y K es la ganancia del observador. El diseño de un observador de estados
para este tipo de sistemas no lineales, al igual que en la subsección anterior, consiste
en escoger una ganancia apropiada K.
Ası́ pues, para el caso de sistemas no lineales, el diseño de la matriz de ganancia

K se basa en una versión linealizada de la dinámica del error de observación (que se
calcula a partir de una expansión de la serie de Taylor de un modelo en espacio de
estados alrededor de algún punto de equilibrio). Si se define al error de observación
como:
ε = kx̂ − xk (2.3.2)
donde la dinámica del error de observación es:
ε̇ = f (x̂ + ε, u) − f (x, u) − K(x̂)[h(x̂ + ε) − h(x)]
Si se considera una linealización de la ecuación anterior alrededor del error de

observación ε = 0, se obtiene:
ε̇ = [A(x̂) − K(x̂)C(x̂)]ε (2.3.3)

donde A(x̂) y C(x̂) son respectivamente:
∂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.
2.3.1. Observador de Luenberger Extendido

En el observador de Luenberger Extendido, el objetivo es seleccionar K(x̂) tal que
la dinámica del error linealizada sea asintóticamente estable, entonces:
1. La matriz A(x̂) − K(x̂)C(x̂) y su derivada están limitadas por:
kA(x̂) − K(x̂)C(x̂)k ≤
C1 , ∀x̂
d
(A(x̂) − K(x̂)C(x̂)) ≤ C2 , ∀x̂
dt
2. Los eigenvalores de A(x̂) − K(x̂)C(x̂) tienen estrictamente partes reales nega-

tivas:
Re(λi [A(x̂) − K(x̂)C(x̂)]) ≤ C3 < 0, ∀x̂ i = 1, ..., n
donde n es el orden del sistema, (Dochain, 2003).
La importancia de la exigencia de la observabilidad de la linealización del sistema

se entiende claramente, porque si dicha linealización no es observable, no es posible
asignar libremente la dinámica del error de observación; en otras palabras, no es
posible tener perfecta estimación después de algún tiempo definido, matemáticamente
está representado por el hecho de seleccionar arbitrariamente los eigenvalores λi .
Entonces el Observador de Luenberguer Extendido, es un observador determinı́s-

tico que linealiza las ecuaciones en cada periodo de muestreo (Messaoudi et al., 2007).
El propósito de este observador es intentar construir un sistema dinámico que,

impulsado por la medición de las salidas y, es capaz de reconstruir un función no
lineal invertible T (x) del vector de estados x, (Kazantzis y Kravaris, 2001).
Una aplicación de este tipo de observadores para la estimación de concentraciones,

es posible encontrarla en (Quintero-Mármol et al., 1991), donde se aplica un Obser-
vador de Luenberger Extendido en una columna de destilación multicomponente en
modo de operación por lotes (batch).
2.4 Observadores discretos 33
2.3.2. Filtro de Kalman Extendido

A pesar de que el Filtro de Kalman ha sido introducido inicialmente en un marco
estocástico, también puede interpretarse como la solución de optimización (determi-
nista) (Dochain, 2003).
De hecho el diseño del Filtro de Kalman Extendido consiste en la búsqueda de la

matriz de ganancia K(x̂) que minimice el error cuadrático medio de observación:
Z t
E= eT Wedτ
0
donde W es una matriz de ponderación que permite las diferentes ponderaciones de

los distintos términos de error e con miras a estandarizar la norma del error, por
ejemplo, cuando los diferentes componentes de e no son de la misma dimensión.
La ganancia de la matriz R(x̂) puede mostrarse como:
K(x̂) = R(x̂)CT
donde la matriz simétrica R de dimensión n × n es solución de la siguiente ecuación

dinámica de Riccati:
Ṙ = −RCT WCR + RAT (x̂) + A(x̂)R
donde R = RT , R(0) = R0 = R0 T .
Un incoveniente con el Filtro de Kalman Extendido es que no garantiza conver-

gencia global en el error estimado. Sin embargo la estabilidad local puede ser probada
asumiendo algunas cotas en las no-linealidades.
2.4. Observadores discretos

Los sistemas dinámicos que representan las plantas industriales pueden ser mode-
lados por sistemas de ecuaciones diferenciales. Si x es el vector de estados del sistema
dinámico, su evolución temporal queda descrita por un sistema de ecuaciones dife-
renciales. La dinámica del sistema hace variar dichos estados en función del tiempo
(de forma continua), dentro de un espacio euclideano n-dimensional que constituye el
espacio de estados del sistema, se tiene entonces un sistema dinámico continuo.
Otra forma de estudiar sistemas dinámicos es mediante la iteración de funciones

donde se consideran las variaciones de los estados en pequeños saltos o lapsos de
tiempo (de forma discreta), entonces tenemos un sistema dinámico discreto.
Como los observadores se basan en los modelos de los sistemas dinámicos, el

considerarlos dentro de una clasificación como observadores continuos, discretos y
continuos-discretos, corresponde básicamente a una forma de implementar el algorit-
mo de solución del sistema de ecuaciones o de las funciones diferenciales.
Los observadores descritos en la Sección 2.3 se basan en una solución tiempo

continuo. Como en la práctica este caso es poco común, se presenta en esta sección
la versión discreta del observador de alta ganancia para sistemas no lineales.
Se tiene el sistema de la forma:

ż = Az + φ(z, u)
(2.4.1)
y(t) = Cz
donde z ∈ Rn y u ∈ Rm , y las matrices A, φ y C están dadas por:

   
0 1 0 0 φ1 (z1 , u)
 .. φ2 (z1 , z2 , u)
 . 1
  
A= φ(z, u) =  C= 1, 0, . . . , 0
  
. ..
.. 1 
 
 0  . 
0 ... 0 0 φn (z, u)
La discretización de este sistema por el método de Euler, está dada por:

ż(k + 1) = z(k) + Ts [Az(k) + φ(z(k), u(k))]
(2.4.2)
y(k) = Cz(k)
donde Ts es el periodo de muestreo del sistema. Utilizando la notación de x(k) para

representar el valor de una variable x en un instante de tiempo kTs .
Asumiendo que la matriz φ(z, u) es globalmente Lipschitz, se puede establecer la

siguiente hipótesis (Ben, 1997):
Hipótesis 2.1. Sea U un conjunto simple de Rm , entonces existe una constante c > 0
tal que ∀{z, z̄} ∈ Rn , se tiene:
kφ(z, u) − φ(z̄, u)k ≤ ckz − z̄k

2.5 Observadores continuo-discretos 35
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:
˙ + 1) = ẑ(k) + Ts [Aẑ(k) + φ(ẑ(k), u(k))] + ∆−1 K[Cẑ(k) − y(k)]

ẑ(k θ (2.4.3)
y(k) = Cz(k)
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).
2.5. Observadores continuo-discretos

Cuando el periodo de muestreo de las mediciones corresponde con la dinámica del
sistema, un método para construir un observador consiste en discretizar el sistema
con el mismo periodo de muestreo que el de las mediciones.
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).
Para comprender completamente el funcionamiento de estos observadores, se pre-

senta un ejemplo que parece simple, pero es útil desde el punto de vista didáctico.
Como es posible ver en la Fig. 2.3, un individuo camina por la lı́nea central de una
avenida. a) En la primera etapa: el individuo avanza cinco pasos con los ojos cerrados
pretendiento seguir la trayectoria de la lı́nea central; b) en la segunda etapa: el indi-
viduo abre sus ojos por un instante de tiempo relativamente corto para identificar su
posición relativa a la lı́nea central y corregir su trayectoria.
Entonces, a partir de este ejemplo se dice que los observadores continuo-discretos

realizan su trabajo de estimación en dos etapas:
1. Predicción:(con los ojos cerrados) se trata de reproducir la trayectoria deseada.

Fig. 2.3: Ejemplo de proceso continuo-discreto
2. Corrección:(se efectúa una medición visual en un instante de tiempo corto) se

corrige la posición actual por comparación con la trayectoria seguida.
Está claro que en el proceso continuo-discreto, la trayectoria seguida por individuo

es continua y las mediciones que realiza para recuperar su trayectoria deseada, son
discretas. Es posible comparar cada paso que da el individuo en su trayectoria seguida,
con el paso de integración para resolver el sistema durante la etapa continua.
En (Deza et al., 1992), se propone un observador continuo discreto para la esti-

mación de estados en sistemas no lineales observables para todas sus entradas, de la
forma:

ẋ = f (x) + g(x)u
(2.5.1)
y = h(x)
donde x ∈ Rn , u = (u1 , ..., un ) ∈ Rm , son entradas medibles y y ∈ R es una salida

medible.
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:
Una etapa de predicción en el intervalo de tiempo t ∈ [tk , tk+1 ]:
x̂˙ = f (x̂(t)) + g(x̂(t))u(t)

(2.5.2)
Ṡ = −θS(t) − AT S(t) − S(t)A
2.5 Observadores continuo-discretos 37
Una etapa de corrección en el instante de tiempo t = tk+1 :
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 ))
donde ωo está dada por:

−1
∂φ(x)
ωo (x̂(tk+1 )) = − S−1 (tk+1 )CT (2.5.4)
∂x x=x̂(tk+1 )

S(tk+1 ) es una matriz simétrica definida positiva (SDP) variante en el tiempo. La

expresión t−
k+1 representa el valor lı́mite de una variable en el instante tk+1 , en otras
palabras:
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.
Entonces, el algoritmo del observador continuo-discreto es muy sencillo: en la eta-

pa de predicción el observador realiza la estimación basado únicamente en el modelo
que usa del sistema y en la etapa de corrección, la expresión correspondiente al tér-
mino se da explı́citamente.
En la literatura es posible encontrar este algoritmo de observación con aplicación

en procesos. Un ejemplo de esto es el caso del trabajo de Astorga et.al. (2002b) donde
se presenta un observador de estados continuo-discreto para el monitoreo de paráme-
tros en un reactor de copolimerización, la salida de este observador es posteriormente
usada en el control de la composición del copolı́mero.
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.
2.6. Observadores para columnas de destilación

La aplicación de observadores en columnas de destilación, tienen como objetivo
común el predecir las concentraciones en una columna de destilación, a partir del uso
de las mediciones disponibles de las temperaturas y presión en las diferentes etapas
de la columna de destilación, aprovechando las correlaciones de equilibrio.
Para establecer una comparación de los observadores presentados en esta sección

se tienen en cuenta el tipo de sistema, los métodos de sintonización de la ganancia y
el análisis del error, tomado este último como la diferencia entre las mediciones de la
salida del proceso y las mediciones dadas por el observador.
Aquı́ se presentan algunos tipos de estimadores presentado en la literatura, que

han sido diseñados con el fin de predecir las concentraciones molares, a partir del uso
de las mediciones de las temperaturas disponibles en las columnas de destilación:
1. Observador Luenberger Extendido (ELO), (Quintero-Mármol et al., 1991).
2. Filtro de Kalman Extendido de Alta Ganancia (FKE-AG), (Viel et al., 1992).
3. Observador de Alta Ganancia (OAG), (Deza y Gauthier, 1991).
4. Observador de Alta Ganancia Constante (OAGC), (Hammouri et al., 2002).
El primer observador que es expuesto en (Quintero-Mármol et al., 1991), donde

los autores proponen un Observador Luenberger Extendido, para lo cual se supone
que el modelo de la columna de destilación, corresponde a la clase de sistemas no
lineales de la forma:

ẋ(t) = f (x(t), u(t))
(2.6.1)
y(t) = h(x(t))
El observador propuesto tiene la siguiente estructura:
x̂˙ = f (x̂(t), u(t)) − K(Cx̂ − y)ŷ(t) = h(x̂(t))

(2.6.2)
Sintonización: La ganancia K es obtenida por ubicación de los polos del obser-

vador en lazo cerrado, a fin de que el error, tienda exponencialmente a cero.
2.6 Observadores para columnas de destilación 39
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.
Otro observador propuesto es descrito en (Deza y Gauthier, 1991), este trabajo

describe la sı́ntesis de un observador conocido como Observador de Alta Ganancia.
Se supone que la columna de destilación presenta el esquema general de un sistema
no lineal de la forma:

ẋ = f1 (x) + f2 (x)u
(2.6.3)
y = x1 = h(x)
El observador propuesto tiene la siguiente estructura:
x̂˙ = f˜1 (x̂)A(x̂) + f˜2 (x̂)u − K(CT x̂ − y)

(2.6.4)
ŷ = Cx̂
donde la ganancia K = S−1 CT . Aquı́, S es una matriz simétrica definida positiva

(SDP) que debe satisfacer la siguiente ecuación de Riccati:
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.
Otro observador para columnas de destilación es un Filtro de Kalman Extendido

(EFK) propuesto por (Viel et al., 1992) donde se asume que la columna de destilación
binaria tiene el modelo de un sistema no lineal de la forma:

ẋ = f (x, u)
(2.6.6)
y = Cx
El observador EFK tiene la forma:
x̂˙ = f (x̂, u) − K(Cx̂ − y)

(2.6.7)
y = Cx̂
donde K = Sθ CT r−1 , r > 0 θ > 0 y Sθ es una matriz simétrica definida positiva

que debe satisfacer con la siguiente extensión de la ecuación de Riccati:
Ṡ = θ + Sf (x̂, u)T + f (x̂, u)S − SCT r−1 CS (2.6.8)

Sintonización: La metodologı́a de diseño del EKF consiste en elegir una ganan-
cia lo suficientemente alta al modelo obtenido después de un cambio de coordenadas
no lineales. La robustez de este observador es fácilmente probable aplicando pertur-
baciones limitadas al modelo, de esta forma se dice que el error de este observador es
limitado y proporcional al lı́mite de dichas perturbaciones.
Se presenta también una estrategia de diseño de un Observador de Alta Ganancia

Constante (OAGC) propuesto por (Hammouri et al., 2002), para una columna de
destilación que se asume representa una clase de sistemas no lineales multi-salida
de la forma:
 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))
Para 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
(2.6.10)

 y(t) = h(x̂(t))
donde la ganancia está dada por K = r∆θ Sθ −1 CT . 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:
∆θ = diag(θ, θ2 , ..., θn ) (2.6.11)

Sθ es una matriz simétrica definida positiva que debe satisfacer la ecuación de
Riccati dada por la expresión de la Ec. (4.1.9). La principal caracterı́stica de este
observador, radica en la facilidad con la cual se implementa y calibra, de hecho, la
ganancia de este observador es constante y su obtención no requiere la resolución de
un sistema dinámico.
Para comprender mejor las diferencias y similitudes de estos observadores, se pre-

sentan las Tablas 2.1 y 2.2:
2.7 Conclusiones 41
Tabla 2.1: Observadores para columnas de destilación

Nombre Sistema no lineal Observador propuesto
OLE (1991) ẋ(t) = f (x(t), u(t)) ˙
x̂(t) = f (x̂(t), u(t)) − K(Cx̂(t) − y(t))
FKE-AG (1992) ẋ(t) = f (x(t), u(t)) ˙
x̂(t) = f (x̂(t), u(t)) − K(Cx̂(t) − y(t))
OAG (1992) ẋ = f (x) + g(x)u ˙x̂ = f (x̂)A(x̂) + g(x̂)u − K(Cx̂ − y)
Xm
OAGC (2002) ẋ(t) = f0 (x(t)) ˙x̂(t) = f0 (x̂(t)) + ui (t)fi (x̂(t))
i=1
m
X
+ ui (t)fi (x(t)) −K(Cx̂(t) − y(t))
i=1
Tabla 2.2: Ganancias y parámetros de sintonización

Nombre Ganancia Parámetros de Sintonización
OLE K K
FKE-AG K = S−1 T −1
θ C r r>0yθ>0
OAG K = S−1
θ C
T
θ>0
OAGC K = r∆θ S−1
θ C
T
r > 0, θ > 0 y ∆θ = diag(θ, θ2 , ..., θn )
Las tablas anteriores representan un comparativo de la estructura de los obser-

vadores propuestos por diferentes autores, aplicados a la estimación de concentra-
ciones molares en columnas de destilación.
La Tabla 2.2 muestra la estructura de la ganancia y los parámetros de sintonización

en cada observador. Se puede apreciar en el caso del observador de alta ganancia
constante que dicha sintonización se hace una única vez (porque que es constante)
y es posible realizar ajustes finos en cada uno de los estados estimados a partir de
la elección de θ, ya que este parámetro los afecta directamente dentro de la matriz
diagonal ∆θ .
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
alternativas para la estimación de estados tanto en sistemas lineales como en sistemas

no lineales.
Se presentó una cronologı́a desde observadores para sistemas lineales y no lineales

pasando por los observadores discretos hasta llegar finalmente los continuo-discretos.
Se presentaron algunas ventajas de utilizar estos últimos en sistemas no lineales en
los que el tiempo de muestreo es importante y usualmente, diferente al tiempo usado
en las mediciones.
También fueron presentadas algunas metodologı́as para diseño de observadores y

su estructura, dependiendo del modelo del sistema al cual son aplicados. Finalmente
se muestró una sı́ntesis de observadores diseñados para estimar estados en columnas
de destilación y sus caracterı́sticas en con respecto a la estructura de la ganancia y
los parámetros de sintonización en cada uno de ellos.
Capı́tulo 3
Modelo de una Columna de

Destilación Binaria
En este capı́tulo se presenta un modelo matemático de una columna de destilación

de doce (12) etapas, localizada en el Centro Nacional de Investigación y Desarrollo
Tecnológico, CENIDET, también se desarrolla un modelo termodinámico para es-
tablecer el equilibrio de la mezcla binaria etanol-agua. El modelo creado corresponde
a una columna de destilación que puede ser operada de forma continua o por lotes.
Un experimento de destilación usualmente tarda varias horas dependiendo de las

condiciones de las entradas y el tipo de operación. Se consideran como entradas con-
troladas del sistema: el porcentaje de reflujo, la potencia calefactora agregada al
hervidor, el flujo de la alimentación y la composición de dicha alimentación.
El modelo propuesto aquı́ pretende reproducir los resultados obtenidos de un pro-

ceso de destilación real considerando los mismos parámetros de entrada. La dinámica
del modelo deberá simular la temperatura y las fracciones molares en cada plato, ası́
como en el condensador y en el hervidor a lo largo de todo el experimento.
El modelo debe tener en cuenta la transición de la respuesta de la temperatura y

de las fracciones molares en cada etapa de la columna ante cambios en las condiciones
de entrada, ası́ como también las condiciones del estado estable en cada etapa.
De aquı́ que es requerido que el modelo matemático pueda reproducir el com-

portamiento real del proceso, pues debe darse un compromiso entre la exactitud del
planteamiento y la similitud entre la respuesta del modelo y del proceso.
43
44 Modelo de una Columna de Destilación Binaria
La simulación de los procesos es una herramienta que permite estudiar el compor-

tamiento dinámico desde el momento del arranque de la planta hasta que el estado
estacionario es alcanzado. Esta tarea presenta una serie de ventajas entre las que
destacan:
La posibilidad de analizar el comportamiento de los procesos reales imponiendo
unas condiciones de operación que en campo serı́an imposibles de llevar a cabo
por motivos económicos o de seguridad.
El estudio de procesos existentes de manera más rápida ante la variación de
cualquier variable de entrada o alguna perturbación que se presente en el sis-
tema.
La capacidad de evaluar distintas configuraciones del sistema sin modificar la
planta real y, en función de los resultados obtenidos, tomar una decisión.
En la Sección 3.1 se hace la descripción fı́sica de cada una de las etapas de la planta
piloto del CENIDET. En la Sección 3.2 se desarrolla el modelo termodinpamico y el
modelo matemático de la planta, en la Sección 3.2.1 se presentan las simplificaciones
que se tienen en cuenta en el desarrollo del modelo. En la Sección 3.2.2 se describe la
relación de equilibrio que existe entre las fases lı́quida y de vapor correspondiente a
la mezcla binaria, esta relación es esencial ya que lleva a un modelo termodinámico
de los componentes usados en la destilación, en cada etapa de la columna.
En las Secciones 3.2.3 y 3.2.4 se realiza el cálculo de las variables implicadas en

el proceso como son: los flujos molares, masas molares y los parámetros fı́sicos de la
mezcla en la etapa de alimentación, se describen también los balances de materia y
energı́a mediante ecuaciones diferenciales. La Sección 3.2.5 se presenta la organización
del modelo matemático en una estructura triangular que facilita su uso en tareas de
observación.
La Sección 3.3 contiene la descripción de la planta piloto donde se realizan pruebas

experimentales, las condiciones iniciales de operación del sistema, el diseño de los
experimentos y los resultados de la validación; en esta sección también se comparan
mediciones reales tomadas de la planta piloto con la respuesta dinámica del modelo.
Finalmente, en la Sección 3.4 se muestra un resumen del capı́tulo y conclusiones en
base a lo desarrollado.
3.1. Descripción fı́sica de la planta

Una columna de destilación consiste de N-2 platos, un condensador y un hervi-
dor. Se etiqueta al condensador con el número 1, al hervidor con el número N, y los
3.1 Descripción fı́sica de la planta 45
platos intermedios son numerados ascendentemente del condensador al hervidor. La

alimentación es depositada en el plato número f, conocido como plato de alimentación
(Luyben, 1992).
Fig. 3.1: Esquema general de una columna de destilación
La energı́a para que la columna funcione es proporcionada por el calor que se

aplica en el hervidor, lo que causa la evaporación de parte del lı́quido que se encuen-
tra en él. La corriente de vapor, conforme asciende por la torre, se enriquece en el
componente más volátil. Esta corriente de vapor se condensa en el condensador, una
parte de ese lı́quido condensado se regresa hacia la columna (por acción del reflujo)
y otra parte se extrae del acumulador como producto destilado.
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.
A la zona superior al plato de alimentación se le conoce como zona de enrique-

cimiento o rectificación (ver la Fig. 3.1). En dicha zona, la pureza de la fracción
molar lı́quida del componente ligero se incrementa. La zona de empobrecimiento o
agotamiento se encuentra debajo del plato de alimentación (ver la Fig. 3.1), y es en
donde se realiza la transferencia a un gas (componente ligero) de los componentes
volátiles de una mezcla lı́quida (etanol-agua).
A cada etapa de la columna le corresponde un grado de pureza de los elementos

y la variable que mide esta propiedad fı́sica se le conoce como fracción molar.
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).
El condensador (ver Fig. 3.2(a)) está localizado en la parte superior de la columna

de destilación, su función es enfriar el vapor que le llega del cuerpo de la columna,
condensándolo hasta llegar a fase lı́quida. En esta parte de la columna se establece
el reflujo, donde todo o parte del lı́quido condensado se regresa a la columna para
permitir el equilibrio de fases.
El hervidor (ver Fig. 3.2(b)), está localizado en la parte inferior de la colum-

na, y para la planta piloto de destilación se puede ver como dos tanques separados
interconectados entre sı́. En el tanque pequeño se calienta la mezcla mediante una
resistencia calefactora.
(a) Condensador (b) Hervidor
Fig. 3.2: Condensador y hervidor de la planta piloto de destilación
En el tanque grande se almacena la mezcla a destilar. Al finalizar la destilación

el producto de fondo puede extraerse manipulando una válvula manual ubicada en
la parte inferior del tanque grande. Para efectos de simplificación, en este trabajo se
3.2 Modelado 47
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.
Fig. 3.3: Plato perforado de la planta piloto de destilación
Durante el proceso de destilación se ponen en contacto el vapor con el lı́quido. El

vapor es generado al calentar el residuo o fondo (B) que se encuentra en el tanque
del hervidor y el lı́quido se genera con el retorno a la columna de parte del producto
destilado (D), éstas son las mezclas más pobres y más ricas respectivamente, del
componente mas volátil.
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).
Para llevar a cabo la operación de destilación, es necesario disponer de datos del

equilibrio lı́quido-vapor o de correlaciones para poder estimarlos adecuadamente, en
Fig. 3.4: Esquema del modelo propuesto.
la mayorı́a de los casos estas relaciones son funciones no lineales de la temperatura,

la presión y la composición.
Es importante disponer de técnicas para modelar columnas de destilación lo más

cercano posible a la realidad y además diseñar, desarrollar e implementar sistemas de
monitoreo y de control eficaces, a fin de conseguir un funcionamiento seguro y óptimo
El modelo matemático de una columna de destilación consiste en un conjunto de

ecuaciones diferenciales derivadas de balances de materia y componente para cada
plato de la columna y un conjunto de ecuaciones algebraicas utilizadas para evaluar
las variables auxiliares.
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
3.2.1. Simplificaciones generales sobre el modelo

El modelo matemático desarrollado debe representar el comportamiento dinámico
del proceso real. Debe llegarse a un compromiso entre la exactitud en el planteamiento
del modelo y la similitud entre la respuesta del mismo y del proceso, en función de
los medios disponibles para la resolución del modelo.
Se establecen simplificaciones en cada una de las tres etapas de la columna, como

sigue: a). El condensador, b). El cuerpo de la columna (dado por un plato cualquiera,
bien sea de la zona de rectificación o de agotamiento) y c). El hervidor. En este orden
se tiene entonces:
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
- Se considera que no existen pérdidas de calor, se asume que la columna es adiabática.
- La fase lı́quida y vapor que abandonan el plato se encuentran en equilibrio termo-

dinámico.
- El cambio de presión en la columna es despreciable, es decir, la presión de referencia

es igual a la presión atmosférica para el punto donde se encuentra el equipo.
- No se considera acumulación de vapor a lo largo del sistema.
- No se considera alimentación del sistema, es decir, las pruebas se desarrollan por

lotes.
c. Hervidor
- Se considera que no hay pérdidas de calor al ambiente.
- La ebullición ocurre en un solo tanque.
- Se considera que en todo momento el hervidor es capaz de suministrar el calor

requerido para la destilación.
3.2.2. Modelo termodinámico

Equilibrio lı́quido-vapor
Definición 3.1. Equilibrio Lı́quido-Vapor : Si un vapor y un lı́quido están en

ı́ntimo contacto por un largo periodo de tiempo, se alcanza el equilibrio entre las dos
fases. Esto significa que no existe ningún flujo de calor, ni de masa ni de momentum
entre las dos fases.
El equilibrio lı́quido-vapor es clave en la etapa de la construcción del modelo de
la columna de destilación, además es una importante herramienta para la correlación
y predicción de las propiedades termodinámicas y del comportamiento de fases de la
mezcla. A través de la información experimental de dicho comportamiento es posible
seleccionar y validar el método de predicción de las propiedades termodinámicas, que
posteriormente se utilizarán en la construcción de los mapas de curvas de equilibrio.
La ventaja de la purificación de substancias por destilación depende de una medida

numérica que es conocida como el factor de separación entre los componentes de una
mezcla, también llamada volatilidad relativa, por lo cual, las mezclas con puntos de
ebullición próximos son más difı́ciles de separar por destilación. Por lo tanto, es pre-
ciso conocer las propiedades termodinámicas de la mezcla para calcular la constante
de equilibrio. Las mezclas se clasifican, de acuerdo a sus propiedades termodinámi-
cas en: ideales y no ideales. Una mezcla es ideal cuando cumple con las siguientes leyes:
Ley de Raoult: establece que la presión de vapor de un componente de una mezcla

es proporcional a la fracción molar lı́quida de dicho componente y a la presión de
vapor del componente puro.
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
diferentes puntos de ebullición, debido a que los componentes de la mezcla conside-

rada forman un azeótropo.
Fig. 3.5: Equilibrio de fases para la mezcla etanol-agua a diferentes presiones
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.
Para efectos de las no linealidades de sistemas quı́micos a baja presión y a través de

la Ley de Raoult para la fase lı́quida ideal, la ecuación que representa la composición
molar de vapor en función del componente ligero es:
yp PT = Pisat xp γi (3.2.3)
El coeficiente de actividad γi es un factor de corrección altamente dependiente de

la concentración. Uno de los métodos para determinar este coeficiente en cada uno de
los componentes de la mezcla, es con el uso de la ecuación de Van Laar:
Fig. 3.6: Equilibrio lı́quido-vapor para la mezcla etanol-agua usando V an − Laar1
 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 .
Para sistemas de mezclas lineales, el coeficiente de actividad lı́quida es la unidad,

γi = 1, lo que se reduce a la ley de Raoult descrita en la Ec. (3.2.1). Por el contrario,
para mezclas no ideales se muestran desviaciones negativas de la Ley de Raoult si
γi < 1 e inversamente, positivas si γi > 1.
La literatura presenta modelos que han demostrado factibilidad para describir el
comportamiento de las mezclas no ideales basados en la correlación del coeficiente
de actividad en la fase lı́quida. La selección del modelo para evaluar las propiedades
fı́sicas depende de la exactitud, la eficiencia y el tipo de propiedades secundarias
requeridas ası́ como la complejidad en la implementación y las variables disponibles
en la ecuación.
1
Los datos considerados para establecer esta relación de equilibrio fueron tomados de Gmehling
(1988) a presión atmosférica.
3.2 Modelado 53
Validación del modelo termodinámico
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).
Fig. 3.7: Diagrama de flujo para el cálculo del punto de burbuja
El cálculo del punto de burbuja es un algoritmo que determina el equilibrio lı́quido-

vapor de las N etapas de la columna de destilación (platos), utilizando las fracciones
molares de vapor y la temperatura respectiva de cada componente a una presión cons-
tante (760mmHg). Dicho algoritmo que itera sobre la temperatura hasta que la suma
de las fracciones molares de vapor calculadas sea igual a la unidad. En la Fig. 3.7 se
muestra el diagrama de flujo de este algoritmo.
El error del modelo propuesto se determina mediante la aplicación de la siguiente

fórmula:
N !
X Texp − Tmodel
ε= /N ∗ 100 (3.2.5)

j=1
Texp
donde N, representa el número total de mediciones consideradas en el experimento

a presión atmosférica.
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).
Tabla 3.1: Evaluación del error en el modelo termodinámico propuesto a 760mmHg

x( % mol) yexp ( % mol) ymod ( % mol) Error( %) Texp (o C) Tmod (o C) Error( %)
0 0 0 0 100 99.997 0.0030
0.0102 0.1133 0.1115 0.79 97 96.998 0.0025
0.0404 0.3029 0.3014 0.69 91.16 91.226 0.0258
0.1704 0.5221 0.5220 0.53 83.49 83.418 0.0409
0.5802 0.6894 0.6895 0.42 79.22 79.244 0.0388
0.7003 0.7531 0.7531 0.35 78.60 78.622 0.0370
0.9099 0.9090 0.9092 0.31 78.18 78.165 0.0345
1 1 1 0.27 78.32 78.298 0.0337
De igual forma se evaluó la varianza (S 2 ), como una forma estadı́stica de evaluar

la dispersión de los datos con respecto a la media. La varianza se define entonces como
la media de las diferencias cuadráticas de N mediciones consideradas con respecto a
su media aritmética, es decir:
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
Se presenta entonces la Tabla 3.2 donde se presentan los datos correspondientes

al cálculo de la varianza y la desviación tı́pica de los datos calculados por el modelo
termodinámico propuesto. La media aritmética de la Temperatura calculada por el
modelo es T̄mod = 85.746o C y para la concentración de vapor del componente ligero
es ȳ =0.5362 % mol.
Tabla 3.2: Varianza y desviación tı́pica en el modelo termodinámico propuesto a

760mmHg
ymod ( % mol) Sy2mod ( %mol2 ) S( % mol) Tmod (o C) ST2 (o C 2 ) S(o C)
mod
0 0.2875 0.5362 99.997 203.091 14.251
0.1115 0.2339 0.4836 96.998 164.893 12.839
0.3014 0.1743 0.4175 91.226 119.909 10.950
0.5220 0.1308 0.3617 83.418 91.2871 9.554
0.6895 0.1093 0.3306 79.244 81.4849 9.029
0.7531 0.0990 0.3146 78.622 76.3626 8.738
0.9092 0.1047 0.3236 78.165 73.6639 8.582
1 0.1185 0.3442 78.298 71.3901 8.449
El cálculo del punto de rocı́o (condensación), es el cálculo de la temperatura a la

que se empieza a condensar un componente. A partir de este punto, es posible en-
tonces calcular la composición de un lı́quido en equilibrio a una presión PT conocida
(ver Fig. 3.8).
Para el caso de estudio, las no linealidades se consideran en la fase lı́quida por lo

que es posible calcular la composición de lı́quido a partir de la siguiente ecuación:
y p PT
xp = (3.2.8)
Pisat γi
donde xp es la concentración lı́quida del 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 Ec. (3.2.9). Dicho algoritmo itera sobre la temperatura hasta que la suma
de las fracciones molares lı́quidas calculadas sea igual a la unidad, como se muestra
en el diagrama de flujo de la Fig. 3.8.
Cálculo de las presiones y temperaturas
La presión de vapor de cada uno de los componentes (i = 1 para etanol y i = 2

para el agua), que está en función de la temperatura es modelada por la Ecuación de
Fig. 3.8: Diagrama de flujo para el cálculo del punto de rocı́o
Antoine (Perry, 1999):

Bi
ln(Pisat ) = Ai + (3.2.9)
T + Ci
donde Ai , Bi , Ci son los coeficientes de Antoine dados para cada componente
(Perry, 1999). El valor de estos coeficientes son constantes y se citan en la Tabla 3.3.
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).
La temperatura en cada plato no se obtiene a partir del balance de energı́a, sino

que se calcula a partir de la temperatura del punto de burbuja. La temperatura de
burbuja es aquella temperatura que está en equilibrio con una composición del lı́quido
3.2 Modelado 57
Tabla 3.3: Constantes de Antoine para cada componente

Constante Etanol Agua
Ai 8.1120 8.07131
Bi 1592.864 1730.630
Ci 226.184 233.426
conocida a una determinada presión también conocida.
En la Tabla 3.4 se relacionan los valores de yi tanto del etanol como del agua,
calculados a partir del modelo termodinámico propuesto.
Tabla 3.4: Valores de la concentración de vapor para el etanol y el agua

yetoh ( % mol) yh2 o ( % mol)
0 1
0.1133 0.8867
0.3029 0.6969
0.5221 0.4777
0.6894 0.3104
0.7531 0.2467
0.9090 0.0909
1 0
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).
Como es posible apreciar, el azeótropo se ubica cuando la concentración de lı́quido

y la de vapor son de x = y=0.9010 % mol y la temperatura es de 78.16 o C, cuando
la presión es P=760mmHg.
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
Fig. 3.9: Temperatura vs concentraciones molares x, y a presión atmosférica.
se considera constante es diferente a la atmosférica que se ha venido utilizando en

este trabajo.
En la Fig. 3.10 se presenta el diagrama de equilibrio de fases (lı́quido y vapor) de

la mezcla en estudio, considerando las constantes de Antoine y de Van Laar que se
encuentran en la literatura y que se utilizan en el modelo termodinámico propuesto.
En esta gráfica la presión de operación del proceso es de 637.4 mmHg, calculada para
la ciudad de Cuernavaca, Morelos, México, ya que es donde está ubicada la planta
donde se realizan las pruebas experimentales.
En la Fig. 3.10 se observa que las temperaturas de ebullición y de la mezcla cam-

bian cuando la presión de operación del proceso es diferente. Ası́ mismo, el valor de la
temperatura y del azeótropo también se modifica, se ubica cuando la concentración
de lı́quido y la de vapor son de x = y=0.9070 % mol y la temperatura es de 73.79
o
C cuando la presión es P=637.4mmHg.
3.2.3. Modelo matemático

El modelo de la columna se ha subdivido en cuatro modelos básicos, que repre-
sentan: el condensador, un plato cualquiera, el plato de alimentación y el hervidor.
Repitiendo el modelo del plato tantas veces sea necesario y conectándolos a los mo-
delos del condensador y el hervidor de forma conveniente, se obtiene el modelo de
columna que se desee.
3.2 Modelado 59
Fig. 3.10: Temperatura vs concentraciones molares x, y a presión=637.4 mmHg.
Aplicando también el concepto de estado en equilibrio y el principio de conser-

vación de la materia, se calcula el balance global de materia en cada etapa de la
columna, colocando cada etapa (plato) en cascada. Las entalpı́as del proceso son con-
sideradas constantes, por lo tanto, el balance de energı́a no es tomado en cuenta en
el desarrollo de este modelo.
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.
Modelo del condensador (plato p=1)
En la parte superior de la columna, el vapor que sale del plato 2 entra en un

intercambiador de calor donde se condensa totalmente (Cingara et al., 1990; Skoges-
tad, 1997). Se trata de un condensador vertical con un tubo helicoidal por donde fluye
el vapor a condensar en contracorriente con el lı́quido refrigerante (agua) que circula
por la carcasa, (ver Fig. 3.2(a)).
Balance global de materia

dM1
= V2 − L1 − D (3.2.10)
dt
Balance por componente

dM1 x1
= V2 y2 − L1 x1 − Dx1 (3.2.11)
dt
Fig. 3.11: Dinámica en el condensador

La Fig. 3.11 muestra el balance por componente que se desarrolla en el conden-
sador. Como es posible apreciar, el condensador recibe un flujo de vapor (V2 ) del plato
p=2 y al cual va un flujo lı́quido (L1 ), de igual forma sale de él producto destilado
(D), completando de esta forma el balance total de materia.
Modelo de un plato cualquiera (p)

Cada uno de los platos de la columna (ver Fig. 3.3) recibe una corriente de lı́quido
del plato localizado sobre él y un flujo de vapor del plato inmediatamente inferior
(como se muestra en la Fig. 3.12). En el caso del plato de alimentación, éste recibe
además una entrada de lı́quido y/o de vapor con la composición original de la mezcla
que se desea destilar.
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
Fig. 3.12: Dinámica de un plato
Balance global de materia: Permite conocer la cantidad de materia contenida en

cada plato de la columna.
dMp
= Vp+1 − Vp + Lp−1 − Lp (3.2.12)
dt
Balance por componente: Permite conocer la fracción molar de materia de cada
componente contenida en la mezcla.
dMp xp
= VR (yp+1 − yp ) + LR (xp−1 − xp ) (3.2.13)
dt
Modelo del plato de alimentación (plato p=7 ó p=2)

Este submodelo es un caso particular del submodelo anterior. Para describirlo se
necesitan las mismas ecuaciones que en el submodelo plato, pero particularizadas para
esta etapa concreta.
La diferencia fundamental se encuentra en las ecuaciones que describen el com-

portamiento dinámico de la etapa, dado que ahora deben incluir un término referente
a la alimentación que llega a la columna a través de esta etapa.
Balance global de materia

dMf
= Vp+1 − Vp + Lp−1 − Lp + F (3.2.14)
dt
Balance por componente
dMf (xf )
= Vr (yf +1 − yf ) + Lr (xf −1 − xf ) + F (zF ) (3.2.15)
dt
Fig. 3.13: Plato de alimentación
La Fig. 3.13 muestra los platos de alimentación de la planta piloto de destilación

del CENIDET. Es posible alimentar mezcla a la columna a través de los platos p=2
(abajo del condensador) y p=7. La Fig. 3.14 muestra el balance global de materia que
se lleva a cabo en el plato de alimentación, considerando se ingresa mezcla en él.
Para efectos de este trabajo de tesis, la validación experimental es realizada en la

columna de destilación operada por lotes, por lo que no se considera flujo de alimenta-
ción. Es decir, F=0, y por lo tanto el modelo que describe el balance por componente
del plato de alimentación se reduce al modelo dado en la Ec. (3.2.13).
Modelo del hervidor (p=N=12)

El hervidor (ver Fig. 3.2(b)) proporciona calor a la columna de destilación, di-
cho calor es utilizado para hacer ebullir la mezcla. Particularmente en este estudio,
una termo-resistencia eléctrica es la que proporciona calor a la mezcla almacenada
en el hervidor (con capacidad de 6 L), que al calentarse produce un flujo de vapor (V ).
Balance global de materia: La variación de la cantidad de lı́quido contenido en

3.2 Modelado 63
Fig. 3.14: Dinámica en el plato de alimentación
el hervidor, como consecuencia de los cambios sufridos en las corrientes de entrada

y salida del mismo, se calcula mediante el balance global de materia dado por la
siguiente ecuación:
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
3.2.4. Descripción de las entradas del modelo matemático

Fracción molar de Etanol en la alimentación
La fracción molar de etanol (componente ligero) en la alimentación, puede ser
determinada de forma simple a partir de la siguiente ecuación (Murray, 2003):
v f 1 ρ1
( ω1
)
zF = v f 1 ρ1 v ρ (3.2.18)
( ω1 ) + ( fω22 2 )
donde:
- vf i es el volumen de un componente i en la alimentación (ml).
- ρi es la densidad de cada componente (g/cm3 ).
- ωi es el peso molecular de cada componente (g).
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).
Calidad del lı́quido de alimentación

La calidad del flujo de alimentación qF , también llamado grado de vaporización,
indica en que fase se encuentra un componente en la etapa de alimentación:
[(zF × Cp1 ) + ((1 − zF ) × Cp2 )](Tb − Tf )

qF = 1 + vap vap (3.2.19)
HEtOH zF + HH 2O
(1 − zF )
Para calcular este factor de calidad, deben considerarse la temperatura (Tf ) a la
cual la alimentación ingresa a la columna y la temperatura de ebullición de la mezcla
(Tb ). También se tiene que:
- Cpi es calor especı́fico de un componente en la fase lı́quida (kJ/molo C).

vap
- HEtOH es entalpı́a de vaporización del componente ligero (kJ/mol).
vap
- HH2O
es entalpı́a de vaporización del componente pesado (kJ/mol).
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.
En relación a las condiciones térmicas de la alimentación, el grado de vaporización

puede asumir los siguientes valores:
Tasas de flujos molares

En la columna de destilación fluyen principalmente seis tasas molares de lı́quido y
vapor internas y provenientes del exterior. Llevando a cabo las suposiciones anteriores,
los flujos molares con respecto al componente ligero se obtienen mediante las siguentes
expresiones matemáticas.
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
Tabla 3.5: Factor de calidad de la alimentación
Valor Grado de vaporización

qF < 0 vapor sobrecalentado
qF = 0 alimentación en el punto de ebullición
0 < qF < 1 alimentación de lı́quido y vapor
qF > 1 alimentación subenfriada
qF = 1 alimentación en el punto de rocı́o
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:
- Qb es el calor aplicado al hervidor (watts).

vap
- HEtOH es entalpı́a de vaporización del componente ligero (kJ/mol).
vap
- HH2O
es entalpı́a de vaporización del componente pesado (kJ/mol).
- qF La calidad del flujo de alimentación (adimensional), calculado a partir de la

expresión dada en la Ec. (3.2.19).
Este flujo molar de vapor se encuentra en unidades de moles/minuto, por lo que

60 representa la cantidad de segundos por minuto, para ajustar las unidades de la
ecuación.
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
El de flujo del destilado D se calcula a partir del balance de materia en el conden-

sador y la tasa de flujo del producto de fondo B es calculada apartir del balance de
materia en el hervidor:

D = VR − LR
(3.2.22)
B = (F − D)
Retención de masas molares

La retención de masa en el hervidor, en cada plato y en el condensador para este
modelo no es considerada constante, debido a que a la base de la columna llega el
lı́quido procedente del plato superior y el vapor de agua del plato inferior (como se
muestra en la Fig. 3.12).
Esta retención es determinada a partir del análisis del principio de conservación

de la masa dado por el balance global de materia. Para cada etapa de la columna,
este balance es descrito por las Ecs. (3.2.10, 3.2.12,3.2.16).
Se deben considerar unas condiciones iniciales de masa retenida en cada etapa.

Estas cantidades molares son especı́ficas de la columna de destilación modelada y
de la mezcla etanol-agua referida en este trabajo. Dichas condiciones iniciales son
calculadas para cada etapa de la columna como sigue:
La masa molar retenida en el hervidor, MB es calculada a partir del volumen

de mezcla que se encuentra en el tanque del hervidor (3.6 L, una vez es alcanzado
el estado estable) y el peso molecular del componente pesado (se asume agua pura
en el hervidor). Entonces esta retención está determinada por la siguiente ecuación
(Murray, 2003):
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
La masa molar retenida en el condensador, MD también es calculada a partir del

volumen de lı́quido que permanece en él. Sin embargo, este volumen no puede ser
medido experimentalmente en la columna de destilación del CENIDET por lo que se
asume es de 10 mL 3 . También se asume hay etanol puro en el condensador:
1000cm3

0.78g 1mol
MD = 0.01L × × 0.85 × = 0.135moles (3.2.25)
1L cm3 46.07g
3.2.5. Estructura triangular del modelo

El modelo de la columna de destilación binaria que se considera es el modelo
clásico LV (lı́quido-vapor) descrito por diferentes autores como (Cingara et al., 1990)
y (Skogestad, 1997). Teniendo en cuenta las ecuaciones que describen el balance por
componente en cada una de las etapas de la columna y que fueron descritas en la
Seccion 3.2.3, el modelo LV queda descrito por el siguiente conjunto de ecuaciones:
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.
En este orden, para la columna de destilación, el sistema es dividido en dos

secciones como se muestra en la Fig. 3.15 y se propone un modelo de forma triangular
para la columna de destilación:
3
Valores aproximados, los datos de referencia son tomados de (Murray, 2003)


 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
Como se aprecia en la Ec. (3.2.27), la estructura triangular se forma de la depen-

dencia de un estado, con respecto a los estados anteriores. Este modelo planteado
por (Hammouri et al., 2002) es muy útil en el proceso columna de destilación bi-
naria ya que es factible considerar las no linealidades del sistema a través de una
transformación de coordenadas que permite llevarlo a una forma canónica observable.
Fig. 3.15: Esquema de una columna de destilación que puede ser descrita por un
modelo triangular.
El modelo de estructura triangular en forma compacta queda:

3.2 Modelado 69
 x˙1 (t) = f 1 (x(t), u(t))


x˙2 (t) = f 2 (x(t), u(t)) + d2 (t) (3.2.28)

y(t) = (x11 (t), x21 (t))T = (x1 (t), xn (t))T

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:
(z1 , ..., zn ) = (h(x), Lf0 (h(x)), ..., Ln−1

f0 (h(x))) (3.2.29)
donde Lf0 denota las derivadas de Lie del campo vectorial f0 . De esta manera se
lleva al sistema representado por la Ec. (3.2.28) a uno con la siguiente forma canónica:
 m
 ż(t) = Az(t) + F (z(t)) X u (t)F (z(t))

0 i i
i=1
(3.2.30)

 y(t) = C(z(t))
donde A y C son matrices dadas por:

 
0 1 0 0
 ..
 . 1

A= C= 1, 0, . . . , 0

.. 
 0 . 1 
0 ... 0 0
y los vectores de funciones F están dados por:
T T
F0 = 0, . . . , 0, F0n ; para 1 ≤ i ≤ m, Fi = Fi1 , . . . , Fin y Fij = Fij (zi , ..., zj ).
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
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.
3.3. Validación experimental del modelo

En la Fig. 3.16 se muestra una fotografı́a de la columna de destilación utilizada
para realizar las pruebas experimentales. La planta es de doce etapas y las mediciones
de temperatura están disponibles en las etapas 1, 2, 4, 6, 7, 9, 11 y 12, mediante el uso
de sensores de tipo RTD de platino Pt-100. Utilizando estas mediciones y considerando
la relación de equilibrio establecida en la Sección 3.2.2, se obtienen las composiciones
lı́quidas del componente ligero.
La mezcla utilizada en este estudio es etanol-agua, considerada como una mezcla

no ideal. La validación experimental del modelo dado por la Ec. (3.2.26) es realizada
con los parámetros iniciales dados en la Tabla A-3 (del Anexo A), las entradas del
proceso son dadas en la Tabla 3.7.
3.3.1. Especificaciones generales de la planta

Para llevar a cabo las pruebas de simulación del modelo propuesto en este tra-
bajo, se consideran las siguientes caracterı́sticas de la planta de destilación y de los
componentes de la mezcla:
Condiciones de diseño de la columna de destilación:
Número de platos perforados: 10

Área total del plato: 68.07 cm2
Área de retención del plato: 59 cm2
Altura del plato: 10 cm
Altura considerada para el área de retención en los platos: 1 cm
Condensador total: 1
Hervidor: 1
Número de componentes: 2
Presión de operación: 637.4 mmHg
3.3 Validación experimental del modelo 71
Fig. 3.16: Planta Piloto de Destilación
3.3.2. Condiciones iniciales de operación

Las pruebas realizadas al modelo se efectuaron tomando en cuenta las condiciones
en estado estable que se muestran en la Tabla 3.6 como condiciones iniciales de ope-
ración.
El valor de las variables de entrada del sistema se relacionan en la Tabla 3.7 .

La Fig. 3.17 muestra el comportamiento de las entradas controladas del proceso, la
potencia calefactora y el reflujo respectivamente. Estos valores son tomados directa-
mente de la planta piloto, como entradas de un proceso experimental de destilación
de la mezcla etanol-agua.
(a) Potencia calefactora
(b) Reflujo
Fig. 3.17: Entradas controladas del proceso

Tabla 3.6: Condiciones en estado estable

Etapa x ( %mol) y ( %mol) Temperatura (o C)
Condensador 0.8714 0.1286 73.76
Plato 2 0.8672 0.1328 73.78
Plato 3 0.8614 0.1386 73.80
Plato 4 0.8533 0.1467 73.84
Plato 5 0.8417 0.1583 73.88
Plato 6 0.8253 0.1747 73.95
Plato 7 0.8017 0.1983 74.03
Plato 8 0.7677 0.2323 74.14
Plato 9 0.7180 0.2820 74.26
Plato 10 0.6386 0.3614 74.47
Plato 11 0.4542 0.5458 75.77
Hervidor 0.1115 0.8885 81.25
Tabla 3.7: Entradas del proceso

Entrada Señal Tiempo de ejecución
Qb Escalón 0 − 1000 Watts 0 min
Reflujo Total 0 min
Reflujo Pulso(ton = 6s, tof f = 6s) 38 min
Reflujo Total 69 min
El proceso de destilación considerado para la validación del modelo, corresponde

a la operación por lotes de la planta. La presión considerada en este experimento es
la presión a la cual se encuentra la planta del CENIDET (637.4 mmHg).
Para este experimento fueron colocados en el hervidor de la columna 4 litros de

mezcla, correspondientes a 2 litros de etanol y 2 litros de agua, cuyo porcentaje de
concentración molar es calculado a partir de las caracterı́sticas termodinámicas de los
componentes usados en los experimentos.
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.
Para calcular la concentración molar de cada componente en la mezcla que es

ingresada al hervidor, el primer paso es determinar la masa (en gramos) de cada
componente contenida en la mezcla. Las ecuaciones algebraicas para esta operación

son las siguientes:
0.81g
M asaetoh = × 2000cm3 = 1620g (3.3.1)
cm3
0.995g
M asah2 o = × 2000cm3 = 1990g (3.3.2)
cm3
Posteriormente se calcula la cantidad de moles de cada componente presentes esas
cantidades de masa, como sigue:
1mol
µetoh = 1620g × = 35.1639moles (3.3.3)
46.07g
1mol
µh2 o = 1990g × = 110.4574moles (3.3.4)
18.016g
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.
3.3.3. Diseño de los experimentos

Se introduce una mezcla binaria compuesta por 2000 ml de etanol y 2000ml de
agua en el hervidor de la columna que se muestra en la Fig. 3.2(b). Se inicia agregan-
do calor al hervidor hasta llegar al 40 % de la potencia total (el 40 % equivale a 1000
watts). La destilación se realiza de tal manera que los vapores ascienden lentamente,
esto se logra precisamente aplicando la calefacción gradualmente. De otro lado se tiene
una operación de la columna en reflujo total, es decir, todo lo que se destila se regresa
por completo a la columna con el fin de enriquecer la mezcla con el componente ligero.
La columna de destilación se mantiene operando en estas condiciones hasta al-

canzar el estado estable. Es posible determinar este hecho cuando no hayan cambios
en los indicadores de temperatura del tablero de control de la planta piloto de desti-
lación, ver Fig. 3.18.
Fig. 3.18: Tablero de control de la planta piloto de destilación
Una vez que se ha llegado al estado estable se procede a determinar el tiempo en

el que el sistema trabajará en estas condiciones sin realizar cambios en las entradas
ni considerar perturbaciones. Para la validación del modelo se consideró un tiempo
de 18 minutos a partir del momento en el que se determina que ya llegó al estado
estable hasta que se introduce el primer cambio en una de las entradas.
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.
3.3.4. Resultados de la validación

Las Fig. 3.19(a) - 3.20(b) muestran los resultados obtenidos en relación a cuatro
platos únicamente, correspondientes al condensador (plato 1), un plato en la sección
de rectificación, el plato de alimentación y finalmente el plato 12 que es el hervidor.
Las simulaciones representan un experimento real que tarda aproximadamente 95

minutos, una vez es alcanzado el estado estable. En el minuto 18 es aplicado un es-
calón en la entrada Qb, es decir, se aumentó la potencia calefactora de 1000 a 1250
watts, pero el cambio es casi imperceptible en la temperatura, lo que se logra con el
cambio de esta entrada, es un aumento en el producto destilado.
En el minuto 38, se considera un cambio en el reflujo, pasando de reflujo total

a reflujo intermitente, representado como una serie de pulsos on-off de 6 segundos
abierto y 6 segundos cerrado, durante 31 minutos. Las Fig. 3.19(a) - 3.20(b), mues-
tran la comparación entre el modelo termodinámico propuesto en este trabajo y las
mediciones experimentales dadas por la planta.
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).
El error del modelo propuesto se determina mediante la aplicación de la siguiente

(a) Temperatura en el condensador
(b) Temperatura en el plato 4
Fig. 3.19: Temperaturas en la sección de rectificación

(a) Temperatura en el plato de alimentación
(b) Temperatura en el hervidor
Fig. 3.20: Temperaturas en la sección de agotamiento

fórmula:
N !
X Texp − Tmodel
ε= /N ∗ 100 (3.3.7)

j=1
Texp
donde N, representa el número total de mediciones consideradas en el experimento

a presión atmosférica.
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:
Tabla 3.8: Error de estimación de temperaturas
Etapa Error ( %)
Condensador 0.406
Plato 4 0.193
Plato de alimentación 0.176
Hervidor 0.129
Las Figs. 3.21 y 3.22 presentan el comportamiento de las concentraciones esti-

madas a partir del modelo termodinámico propuesto, en comparación con las esti-
madas a partir de la lectura de las temperaturas reales de la planta.
Como es posible apreciar en la Fig. 3.21(a), la mayor diferencia se presenta en

la estimación de la concentración molar lı́quida en el condensador, debido a que la
lectura de la temperatura en este punto no es precisa ya que fı́sicamente el sensor se
encuentra ubicado por debajo del condensador, además el modelo del condensador que
se presenta en este trabajo de tesis no considera todas caracterı́sticas fı́sicas propias de
esta etapa de la columna. Sin embargo se espera, este error de estimación en el modelo
pueda ser compensado por el observador que se diseña en el Capı́tulo 4 de este trabajo.
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).
(a) Concentración molar en el condensador
(b) Concentración molar en el plato 4
Fig. 3.21: Concentraciones molares en la sección de rectificación

(a) Concentración molar en el plato de alimentación
(b) Concentración molar en el hervidor
Fig. 3.22: Concentraciones molares en la sección de agotamiento

Tabla 3.9: Error de estimación de concentraciones
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.
Se desarrollaron dos algoritmos para el cálculo del punto de burbuja y de rocı́o,

dichos algoritmos cuentan con un conjunto de ecuaciones algebraicas que iteran con
el fin establecer un modelo termodinámico que determinan el equilibrio lı́quido-vapor
de la mezcla etanol-agua.
Posteriormente se presentó un modelo matemático que contiene un conjunto de

ecuaciones diferenciales que establecen el balance global de materia y el balance de
componente en cada etapa de la columna. El resolver el sistema en esta forma de-
sacoplada permitió involucrar un menor porcentaje de error al momento de validar
experimentalmente el modelo.
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.
El modelo fue validado experimentalmente en la planta piloto del CENIDET y

respondió adecuadamente a los diversos tipos de perturbaciones a los que se vio
sometido. En todas las etapas de la columna, la respuesta cualitativa y cuantativa
del sistema fue evaluada cumpliendo satisfactoriamente con los balances de materia y
de componente. Por lo tanto, es posible asumir que el modelo propuesto es útil para
desarrollar un observador que estime las fracciones molares del componente ligero en
la mezcla binaria de etanol-agua.
Capı́tulo 4
Observador de alta ganancia

continuo-discreto
En este capı́tulo se presenta el diseño de un observador de alta ganancia propuesto

por Targui et. al., (2002) y su extensión al caso continuo-discreto para estimar las
composiciones molares en una columna de destilación.
Este trabajo busca aportar en la sı́ntesis de los observadores aplicados a procesos

reales como aquellos ya conocidos en la literatura, donde se pueden encontrar algunos
ejemplos como el trabajo de Gauthier et. al., (1992), donde se presenta un observador
sencillo aplicado a bioreactores.
En la referencia (Astorga et al., 2002a) se muestran resultados importantes en

la estimación de parámetros en reactores de polimerización con el uso de un obser-
vador continuo-discreto. Otra aplicación es posible verse en el trabajo de (Astorga et
al., 2007), donde se presenta un observador adaptable para el monitoreo de variables
y parámetros en intercambiadores de calor.
Ası́ mismo, en este capı́tulo se ven aplicados algunos conceptos de observabilidad

para una clase de sistemas no lineales estudiados en el Capı́tulo 2, del presente docu-
mento.
El diseño del observador de alta ganancia continuo-discreto, está basado en un

modelo matemático y termodinámico que es validado experimentalmente y presen-
tado previamente en el Capı́tulo 2 de esta tesis. Una de las principales ventajas de
este observador es su ganancia constante, por lo que sintonizarlo depende únicamente
de la elección de parámetros constantes que deben satisfacer algunas desigualdades
algebraicas simples.
83
84 Observador de alta ganancia continuo-discreto
Se tiene en cuenta también que en este observador no se tiene ninguna influencia

del sistema original y tampoco se tiene control sobre el mismo. Como el problema no
es la estabilización del sistema, cuyo objetivo es conducir todos los estados del origen,
ni tampoco el problema de seguimiento cuyo objetivo es conducir la salida a partir
de una señal de referencia, este trabajo presenta como objetivo del observador: cons-
truir un sistema dinámico a partir de las mediciones de un sistema en observación,
es decir, la reconstrucción de los estados de forma asintótica.
Como se ha expresado anteriormente, el observador aquı́ diseñado es aplicado a la

columna de destilación (Planta Piloto de Destilación del CENIDET) para una mezcla
binaria de etanol-agua.
Se presenta también la validación del observador diseñado con el fin de verificar su

desempeño en lazo abierto, para estimar concentraciones del componente ligero a par-
tir de las mediciones de temperatura disponibles en algunas etapas de la columna de
destilación. Los experimentos aquı́ reportados corresponden a procesos de destilación
por lotes (batch) de la mezcla etanol-agua en la planta piloto del CENIDET.
4.1. Diseño del observador

Se considera el siguiente sistema no lineal:
 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
y los vectores de funciones F están dados por:
T
F0 = 0, . . . , 0, F0n
T
(4.1.4)

Fi = Fi1 , . . . , Fin (1 ≤ i ≤ m)
Fij = Fij (zi , ..., zj )
Se plantea entonces la siguiente hipótesis:

Hipótesis 4.1. i) F es una función globalmente Lipschitz con respecto a su jacobiano
y está uniformemente acotada:

∂F (u, z)

∂z (u, z)

ii) ∃α > 0 tal que, ∀(u, z) ∈ (U × Rn ) se tiene que:
∂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
Con base en los conceptos anteriores, se presenta el diseño de un Observador de

Alta Ganancia Constante (Hammouri et al., 2002), para una clase de sistemas no
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))
donde la ganancia está dada por
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:
∆θ = diag(θ, θ2 , ..., θn ) (4.1.8)

Sθ es una matriz simétrica definida positiva que debe satisfacer la ecuación de
Riccati dada por la expresión:
S˙θ = −θSθ − Ak T Sθ − Sθ Ak + CT C (4.1.9)

aquı́, Ak es una matriz de dimensión (k × k),
 
0 a1 (t) 0 0
 ..
 . a2 (t)

Ak (t) =  (4.1.10)

.. 
 0 . ak−1 (t) 
0 ... 0 0
donde los términos ai (t) pueden ser asumidos de tal manera que se satisfaga la
siguiente hipótesis:
Hipótesis 4.2. ∀t ≥ 0 existen términos ai (t) tales que α1 ≤ ai (t) ≤ α2 , para algunas
constantes α1 , α2 > 0
De igual forma se denota a C como un vector de k elementos:

C = 1, 0, . . . , 0
Entonces que Sθ sea una matriz de la forma:
 
s11 s12 0 0
... ..
 s12 s22 .
 


Sθ =  ... ... 
(4.1.11)
 0 0 

 . ..
 ..

. sk−1k 
0 ... 0 sk−1k skk
4.2 Aplicación a una columna de destilación 87
4.2. Aplicación a una columna de destilación

Para llevar a cabo el diseño del observador propuesto se requiere un modelo del
sistema; en la columna de destilación binaria el modelo matemático que se considera
es el modelo clásico LV representado por un grupo de ecuaciones derivadas del balan-
ce global de materia y del balance de componente, establecidos en el capı́tulo anterior.
Dicho conjunto de ecuaciones representan el sistema no lineal como sigue:
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).
Ası́ mismo, el coeficiente de actividad γi es un factor de corrección usado para

determinar el equilibrio lı́quido-vapor de una mmezcla binaria a baja presión. El
cálculo de este factor es posible con el uso de la ecuación de Van Laar:
 2
A21 x2
 lnγ1 = A12


A12 x1 + A21 x2 2 (4.2.5)
 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 (Perry, 1999).
Los estados del modelo corresponden a dichas composiciones de lı́quido con re-
specto al componente más ligero, para este caso el etanol.
Fig. 4.1: Esquema de la columna de destilación utilizado por el observador.
Por consiguiente y de ahora en adelante, para plantear el modelo de la columna

se usará la siguiente notación:
 xi = ζi1 ; 1 ≤ i ≤ f − 1

xN −i+1 = ζi2 ; 1 ≤ i ≤ N − f + 1 (4.2.6)

xF = ζN2 −f +2

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).
La dinámica de la composición del lı́quido de la alimentación zF está dada la

expresión:
żF = ε(t) (4.2.7)
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
Siguiendo esta notación, se considera el siguiente sistema con estructura triangular:



 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.
La salida yj = Cnj ζ j = ζ1j es el primer componente de ζ j ; el vector Cnj está dado

como Cnj = [1, 0, . . . , 0]; la entrada u ∈ Rm , y ε(t) es una función desconocida y aco-
tada. Como se habı́a comentado anteriormente, para efectos del diseño del observador
en esta tesis ε(t) no se considera ya que experimentalmente la validación es realizada
por lotes.
En este orden, para aplicar el observador diseñado en la sección anterior, se debe

revisar la siguiente hipótesis:
Hipótesis 4.3. Es posible obtener un modelo extendido con dinámica no lineal a

partir de su propiedad de ser globalmente Lipschitz.
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.
ii)Para los platos: 1 ≤ p ≤ n1 − 1 (donde n1 − 1 = f − 2)

V
f11 = (y2 − x11 )
Ṁ1
1 V L (4.2.10)
fp = (yp+1 − yp ) + (x1p−1 − x1p )
Ṁp Ṁ p
yp = γp xp Kp
De igual forma para los platos 1 ≤ p ≤ n2 − 1 (donde n2 − 1 = n − f + 1, se tiene
que:
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.
A partir de la Hipótesis 4.3 siguiente teorema es dado:
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
kx̂(t) − x(t)k ≤ λe−µt + λ0 ε; (4.2.14)

para algunas constantes λ > 0, µ > 0 y λ0 > 0. Además, µ → +∞ como θ → 0.
Observación 4.1. Si ε = 0, el sistema dado en la Ec. (4.2.12) puede convertirse en un
observador exponencial para el sistema dado en la Ec. (4.2.9). Una prueba de este
resultado es dada en el trabajo de (Hammouri et al., 2002).
4.3. Observador de alta ganancia continuo-discreto
De los observadores encontrados en la literatura y presentados en la Sección 2.6,

en este trabajo se elige el observador de alta ganancia constante propuesto por Targui
et. al., (2002), para aplicarlo a la columna de destilación del CENIDET.
El modelo con estructura triangular que representa de una manera muy aproxi-
mada un sistema de destilación binaria facilita el diseño del observador.
De otro lado, la dinámica del proceso es adecuada para la aplicación de obser-

vadores continuo-discretos, pues una vez que el sistema alcanza el estado estable los
cambios que se presentan en las variables medibles (temperaturas) son lentos, por lo
que tomar un número infinito de mediciones en instantes de tiempo cortos perjudi-
carı́a el desempeño del algoritmo del observador, convirtiéndolo en un proceso lento
con el procesamiento de datos redundantes.
Por esta razón, la aplicación de un observador continuo-discreto en la columna de

destilación es viable y se presenta como una alternativa a la estimación de estados de
una manera más rápida y tan confiable como en el caso de los observadores puramente
discretos.
Los observadores estudiados en el Capı́tulo 2 de esta tesis, asumen un tiempo de

observación continuo, sin embargo en la práctica esto no siempre es posible, es en-
tonces cuando los autores en (Deza et al., 1992) proponen un algoritmo de diseño de
observadores con una parte discreta.
Para realizar la extensión de este observador al caso continuo-discreto, se supone

que las observaciones son hechas en el tiempo k∆t, donde k corresponde al instante
de tiempo en el que se realiza el muestreo discreto y ∆t corresponde al instante en el
que se realizan las mediciones; para el caso de la columna de destilación, representa
en instante en que se toman datos de los sensores de temperatura.
En este caso, no se considera el cambio de coordenadas, como el presentado por

la Ec. (4.1.3), ya que se utiliza la estructura triangular del modelo estudiada en la
Sección 3.2.5.
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)
donde x ∈ Rn , u = (u1 , ..., un ) ∈ Rm , son entradas medibles y y ∈ R es una salida

medible.
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:
i. Una etapa de predicción en el intervalo de tiempo t ∈ [tk , tk+1 ]:
x̂˙ k (t) = f (x̂k (t), u(t))

(4.3.2)
0 = θSθ + AT Sθ − Sθ A − CT C
ii. Una etapa de corrección en el instante de tiempo t = tk+1 :
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, ATk (t)Sk + Sk Ak (t) − ρCkT Ck ≤ −ηIk
donde Sk es una matriz simétrica definida positiva con la siguiente estructura:

 
s11 s12 0 0
... ..
 s12 s22 .
 

Sk = 
 . .. . ..

(4.3.4)
 0 0 

 . .
 .. . . sk−1k


0 . . . 0 sk−1k skk
se denota a Ck como un vector de k elementos:

Ck = 1, 0, . . . , 0
y Ak está dada por:

 
0 a1 (t) 0 0
 ..
 . a2 (t)

Ak (t) =  (4.3.5)

.. 
 0 . ak−1 (t) 
0 ... 0 0
donde los términos ak pueden ser desconocidos y satisfacer la Hipótesis 4.2.
Los parámetros son elegidos dependiendo del comportamiendo deseado de la es-

timación. El término r afecta la convergencia de todos los estados, mientras que la
elección de θ afecta la matriz diagonal ∆θ permitiendo realizar ajustes en cada estado.
4.4. Validación del observador propuesto

Para realizar la validación del observador fueron realizados múltiples experimen-
tos tipo batch en la planta piloto de destilación. En dichas pruebas se consideraron
iguales los parámetros iniciales citados en la Tabla A.3 del Anexo A, pero fueron
cambiadas las variaciones aplicadas en las entradas; es decir, en cada una de las prue-
bas presentadas, el nivel de las entradas es diferente y en algunos casos estos niveles
fueron cambiados más de una vez.
A continuación se presentan los resultados obtenidos en los experimentos:
4.4.1. Experimento No. 1:

El objetivo de este experimento es determinar el comportamiento del observador
diseñado para alcanzar al modelo a partir de las condiciones iniciales de los estados en
el modelo (x(0)) y en el observador (x̂(0)), cuando se inducen cambios en los niveles
de la potencia calefactora Qb aplicada al hervidor y en la duración del reflujo R aplica-
do a la columna. En este experimento, el comportamiento del reflujo fue considerado
como una entrada regularmente persistente (ver Definición 2.7).
Se introduce una mezcla binaria compuesta por 2000 ml de etanol equivalente a

0.2415 % mol y 2000ml equivalente a 0.7585 % mol de agua en el hervidor de la
columna que se muestra en la Fig. 3.2(b).
Con el uso de esta prueba, se da al parámetro θ diferentes valores, con el fin de

establecer su valor óptimo para una adecuada estimación de los estados.
4.4 Validación del observador propuesto 95
Parámetros del observador

Las condiciones iniciales en estado estable se consideran cuando en la columna
de destilación, la mezcla que está en el hervidor se encuentra ebullendo y además
es posible apreciar que existe masa retenida en todos los platos perforados. Para el
modelo en el Experimento No. 1, estas condiciones iniciales son las siguientes:
T
0.8114 0.8102 0.8095 0.8073 0.8014 0.7981 . . .
x(0) =
. . . 0.7826 0.7613 0.7314 0.6439 0.4542 0.1306
y para el observador las condiciones iniciales son:
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:
Tabla 4.1: Parámetros constantes del observador para el Experimento No. 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:
−1/θ2 1/θ3 −1/θ4 1/θ5 −1/θ6

 
θ
2 3 4 5 6

 −1/θ 2/θ −3/θ 4/θ −5/θ 6/θ7 

 1/θ3 −3/θ4 6/θ5 −10/θ6 15/θ7 −21/θ8 
Sθ1 = Sθ2 =   (4.4.2)

 −1/θ4 4/θ5 −10/θ6 20/θ7 −35/θ8 56/θ9 

5 6 7 8 10
 1/θ −5/θ 15/θ −35/θ 70/θ −126/θ10 
−1/θ6 6/θ7 −21/θ8 56/θ9 −126/θ11 252/θ11
y la matriz ∆θ1 queda:

 
0.3343 0 0 0 0 0

 0 0.1118 0 0 0 0 

 0 0 0.0374 0 0 0 
∆θ1 =   (4.4.3)

 0 0 0 0.0125 0 0 

 0 0 0 0 0.0042 0 
0 0 0 0 0 0.0014
y ∆θ2 queda:
 
0.4254 0 0 0 0 0

 0 0.1809 0 0 0 0 

 0 0 0.0770 0 0 0 
∆θ2 =   (4.4.4)

 0 0 0 0.0327 0 0 

 0 0 0 0 0.0139 0 
0 0 0 0 0 0.0059
De esta manera, las ganancias del observador K1 = [r1 ∆1 Sn1 C1 ] y K2 = [r2 ∆2 Sn2 C2 ]
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
Descripción de las entradas

El valor de las variables de entrada del sistema utilizadas en el Experimento No.
1 se relacionan en la Tabla 4.2 y se muestran en la Fig. 4.2:

Reflujo Total 0 min
Qb Escalón 1250 − 1750 Watts 12.5 min
Reflujo Pulso(ton = 6s, tof f = 6s) 24 min
Fig. 4.2: Entradas experimento No. 1
Estimación del observador:

A partir de la lectura de las temperaturas del consensador y del hervidor, son
estimadas las concentraciones en todas las etapas de la columna. Se presentan a
continuación las Figs. 4.3 - 4.5 que corresponden a las estimaciones del observador
propuesto para el condensador y los platos 3, 6 que representan dos etapas de la
sección de enriquecimiento, el plato 10 en la sección de empobrecimiento, el plato de
alimentación y el hervidor.
En este experimento se realizaron pruebas con diferentes valores de θ y diferentes
tiempos de muestreo con el fin de evaluar la convergencia del observador. Para esta
evaluación se utilizó la norma euclidiana del error presentada la Ec.(4.4.5); esta norma
indica la distancia entre la estimación dada a partir de los datos experimentales
obtenidos de la planta de destilación y la estimación dada por el observador.
v !
u N
u X
kk = t (x − x̂)/N (4.4.5)
j=1
donde N, representa el número total de mediciones consideradas en el experimento.

A continuación se presenta una tabla que relaciona la norma del error obtenida en los
diferentes platos, considerando los diferentes valores de θ.
Como se observa la Tabla 4.3, el menor valor de la norma del error se obtiene con
el valor de θ =0.3, por lo que se considera este valor como el óptimo valor para la
(a) Estimación en el condensador
(b) Estimación en el plato 3
Fig. 4.3: Estimaciones en el condensador y plato 3 con diferentes valores de θ

(a) Estimación en el plato 6
Fig. 4.4: Estimaciones en los platos 6 y 7 con diferentes valores de θ

(b) Estimación en el hervidor
Fig. 4.5: Estimaciones en el plato 10 y el hervidor con diferentes valores de θ

Tabla 4.3: Evaluación de la norma del error kk para diferentes valores de θ
Etapa θ =0.3 θ =0.5 θ =0.7

Condensador 0.0005 0.0004 0.0002
Plato 2 0.0004 0.0006 0.0003
Plato 3 0.0005 0.0007 0.0005
Plato 4 0.0007 0.0007 0.0006
Plato 5 0.0007 0.0007 0.0007
Plato 6 0.0005 0.0009 0.0009
Plato 7 0.0006 0.0012 0.0013
Plato 8 0.0007 0.0012 0.0013
Plato 9 0.0001 0.0015 0.0015
Plato 10 0.0012 0.0019 0.0019
Plato 11 0.0009 0.0014 0.0014
Hervidor 0.0002 0.0002 0.0004
sintonización de este observador.
En la Fig. 4.5(b) es posible apreciar más claramente la labor del observador

continuo-discreto, se observa que el tiempo de muestreo considerado en esta prue-
ba fue de tmuest =1.25 min, es decir, cada 1.25 min el algoritmo de estimación ingresa
en el paso de corrección realizando un ajuste de la señal hasta alcanzar la referencia
(las mediciones experimentales de la planta).
4.4.2. Experimento No. 2
El objetivo de estos experimento es determinar el comportamiento del observador

diseñado. A diferencia del experimento anterior, el Experimento No. 2 considera más
de un cambio en el nivel de la potencia calefactora Qb aplicada al hervidor y un mayor
tiempo de reflujo R, como se aprecia en la Fig. 4.6.
En este experimento fueron evaluados diferentes tiempos de muestreo k∆t, con el

fin de determinar el valor óptimo de k que represente un buen desempeño del obser-
vador.
Se introdujo una mezcla binaria compuesta por 2000 ml de etanol equivalente a

0.2415 % mol y 2000ml equivalente a 0.7585 % mol de agua en el hervidor de la
columna que se muestra en la Fig. 3.2(b).
Parámetros del observador:

Las condiciones iniciales en estado estable se consideran cuando en la columna
de destilación, la mezcla que está en el hervidor se encuentra ebullendo y además
es posible apreciar que existe masa retenida en todos los platos perforados. Para el
modelo en el Experimento No. 2 son las siguientes:
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:
Tabla 4.4: Parámetros constantes del observador para el Experimento No. 2
Parámetro Valor
tmuest varios
θ 0.6
δ1 0.1
δ2 0.71
r1 10
r2 30
Las matrices Sθ1 = Sθ2 quedan de la siguiente manera:
−1/θ2 1/θ3 −1/θ4 1/θ5 −1/θ6

 
θ
2 3 4 5 6

 −1/θ 2/θ −3/θ 4/θ −5/θ 6/θ7 

 1/θ3 −3/θ4 6/θ5 −10/θ6 15/θ7 −21/θ8 
Sθ1 = Sθ2 =   (4.4.7)

 −1/θ4 4/θ5 −10/θ6 20/θ7 −35/θ8 56/θ9 

5 6 7 8 10
 1/θ −5/θ 15/θ −35/θ 70/θ −126/θ10 
−1/θ6 6/θ7 −21/θ8 56/θ9 −126/θ11 252/θ11
y la matriz ∆θ1 queda:

 
0.5994 0 0 0 0 0

 0 0.3593 0 0 0 0 

 0 0 0.2153 0 0 0 
∆θ1 =   (4.4.8)

 0 0 0 0.1291 0 0 

 0 0 0 0 0.0794 0 
0 0 0 0 0 0.0464
y ∆θ2 queda:
 
0.6287 0 0 0 0 0

 0 0.3952 0 0 0 0 

 0 0 0.2485 0 0 0 
∆θ2 =   (4.4.9)

 0 0 0 0.1562 0 0 

 0 0 0 0 0.0982 0 
0 0 0 0 0 0.0617
De esta manera, las ganancias del observador K1 = [r1 ∆1 Sn1 C1 ] y K2 = [r2 ∆2 Sn2 C2 ]
quedan de la siguiente manera:
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
Descripción de las entradas

El valor de las variables de entrada del sistema, a lo largo del experimento No. 2
se relacionan en la Tabla 4.5 y se muestran en la Fig. 4.6:

Reflujo Total 0 min
Reflujo Pulso(ton = 12sec, tof f = 6sec) 13.5 min
Fig. 4.6: Entradas experimento No. 2
Estimación del observador:
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.
Se realizaron pruebas con diferentes tiempos de muestreo, con el fin de evaluar la

convergencia del observador a partir de los valores de la norma del error obtenidos.
A continuación se presenta la Tabla 4.6 que relaciona la norma del error obtenida en
los doce platos de la columna considerando los diferentes k∆t.
Como se observa en la Tabla 4.6, la norma del error evaluada con los diferentes
tiempos de muestreo son muy similares, por lo que es posible elegir como valor óptimo
el mayor k∆t = 2.5 min lo que representarı́a una menor carga computacional, pues
la labor de corrección la hace menos veces y el desempeño del observador no se ve
degradado.
Entonces, es posible afirmar que para implementar el algoritmo de observación

de alta ganancia constante propuesto en el trabajo de Hammouri et. al., (2002) y su
extensión al caso continuo-discreto, el tiempo de muestreo de la señal k∆t puede ser
modificado de acuerdo al objetivo de observación.
(a) Estimación en el condensador
Fig. 4.7: Estimaciones en el condensador y plato 3 con diferentes valores de θ

Fig. 4.8: Estimaciones en los platos 7 y 9 con diferentes valores de θ

(b) Estimación en el hervidor
Fig. 4.9: Estimaciones en el plato 10 y el hervidor con diferentes valores de θ

Tabla 4.6: Evaluación de la norma del error kk para diferentes valores de θ
Etapa k∆t =0.5 min k∆t =1.5min k∆t =2.5min

Condensador 0.0003 0.0004 0.0004
Plato 2 0.0003 0.0004 0.0004
Plato 3 0.0004 0.0005 0.0005
Plato 4 0.0006 0.0007 0.0006
Plato 5 0.0008 0.0008 0.0007
Plato 6 0.0011 0.0012 0.0014
Plato 7 0.0018 0.0019 0.0014
Plato 8 0.0019 0.0018 0.0016
Plato 9 0.0014 0.0013 0.0013
Plato 10 0.0014 0.0012 0.0013
Plato 11 0.0018 0.0018 0.0017
Hervidor 0.0002 0.0002 0.0002
En en este caso k corresponde al instante de tiempo en el que se tomó la muestra

(dato de temperatura), es decir, 2.5 min y ∆t corresponde a los periodos en los que
se realizan las mediciones en la planta,estas mediciones están disponibles cada 3s y
representa el intervalo de tiempo en el que el software de operación del sistema alma-
cena los datos de los sensores de temperatura.
El objetivo de observación en este trabajo de tesis, es la reconstrucción asintótica

de los estados, por lo que un tiempo de muestreo mayor no representa un incremento
en el valor de la norma del error que deba ser considerado. Con la elección del tiempo
de muestreo en 2.5 min la estimación de las fracciones molares en cada uno de los
platos de la columna de destilación se lleva a cabo de una manera adecuada.
4.5. Evaluación del error

El error del observador continuo discreto propuesto fue evaluado para los experi-
mentos descritos anteriormente. Este error se determinó mediante la aplicación de la
fórmula:
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:
Tabla 4.7: Parámetros del observador para la evaluación del error
Parámetro Valor
tmuest 2.5 min
θ 0.3
δ1 0.1
δ2 0.71
r1 10
r2 30
Teniendo en cuenta las condiciones iniciales y las entradas respectivas de cada

experimento, se presenta a continuación la Tabla 4.8 que relaciona el error promedio
de cada una de las etapas de la columna de destilación.
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.
Como se aprecia en la Tabla No. 4.8, el menor error se presenta en el hervidor

después de que el sistema ha salido del transitorio (al haber aplicado el cambio en
el reflujo). En general para esta prueba, el error durante el periodo en el que las
concentraciones se ven afectadas por este cambio (del minuto 24 al minuto 42 aproxi-
madamente) es bajo, lo que representa que el observador propuesto estima de una
forma adecuada a pesar de las perturbaciones que puedan ser aplicadas al sistema.
De igual forma para el Experimento No. 2 se consideraron tres épocas para la

evaluación del error; la primer época (ε1 %) corresponde a la evaluación del error en
Tabla 4.8: Evaluación del error en el Experimento No. 1
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.
Tabla 4.9: Evaluación del error en el Experimento No. 2
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.
Se desarrolló la extensión de un observador de alta ganancia constante al caso

continuo-discreto, para estimar las concentraciones molares del componente ligero en
una columna de destilación. Se comprueba experimentalmente que su desempeño es
mejor que el del caso puramente discreto.
Se realizó la validación del observador propuesto con experimentos en tiempo real

para un proceso de destilación por lotes (sin alimentación). En este caso el sistema
difı́cilmente alcanza el estado estable, a pesar de esto, el desempeño del observador
propuesto es bueno ya que sigue el comportamiento de las variables (concentraciones)
a lo largo de toda la prueba incluso cuando se presentan los cambios en las entradas.
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.
Se realizaron pruebas experimentales que permitieron evaluar el desempeño del

observador con diferentes tiempos de muestreo, de esta manera se comprueba que el
observador continuo-discreto es una alternativa para procesos en los que la dinámica
es lenta, como es el caso de la columna de destilación.
Capı́tulo 5
Conclusiones generales
En esta tesis se diseñó un observador de alta ganancia constante continuo-discreto

que fue implementado en una columna de destilación para estimar las fracciones mo-
lares del componente ligero de la mezcla binaria etanol-agua (considerada una mezcla
no ideal), a partir de la medición de las temperaturas disponibles en la planta.
El objetivo de observación es construir un sistema dinámico a partir de las medi-

ciones disponibles en lı́nea del proceso de destilación (temperaturas), es decir, la
reconstrucción de los estados (concentraciones molares) de forma asintótica. Para es-
ta estimación de variables no es necesaria una transformación de coordenadas debido
a la dependencia de los estados con respecto a los anteriores, es decir, la dinámica
propia del sistema hace que el modelo que utiliza el observador, pueda presentarse en
una estructura triangular de observabilidad comprobada (Hammouri et al., 2002).
Dicho observador utiliza un modelo termodinámico que establece el equilibrio de

fases los componentes de la mezcla, y un modelo matemático del sistema no lineal,
ajustado a las caracterı́sticas fı́sicas de la planta piloto del CENIDET.
En las columnas de destilación, es necesario disponer de datos del equilibrio

lı́quido-vapor o de correlaciones para poder estimarlos adecuadamente, para el ca-
so de estudio dado en este trabajo, estas relaciones son funciones no lineales (debido
a la no idealidad de la mezcla) entre la temperatura, la presión y la composición; por
esta razón, para la formulación del modelo termodinámico se desarrolló un algoritmo
basado en las ecuaciones de Antoine y Van Laar que relacionan dichas funciones y
permiten determinar el equilibrio de fases de la mezcla etanol-agua.
Para solucionar el problema de equilibrio lı́quido-vapor fueron calculadas algunas

variables del conjunto T, P, x, y, mientras que otras fueron consideradas conocidas.
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.
De esta forma, se concluye que el modelo de Van Laar describe adecuadamente

el comportamiento del equilibrio lı́quido-vapor del sistema etanol-agua, aún en el
azeótropo. Igualmente hay que señalar que los resultados arrojados por el algoritmo
aquı́ desarrollado, son muy cercanos a los datos experimentales registrados en la lite-
ratura (Gmehling, 1988).
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.
En la validación experimental del modelo, fue evaluada su respuesta ante cambios

aplicados en las entradas. Los resultados de esta evaluación permiten concluir que en
todas las etapas de la columna de destilación la respuesta cualitativa y cuantativa
del sistema fue correcta, cumpliendo satisfactoriamente el balance global de materia
y el balance de componente en experimentos reales. Estos resultados obtenidos son
suficientes para determinar que el modelo puede ser utilizado tareas de observación.
A partir del modelo propuesto se realizó el diseño de un observador continuo-

discreto, para una clase de sistemas no lineales MISO. Con este fin, se realizó el
estudio de diferentes observadores no lineales diseñados para columnas de destilación,
se evaluó su desempeño de acuerdo a descrito por los autores y la facilidad de imple-
mentación en lı́nea con el proceso. De acuerdo a este estudio se eligió el observador de
alta ganancia constante presentado en el trabado de (Hammouri et al., 2002), como
el más adecuado para ser llevado a su versión continuo-discreta e implementado en
una columna de destilación.
114 Conclusiones generales
En el proceso experimental, las temperaturas disponibles en la planta fueron re-

gistradas y después empleadas en la validación del modelo y del observador. La esti-
mación de las concentraciones se realizó para todas las etapas de la columna, por lo
que el observador diseñado es de orden completo.
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.
El desempeño del observador fue evaluado mediante pruebas experimentales en

destilación por lotes (tipo batch), donde se demostró que con una adecuada elección
de los parámetros de calibración y un tiempo de muestreo, se logran mejores estima-
ciones en cuanto a los tiempos de convergencia y robustez ante posibles cambios en
las entradas.
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.
A través de la evaluación del desempeño del estimador en simulación y experimen-

talmente, es posible implementar un observador de alta ganancia continuo-discreto
para estimar concentraciones en una columna de destilación. Para este caso, resulta
muy sencilla la sintonización del observador debido a que su ganancia es constante y
los parámetros de ajuste para calcularla se encuentran acotados; lo anterior permite
115
que el observador propuesto en este trabajo pueda ser utilizado en lı́nea con el proceso.
Para implementar el algoritmo de observación de alta ganancia constante pro-

puesto en el trabajo de Hammouri et. al., (2002) y realizar su extensión al caso
continuo-discreto, el muestreo de la señal fue hecho en el tiempo k∆t, donde k co-
rresponde al instante de tiempo en el que se tomó la muestra (dato de temperatura)
y ∆t corresponde a los periodos en los que se realizan las mediciones; para el caso
de la planta piloto de destilación del CENIDET, ∆t = 3s y representa el intervalo de
tiempo en el que se toman datos de los sensores de temperatura.
En la versión puramente discreta del observador k y ∆t tienen el mismo valor,

es decir, el instante de muestreo es el mismo que el de la medición. Se comprueba
entonces, que el observador de alta ganancia continuo-discreto mantiene el mı́nimo
error en comparación con su versión discreta a pesar de usar menos datos en la im-
plementación del algoritmo.
Ası́ mismo y a partir de varias pruebas experimentales en la columna de desti-

lación, fueron evaluados diferentes valores para los parámetros de la ganancia del
observador, con el fin de encontrar los datos que le permitieran un mejor desempeño.
Principalmente se consideró el valor de θ que interviene directamente en el tiempo
de convergencia del observador y en el máximo tiempo de muestreo k posible; esta
evaluación se realizó con en fin de obtener una ganancia K que no afectara el error
de estimación (en comparación con el observador puramente discreto) y que a su vez
disminuyera la carga computacional requerida para el desarrollo del algoritmo de ob-
servación propuesto.
Se concluye entonces que la hipótesis planteada en en Capı́tulo 1 de esta tesis se

cumple, ya que el observador continuo discreto mantiene un mı́nimo error a pesar de
usar menos datos en la implementación del algoritmo que el caso puramente discreto,
además presenta un mejor seguimiento de la dinámica del proceso en lazo abierto
(destilación por lotes).
En las pruebas experimentales, la estimación de la concentración en el estado 1 (el

condensador) es crı́tica debido a que en el modelo propuesto no se consideraron las
caracterı́sticas fı́sicas de esta etapa de la columna y adicionalmente, las temperaturas
disponibles para la implementación del observador, no se encuentran precı́samente en
el condensador sino que el sensor (fı́sicamente en la planta) está abajo de él. Desde la
validación del modelo propuesto en el Capı́tulo 2 de esta tésis es posible apreciar esta
condición, y aunque el observador diseñado intenta disminuir el error, no lo logra a
cabalidad.
116 Conclusiones generales
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.
5.1. Trabajos futuros

Diferentes temáticas pueden seguirse investigando a partir de este trabajo, prin-
cipalmente se consideran los siguientes tópicos:
☞ El modelo de la columna de destilación presentado en el Capı́tulo 3 es no lineal

y bastante aproximado para la planta piloto del CENIDET, sin embargo es un
modelo simplificado apto para estrategias de observación. Es factible entonces,
realizar un modelo más complejo que considere otros aspectos como pueden ser
las caracterı́sticas fı́sicas del hervidor y del condensador principalmente, y de
esta forma mejorar la estimación de las fracciones molares en estos puntos.
☞ 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.
☞ Es posible también considerar el diseño de un estimador donde se incluya otra

medición, se plantea realizar un estudio de sensitividad donde se determine cuál
es el plato más sensible de la columna de destilación y, usando esta medición
junto con las temperaturas del condensador y el hervidor, plantear un modelo
con estructura triangular que conlleve al diseño de un observador que siga siendo
de orden completo.
☞ El observador aquı́ diseñado y probado, puede ser utilizado en tareas de control

de procesos, diagnóstico y aislamiento de fallas, supervisión y ayuda al operario
entre otras, por lo que se recomienda su uso en el desarrollo de alguna de estas
técnicas.
Bibliografı́a
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.
Astorga, C.M., A. Zavala, R. Méndez, V. Alvarado y J. Reyes (2007). Performance

monitoring of heat exchangers via adaptive observers. Measurement vol. 40, pp.
392–405.
Astorga, C.M., N. Othman, S. Othman, H. Hammouri y T.F. McKenna (2002a).

Nonlinear continuous-discrete observers: application to emulsion polymerization
reactors. Control Engineering Practice vol. 10(1), pp. 3–13.
Astorga, C.M., S. Othman y H. Hammouri (2002b). On-line monitoring and control

of non-linear systems via continuos-discrete observers. In: Proc. IFAC of the 15th
Triennial World Congress. Barcelona, España. pp. 1–6.
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.
Ben, S. (1997). Observation et commande de systemes non lineaires temps-discret.

PhD thesis. Universite Claude Bernard-Lyon 1. Lyon, France.
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.
Bornard, G. y H. Hammouri (1991). A high gain observer for a class of uniformly

observable sytems. In: Proc. of the 30rd IIIE Conf. on Decision and Control.
Brighton, UK. pp. 130–140.
117
118 BIBLIOGRAFÍA
Busvelle, E. y J. Gauthier (2004). Observation and identification tools for nonlinear

systems. application to a fluid catalytic cracker. The International Journal of
Control.
Cingara, A., M. Jovanovic y M. Mitrovic (1990). Analytical first-order dynamic model

of binary distillation column. Chem. Eng. Science 45(12), 3585–3592.
CONAE (2005). Energı́as renovables. Comisión Nacional para el Ahorro de la Energı́a.
Deza, F., E. Busvelle, J. P. Gauthier y D. Rakotopara (1992). High gain estimation

for nonlinear systems. Systems & Control Letters 18, 295–299.
Deza, F., E. Busvelle y J. P. Gauthier (1991). Exponentielly converging observers and

internal stability using dynamic output feedback for distillation columns. Chem.
Eng. Science 47, 3935–3941.
Deza, F. y J. P. Gauthier (1991). Nonlinear observers for distillation columns. In:

Proceedings of the 30th Conference on Decision and Control. IEEE. Bringhton,
England. pp. 1492–1493.
Dochain, D. (2003). State estimation in chemical and biochemical processes with

uncertain kinetics. International Journal of Control vol. 76(15), pp. 1483–1492.
Dorf, Richard C. (1989). Sistemas modernos de control: Teorı́a y Práctica. 2 ed..

Addison-Wesley Iberoamericana.
Gauthier, J. P., H. Hammouri y S. Othman (1992). A simple observer for nonlinear

systems, applications to bioreactors. IEEE Transactions on Automatic Control
vol. 37(6), pp. 875–880.
Gauthier, J. P. y G. Bornard (1981). Observability for any u(t) of a class of nonlinear

systems. IEEE Transactions on Automatic Control AC-26(4), 922–926.
Gmehling, J. (1988). Chemistry Data Series - DECHEMA. Vol. 1. Germany.
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
Han, M. (2006). Nonlinear model based control of two-product reactive distillation

column. In: SICE-ICASE International Joint Conference. Bexco, Busan, Korea.
pp. 3320–3323.
Isidori, A. (1996). Nonlinear Control Systems. 3 ed.. Springer.
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.
Kazantzis, N. y C. Kravaris (2001). Discrete-time nonlinear observer design using

functional equations. Systems and Control Letters (42), 81–94.
King, J. y J. Costa (1980). Procesos de separación. Reverté. Barcelona, España.
López, F. (2008). Caracterización y validación dinámica de una planta piloto de desti-

lación. Master’s thesis. Centro Nacional de Investigación y Desarrollo Tecnológi-
co, CENIDET. Cuernavaca, Morelos, México.
Luenberger, D. (1971). An introduction to observers. IEEE Transactions on Auto-

matic Control vol. 16(6), pp. 596–602.
Luyben, W. L. (1992). Practical Distillation Control. Van Nostrand Reinhold. New

York, USA.
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.
Murray, A. (2003). Dynamic mathematical model of a distillation column. Master’s

thesis. University of Tennessee, College of Engineering and Computer Science.
USA.
Nadri, M., H. Hammouri y C. Astorga (2004). Observer design for continuous-discrete

time state affine systems up to output injection. European Journal of Control
10(3), pp. 252–263.
Nadri, M. y H. Hammouri (2003). Design of a continuous-discrete observer for state

affine systems. Applied Mathematic Letterss 16(3), pp. 967–974.
Ogata, K. (1998). Ingenierı́a de control moderna. 3 ed.. Prentice Hall, Pearson.

120 BIBLIOGRAFÍA
Perry, R.H. (1999). Perry‘s Chemical Engineer‘s Handbook.. 7 ed.. McGraw-Hill.
Quintero-Mármol, E., W. L. Luyben y C. Georgakis (1991). Application of an exten-

ded Luenberger observer to the control of multicomponent batch distillation. Ind.
Eng. Chem. Res. vol. 30, pp. 1870–1880.
Rivas, F. (2006). Diseño de una estación de monitoreo de procesos. aplicación a una

columna de destilación.
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.
Skogestad, S. (1997). Dynamics and control of distillation columns - a tutorial intro-

duction. Trans IChemE 75, 239–562.
Sánchez, O.J. y C.A. Cardona (2005a). Producción biotecnológica de alcohol carbu-

rante i: Obtención a partir de diferentes materias primas.. Interciencia 30, 671–
678.
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.
Téllez, A., F. Rivas, C. M. Astorga, E. Alcorta y D. Juarez (2007). Process control

interface system for a distillation plant. Computer Standards and Interfaces.
Torres, L. (2005). Observación y control no lineal de columnas de destilación. Master’s

thesis. Centro Nacional de Investigación y Desarrollo Tecnológico, CENIDET.
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.
Usayán, A., I. Gil, J. Aguilar y G. Rodrı́guez (2006). Producción de alcohol carbu-

rante por destilación extractiva: simulación de un proceso con glicerol. Revista
ingenierı́a e investigación 26, 45–50.
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
Anexo A. Condiciones de operación

Este apéndice muestra los parámetros utilizados en los experimentos realizados
para la validación de este trabajo de tesis. La Tabla A.1 muestra las caracterı́sticas
fı́sicas de la planta piloto de destilación en la cual fueron realizadas las pruebas.
La Tabla A.2 muestra las propiedades termodinámicas de la mezcla binaria no ideal
Etanol-Agua y finalmente la Tabla A.3 muestra las condiciones iniciales utilizadas en
los experimentos.
Tabla A.1: Caracterı́sticas fı́sicas de la planta piloto de destilación

Descripción Valor Unidades
Etapas (N) 12 –
Platos perforados 10 –
Plato de alimentación (f) 7 –
Diámetro de los platos 10 cm
Altura de los platos 10 cm
Diámetro del vertedero 0.5 cm
Capacidad del hervidor 6 L
Capacidad del tanque recolector de destilado 1 L
Potencia termiresistencia de calentamiento 0-2500 watts
Tabla A.2: Propiedades termidinámicas de los componentes de la mezcla etanol-agua

Parámetro Etanol Agua Unidades
Densidad (ρi ) 0.789 1 g/cm3
Peso molecular (Wi ) 46.069 18.01528 g
o
Temperatura de ebullición (Tbi ) 78.4 100 C
Calor especı́fico (Cpj ) 0.1124 0.192 kJ/mol o C
Constante Antoine Ai 8.1120 8.07131 –
Constante Antoine Bi 1592.864 1730.630 –
Constante Antoine Ci 226.184 233.426 –
Tabla A.3: Parámetros iniciales de las pruebas

Parámetro Valor Unidades
Volumen de EtOH en el hervidor 2000 ml
Volumen de H2 O en el hervidor 2000 ml
Potencia suministrada al hervidor 1000 watts
Flujo del lı́quido de enfriamiento 250 L/hora
Anexo B Descripción de los programas 123
Anexo B. Descripción de los programas

En este apéndice se hace una breve descripción de los programas utilizados para
las simulaciones y la reproducción de las gráficas de este trabajo.
Anexo B.1. El modelo de la columna de destilación

La programación del algoritmo que reproduce el modelo no lineal de la columna
de destilación del CENIDET, se realizó con el software Matlabr v. 7.2.
La Fig.5.1, presenta el algoritmo que se desarrolla a través de funciones progra-

madas en archivos .m. Dicho procedimiento consiste en cargar una función Paráme-
tros.m que contiene las constantes que representan caracterı́sticas fı́sicas de la planta,
las condiciones termodinámicas de los componentes, las condiciones de operación y
aquellas variables y vectores que deben ser declaradas para el desarrollo del algoritmo.
Fig. 5.1: Diagrama de flujo del modelo no lineal

124 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.
Posteriormente son establecidas las condiciones iniciales correspondientes a las

masas retenidas en estado estable previamente calculadas como se indicó en el Capı́-
tulo 3 de este trabajo, y las condiciones iniciales de las concentraciones iniciales que
se obtienen del algoritmo de cálculo de punto de burbuja, calculadas fuera de lı́nea a
una presión establecida.
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.
Si es el caso, se cargan entonces las condiciones de alimentación. Es decir, esta

función sólo ingresa al algoritmo si la destilación es continua, en ese caso serán inclui-
das en las ecuaciones posteriores, el flujo y la calidad de la alimentación.
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.
Para cada una de las etapas de la columna (condensador, 10 platos y hervidor),

son calculados los balances de materia y componente que hacen parte del grupo de
ecuaciones diferenciales del modelo, que fueron descritas en el Capı́tulo 3.
Finalmente y aplicando el método de integración de Euler, son determinadas las

concentraciones molares a partir de las temperaturas dadas en el algoritmo del cálculo
de burbuja. Para el observador diseñado en esta tesis, este modelo fue usado con el
fin de determinar las fracciones molares del componente ligero y ser comparadas ası́
con aquellas determinadas a partir de las temperaturas reales suministradas por la
planta.
Anexo B.2. El observador de alta ganancia constante

De la misma forma en la que el modelo de la columna de destilación es planteado,
se desarrolló el algoritmo para el observador de alta ganancia diseñado en este trabajo.
Anexo B Descripción de los programas 125
Previamente al desarrollo de este algoritmo, son establecidos los parámetros cons-

tantes del observador con el fin de determinar las ganancias para cada una de las
etapas. Y bien, como el observador es llamado de alta ganancia constane, este cálculo
se realiza una única vez al principio del algoritmo.
Adicionalmente al modelo de la columna y en el bloque en el que se establece el

cálculo de las concentraciones molares a partir del balance de componente, posterior
a él, es agregado un módulo en el cual se establece la interacción de la ganancia del
observador (factor de corrección), dado por la diferencia de las concentraciones sumi-
nistradas por el modelo y aquellas calculadas por el observador.
A diferencia que los observadores puramente discretos, este factor de corrección no

entra en el algoritmo en cada iteracción de los datos sino que lo hace ocasionalmente,
es decir, se establece un periodo de muestreo para el observador, diferente al tiem-
po que se usa para la integración de las ecuaciones diferenciales. De esta manera, se
logra que el observador continuo-discreto tenga las dos etapas: de predicción, guiado
únicamente por el modelo y la de corrección.
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.
Una vez es encendida la planta de destilación tarda aproximadamente 15 minutos

para alcanzar su estado estable, se debe tener en cuenta que los datos utilizados en
este trabajo, desprecian esta dinámica previa.
126 BIBLIOGRAFÍA
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.
Además de la no linealidad inherente, una columna de destilación cuenta con

múltiples entradas, múltiples salidas y la presencia de perturbaciones. Estas carac-
terı́sticas hacen que el proceso requiera estrategias de control avanzadas, algunas de
las cuales están basadas en conceptos de geometrı́a diferencial (Isidori, 1996).
Dentro de estos conceptos, encontramos los sistemas de control realimentados tam-

bién llamados sistemas de control en lazo cerrado. En un sistema de control en lazo
cerrado, se alimenta al controlador la señal de error de actuación, que es la diferencia
entre la señal de entrada y la señal de realimentación (que puede ser la señal de salida
misma o una función de la señal de salida y sus derivadas y/o integrales), a fin de
reducir el error y llevar la salida del sistema a un valor conveniente.
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.
Existen tres tipos básicos de controladores comunmente usados para sistemas de

control realimentados, en este estudio se desarrolla un controlador PI, por lo que sólo
se hará referencia al control proporcional e integral.
Anexo C.1. Controladores de acción proporcional

Un controlador realimentado de acción proporcional únicamente, cambia sus señales
de salida (CO) proporcionalmente y en la dirección de la señal de error (ε), que es
la diferencia entre la salida medida (PM) proporcionada por el sistema y la salida
deseada (SP).
CO = bias ± Kc (SP − P M ) (Anexo C.1)

El bias es una señal constante y es el valor de la salida del controlador cuando no
Anexo C Controlador PI 127
existe error. Kc es llamada ganancia del controlador, entre mayor sea, la salida del
controlador deberá cambiar más rápido con respecto al error dado.
La ganancia puede ser elegida positiva o negativa, de acuerdo al elemento sobre el

cual va a actuar el controlador. Una ganancia positiva da como resultado un decre-
mento en la salida del controlador cuando las mediciones del proceso incrementan, en
el caso contrario, una ganancia negativa incrementa la salida del controlador cuando
las mediciones del proceso incrementan, por este hecho, este controlador es llamado
de acción directa (Luyben, 1992).
Anexo C.2. Controladores de acción integral

La acción proporcional mueve el controlador directamente en proporción a la mag-
nitud del error. La acción integral mueve el controlador de acuerdo al tiempo integral
del error:
Z
1
CO = bias + E(t) dt (Anexo C.2)
τi
donde τi es el tiempo integral o el tiempo de reset con unidades en minutos. Como
en este caso el error puede ser positivo o negativo, la integral del error conduce la
salida del controlador hacia arriba o hacia abajo, dependiendo de la acción del con-
trolador (inversa o directa).
El propósito básico de la acción integral el conducir el proceso hacia la salida de-

seada, aún cuando el sistema ha sido sometido a perturbaciones.
Anexo C.3. Controlador proporcional-integral

La combinación de estos dos tipos de control da como resultado un controlador
proporcional-integral (PI), que en procesos es muy común. En este tipo de contro-
ladores la acción integral elimina el error en estado estable. Un pequeño tiempo inte-
gral hará que el error sea rápidamente reducido.
Para el caso de la columna de destilación se diseña un controlador PI, sabado en las

mediciones de las concentraciones suministradas por el observador de alta ganancia y
las concentraciones molares deseadas en el producto de fondo (x12 ) y en el producto
destilado (x1 ).
128 BIBLIOGRAFÍA
Dicho controlador estará actuando directamente sobre la potencia calefactora que

suministra energı́a al hervidor, puesto que de esta variable depende el flujo molar de
vapor en la sección de empobrecimiento (Vs ). De esta manera es posible obtener la
concentración deseada en el hervidor.
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.
El controlador PI diseñado en el primer caso es de la forma:

1
Qb = bias + KP I 1 + (Anexo C.3)
τi
Los controladores aquı́ diseñados son probados únicamente en simulación como se
muestra a continuación.
Anexo C.4. Controlador PI para la columna de destilación

En una columna de destilación es requerido controlar al menos las siguientes va-
riables:
- La presión.
- Los flujos de lı́quido y vapor.
- La temperatura.
- El nivel de los lı́quidos (producto de fondo, de alimentación y destilado).
Lo anterior con el fin de obtener un producto destilado de mayor pureza, un pro-

ducto de fondo con un mı́nimo de producto destilado, evitar gastos innecesarios de
energı́a, mantener un control de reflujo adecuado y mejorar la operación del proceso.
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.
La ley de control utilizada es del tipo proporcional-integral donde se controla di-

rectamente la potencia que es suministrada al hervidor (Qb ), de esta forma se logra
manipular la tasa de flujo de vapor en la sección de empobrecimiento de la columna.
Se establecen entonces un grupo de ecuaciones que modelan el algoritmo de control.
La señal de control proporcional al error es:
Scp = Kp e(t) (Anexo C.4)

La parte integral del algoritmo está definida como:
Z
Kp
Sci (t) = e(t)dt (Anexo C.5)
Ki
Derivando se obtiene que:
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:
dSci (t) Scp

= (Anexo C.7)
dt Ki
La señal de control total Sc , es por lo tanto, la suma de la parte proporcional y
de la parte integral del error:
Sc (t) = Scp (t) + Sci (t) (Anexo C.8)

Para transformar la señal de control en el cambio de las variables manipuladas,
se considera que éstas pasan a través de un actuador de primer orden, el cual define
una respuesta dinámica para las mismas de la siguiente manera:
dy Sc − y
= (Anexo C.9)
dt τ
De esta forma se logra controlar la potencia dada al hervidor a partir de la acción
de control sobre la variable Qb . La Fig.5.2 muestra la dinámica de la concentración en
el hervidor bajo la acción de la ley de control y cuando es agregada la alimentación
al minuto 70.
Para probar el desempeño del controlador sobre la variable manipulada Qb , se

aplica un cambio en el reflujo (lo que afecta las temperaturas en todos los platos de
la columna), de esta manera el controlador intenta compensar este cambio para man-
tener la concentración molar del hervidor (variable controlada) en el valor deseado.
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
Fig. 5.2: Concentración en el hervidor
corrección. La Fig. 5.3, muestra la variación de Qb por la acción del controlador.
Fig. 5.3: Variación de Qb por acción del controlador PI
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.
Cuando se aumenta la potencia calefactora Qb se acelera el proceso de evaporación

de la mezcla que hay en el hervidor, de esta manera, si la válvula de reflujo se encuen-
tra en operación (no hay reflujo total); esto significa una mayor cantidad de producto
destilado en un tiempo menor, a la vez, la pureza del destilado disminuye ya que el
vapor que asciende hacia el condensador arrastra una mayor cantidad de vapor de
Fig. 5.4: Concentración en el destilado
agua. Aprovechando este comportamiento, una forma de afectar la concentración en

el condensador es precı́samente aumentanto la potencia calefactora.
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:
Fig. 5.5: Variación de R por acción del controlador ON-OFF
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
destilación. La evaluación del desempeño del controlador PI y del controlador ON-

OFF fue realizada mediante simulaciones numéricas donde el proceso a controlar fue
representado por el modelo no lineal obtenido para una columna de destilación. Los
estados requeridos por la ley de control fueron los estimados por un observador de
alta ganancia continuo-discreto.

217MC Aag 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

217MC Aag PDF

Cargado por

Copyright:

Formatos disponibles

Centro Nacional de Investigación y Desarrollo Tecnológico

Departamento de Ingenierı́a Electrónica

TESIS DE MAESTRÍA EN CIENCIAS

ADRIANA AGUILERA GONZÁLEZ

Como requisito para la obtención del grado de:

Cuernavaca, Morelos, México.

TESIS DE MAESTRÍA EN CIENCIAS

ADRIANA AGUILERA GONZÁLEZ

Como requisito para la obtención del grado de:

Cuernavaca, Morelos, México.

Esta tesis presenta el diseño e implementación de un observador de estados continuo-

El observador continuo-discreto utiliza un modelo matemático que representa una

La respuesta del modelo es validada con respecto a mediciones adquiridas de la

Una de las principales ventajas de este observador es su ganancia constante, por

Finalmente, en simulaciones numéricas se evalúa que las concentraciones estimadas

This work presents the design and the implementation of a continuous-discrete

The continuous-discrete observer uses a mathematical model which represents a

Finally, through simulations it was assessed that the concentrations estimated by

A Dios por acompañarme lejos de casa y por permitirme conocer su grandeza a

A ti Javit y a Edgar por apoyarme en la aventura de salir de mi paı́s.

A mis revisores la Dra. Guadalupe López L. y el Dr. Enrique Quintero-Mármol M.,

A todos los docentes que contribuyeron en mi formación académica y personal du-

A todo el personal administrativo del CENIDET, agradezco especialmente a la

A mis grandes compañeros de generación: Flor, Aldo, Fabián, Carlitos, Joaquı́n,

A Letty, Lore y Julio, los amigos que Dios cruzó en mi camino.

A todos aquellos que en México me han acompañado en algún momento de este

Finalmente, agradezco al Centro Nacional de Investigación y Desarrollo Tecnológi-

2.1.2. Tipos de observadores . . . . . . . . . . . . . . . . . . . . . . 20

3. Modelo de una Columna de Destilación Binaria 43

4. Observador de alta ganancia continuo-discreto 83

5. Conclusiones generales 112

1.1. Diagrama de flujo del proceso Melle-Boinot . . . . . . . . . . . . . . . 2

2.1. Esquema de un observador de estados . . . . . . . . . . . . . . . . . . 20

3.1. Esquema general de una columna de destilación . . . . . . . . . . . . 45

4.1. Esquema de la columna de destilación utilizado por el observador. . . 88

4.2. Entradas experimento No. 1 . . . . . . . . . . . . . . . . . . . . . . . 97

5.1. Diagrama de flujo del modelo no lineal . . . . . . . . . . . . . . . . . 123

2.1. Observadores para columnas de destilación . . . . . . . . . . . . . . . 41

3.1. Evaluación del error en el modelo termodinámico propuesto a 760mmHg 54

4.1. Parámetros constantes del observador para el Experimento No. 1 . . . 95

Ai Constante de Van Laar.

ρi Densidad de cada componente (g/cm3 ).

La destilación es una de las técnicas de separación más importantes en la indus-

Una de las motivaciones de este trabajo es, precı́samente, que en la actualidad el

Actualmente la producción de etanol con fines carburantes es uno de los proce-

El proceso tı́pico de obtención de etanol a partir de los jugos de caña o melazas

Fig. 1.1: Diagrama de flujo del proceso Melle-Boinot

El etanol se obtiene principalmente del procesamiento de fermentación de azúcares

En esta última etapa del proceso, en la destilación, se aprovecha que el alcohol

Hoy en dı́a, las columnas de destilación constituyen un porcentaje significativo de

Uno de los principales objetivos de aplicar control automático en columnas de

Por lo tanto, diseñar un observador es igual a diseñar un sistema que se ve guiado

El observador diseñado en este trabajo de tesis, corresponde a un Observador de

desempeño del observador propuesto se realiza en simulaciones y su validación se

1.1. Ubicación del problema

1.1.1. Problemática en la técnica de destilación

El etanol se obtiene principalmente del procesamiento de fermentación de azú-

Las columnas de destilación constituyen un porcentaje significativo de la inver-

La dificultad de la destilación depende de la volatilidad relativa de los compo-

Como ya fue mencionado en la introducción, existen algunas aplicaciones de in-

Los observadores de estado, también conocidos como sensores virtuales, repre-

Para el caso de estudio, en una columna de destilación no es posible medir todas

1.1.2. Problemática en la estimación de estados