MI 6112

AUTOMATIZACIÓN Y
CONTROL DE PROCESOS

CLASE 9

Fernando Romero E.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

El control avanzado basado en modelos se desarrolla a partir de la

disposición de un modelo adecuado de la planta.

La idea central es: dado que se dispone de un modelo apropiado, se puede

incorporar este conocimiento en el sistema de control.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

Los principales desarrollos de control avanzado basado en modelos son:

 El Predictor de Smith.

 El Control Multivariable.

 El Control Adaptivo.

 El Control Predictivo Basado en Modelo (MPC).

MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

PREDICTOR DE SMITH:

Este controlador permite manejar procesos con retardos relativamente grandes, ya

que incorpora una modelación del retardo.

Ejemplo: Sistema de alimentación de mineral con correa transportadora.

MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL MULTIVARIABLE:

Permite controlar procesos con acoplamientos (interacciones) significativos entre

variables, ya que empleando un modelo del proceso se realiza el desacoplamiento entre
las variables manipuladas y las variables controladas.

Ejemplo: Control de nivel de celdas en un banco de flotación.

MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL ADAPTIVO:

Permite controlar procesos con variación de sus características en el tiempo.

Hace uso de un modelo de la planta, que se va adaptando según cambian las
características de ésta en el tiempo, para ajustar el comportamiento del controlador.

Ejemplos:
Cambio en las características del mineral de alimentación: dureza, liberación,
distribución de tamaños, concentración, etc.
Desgaste de los componentes de los equipos de procesamiento de minerales:
revestimientos de molinos, impulsores de bombas, parrillas, etc.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC):

Corresponde a una de las tecnologías de control avanzado más aplicada en la

industria de procesos.

Se basa en la identificación en línea de un modelo del proceso, que permite

predecir la evolución de su salida en un cierto instante y para un cierto
horizonte de tiempo (el horizonte de predicción) con la información disponible
hasta ese instante. En base a la predicción de la salida, se determinan las
acciones de control optimizando una función objetivo.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC):

El interés por el Control Predictivo lo corrobora un estudio de Quin y Badgwell, efectuado en

1997, que revisa 2.200 aplicaciones, la gran mayoría efectuadas en la industria
petroquímica.

De acuerdo a este estudio, MPC despierta elevadas expectativas (efecto esperado) y es fácil de
implementar (posibilidades técnicas), como muestra la figura siguiente. En este diagrama el
punto de inicio de cada flecha muestra la situación promedio entre todas las empresas
encuestadas, y el extremo final indica la situación promedio en las empresas líderes.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Características.

✓ Se incorpora un modelo explícito del proceso para el cálculo de las predicciones.

✓ Se analiza el comportamiento del proceso en un horizonte futuro, lo cual permite

tener en cuenta el efecto de las perturbaciones.

✓ También es posible incorporar predicciones de los valores futuros de las

referencias.

✓ La señal de control se determina empleando optimización.

✓ Compensación intrínseca de los retardos.

✓ Es posible considerar restricciones en la etapa de diseño.

✓ Existen varios productos de control predictivo que se comercializan industrialmente,

con períodos de amortización entre 3 y 12 meses.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Clasificación.

ABB: Optimize IT Predict 3dMPC

Adersa: Identification and Command (IDCOM), PFC.
Aspen Tech: Dynamic Matrix Control (DMC), Aspen Target.
Continental Controls: MVC.
DOT Products: Nova NLC.
Emerson: Delta V PredictPro
Honeywell: Robust Model Predictive Control Technology (RMPCT)
Invensys: Connoisseur.
IPCOS: Inca.
Matrikon: Process ACT MPC.
Shell Shell Multivariable Optimising Controller (SMOC).
Sherpa Eng.: IDCOM-HIECON.
Pavilion Tech: Process Perfecter.
Perceptive Eng.: Control MV.
Setpoint Inc.: Setpoint Multivariable Control Architecture (SMCA).
Treiber: Optimum Predictive Control (OPC).
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Fundamentos.

El modelo predice la evolución de la salida del proceso sobre un horizonte N. Si

designamos con y(t) a la señal de salida, entonces ŷ(t+k|t) para k = 1, 2, …, N, indica la
predicción de y(t+k) con la información disponible hasta el instante t.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Fundamentos.

Las señales de control se determinan minimizando una función objetivo.

La función objetivo puede incluir el error de predicción: e(t+k) = w(t+k) - ŷ(t+k|t), donde
w(t) es la referencia en el instante t. Si el modelo es lineal, la función es cuadrática y no
se consideran restricciones, existe solución analítica al problema de optimización
originado.

El control óptimo u(t|t), esto es, el control óptimo determinado con la información
disponible hasta el instante t, se aplica al proceso, y los restantes valores se desechan,
para a continuación iniciar una nueva secuencia de cálculo.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Estructura.

En todos los algoritmos y productos comerciales de MPC se encuentra:

➢ Un modelo de predicción
➢ Una función objetivo
➢ Un método de cálculo de la ley de control, para un horizonte dado.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Elementos.

➢ Modelos de predicción

El modelo se utiliza para obtener la predicción

Los modelos pueden clasificarse de diversas formas, por ejemplo: lineales y no

lineales, de parámetros fijos y de parámetros variables (adaptivos),
fenomenológicos y empíricos.

Ejemplos de modelos lineales: respuesta al escalón, función de transferencia,

en variables de estado.

Ejemplos de modelos no lineales: polinomiales, neuronales, dinámicos

MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Elementos.

➢ La Función Objetivo.

La función objetivo que habitualmente se emplea en problemas de regulación

es:

N1 y N2 definen el horizonte de predicción para la salida; Nu es el horizonte de

control.

En general N1 >= d , con d el tiempo de retardo, d ( j), l( j) son factores de peso.

El término w(t) hace las veces de referencia. Normalmente la referencia es

conocida antes de calcular el control, por lo cual puede ser incluida en el
algoritmo de control, acelerando la respuesta del proceso.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Elementos.

➢ Cálculo de la Ley de Control.

Para obtener se requiere optimizar la función objetivo, considerando

las restricciones del problema y el modelo del proceso, que también hace las
veces de restricción.

La forma de cálculo de la ley de control depende del modelo del proceso, la

función objetivo y las restricciones. En problemas sin restricciones en que el
modelo es lineal y la función objetivo cuadrática, existe solución analítica. En
cambio, para modelos no lineales la solución será numérica.

La solución del problema de optimización para control predictivo implica

determinar controles.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Elementos.

➢ Restricciones.

Las restricciones pueden afectar a las variables manipuladas y a las variables

controladas.

Las restricciones en variables manipuladas podrían tenerse en consideración

también saturando, por valor máximo o mínimo, los óptimos calculados. Esta
solución no es óptima, y tampoco evita que el efecto se manifieste a futuro,
pudiendo originar inclusive inestabilidades.

Las restricciones admiten diferentes clasificaciones, por ejemplo, “duras” y

“blandas”. Las restricciones duras son aquellas que no se pueden violar bajo
ninguna circunstancia. Las restricciones blandas pueden ser violadas en un
momento dado y por un cierto periodo. La violación se penaliza en la función
objetivo; esta es una forma de relajación.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos

CONTROL PREDICTIVO BASADO EN MODELO (MPC): Elementos.

➢ Restricciones.
MI 6112 – CLASE 9: CONTROL AVANZADO Control Basado en Modelos