Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CURSO
INTRODUCCION
Esta introducción pretende dar una visión general sobre el control automático aplicado a procesos mineros así
como también describir conceptos y herramientas necesarias para comprender y aplicar los conocimientos que se
entregarán en las siguientes unidades que se presentan en este curso.
Temario
Objetivos Funcionales
Ej.: Mantener una variable cerca de un valor prefijado no obstante las perturbaciones.
Ej.: Incrementar el beneficio económico de una planta o proceso, sujeto a diversas restricciones.
3
Beneficios económicos
4
Entrega valores de referencia (set points) para los controladores locales de las unidades que forman parte
de la planta: flujos, niveles, posición, etc.
Control de variables de segundo nivel: tamaño de partículas en planta de molienda, leyes en planta de
flotación, etc. Entrega set points a controladores locales.
Puede realizar optimización según cifra de mérito que incluye aspectos económicos.
Coordina la acción de las subplantas de una planta. (P. ej planta concentradora de minerales)
Caracterización de las Variables de la Planta desde el punto de vista del CONTROL AUTOMÁTICO.-
Variables
Comandos (variables manipuladas).- Son variables que podemos manejar a nuestra voluntad (dentro de
ciertos límites)
Perturbaciones
Medidas.- Son variables que afectan el comportamiento de la planta en forma que no podemos
manipular, pero que podemos medir.
No medidas.- Son variables que afectan el comportamiento de la planta y de las cuales no poseemos
mediciones.
Interacciones
Retardos
No linealidades
Perturbaciones no medidas
Complejidad estructural
Teoría disponible
Disponibilidad de personal idóneo para mantener el sistema en operación (incluyendo la mantención del s/w y
h/w)
8
El efecto que tienen las perturbaciones sobre la variable de salida controlada se compensa actuando sobre las
variables manipuladas.
La posibilidad de corregir este efecto, por una parte, depende de la velocidad de respuesta de la salida frente a las
perturbaciones y, por otra, de la velocidad de respuesta de salida frente a cambios en la variable manipulada.
Por ejemplo, si la moliendabilidad del mineral (perturbación) en una planta SAG como la de la figura siguiente
varía lentamente, será relativamente más fácil corregir el efecto que tiene esta variación sobre el hold-up
(variable controlada) actuando sobre la alimentación fresca de mineral a la planta (variable manipulada), que si
la perturbación varía rápidamente
Este caso se ilustra en esta figura cuando está conectado el control PID de hold-up.
En la figura siguiente se muestra el caso en que la perturbación varía rápidamente, con lo que resulta más difícil
mantener el hold-up actuando sobre la alimentación fresca. También en este caso el control PID de hold-up esta
activado.
9
Escalones en la alimentación en torno a 1200 [tonlhr] hacen evidente el efecto de la no linealidad en un molino
SAG.
10
Otra forma de ver este comportamiento es con la característica estática de la planta. La figura siguiente
muestra la Curva Característica Estática de Potencia versus llenado (Carga) en un molino semiautógeno
produce efectos no lineales.
No Lineal en este contexto significa que el futuro estado de la planta está condicionado al
estado actual. Entonces, si la presión de soporte del molino SAG es de 600 y la velocidad de
alimentación se aumenta 50 t/h, la respuesta dinámica será muy diferente a que si la presión de soporte
hubiera sido 700. El concepto de complejo significa que una vez que se hace una serie de cambios de
sistema, ya no se puede volver al mismo lugar desde donde se partió si se revierten estos cambios.
Claramente este fenómeno, contribuye a la dificultad para controlar y optimizar los diagramas de flujo
típicos, y también contribuye al nivel de rendimiento en el que estamos actualmente
11
Si sólo se usa control PID clásico, los retardos son causa de una respuesta lenta de la variable controlada.
Este es el caso, por ejemplo del control de una correa transportadora en que por alguna razón el tonelaje se mide
en la descarga de la correa.
El problema presentado por el retardo se puede solucionar mediante un control basado en modelo..
12
Ejemplo de Interacciones:
Al tratar de controlar el Nivel del pozo con el Flujo de agua agregada al pozo, varía la Densidad.
Al tratar del controlar la Densidad con el Tonelaje de alimentación, varía el Nivel del pozo.
13
Disminuye el efecto de las perturbaciones no medidas (y también el de las medidas pero con menos efectividad
que el control PREALIMENTADO) al tratar en que el error entre la referencia (set-point) y la variable
controlada sea pequeño (Cero, Mínimo).
Permite reducir o eliminar el' efecto que tienen las perturbaciones medidas sobre la variable controlada en forma
más rápida que el Control Realimentado
Control Realimentado-Prealimentado
Al utilizar todas las· variables medidas (tanto la medición de la variable controlada como las mediciones de las
perturbaciones medidas) combina efectos positivos del Control REALIMENTADO y del Control
PREALIMENT ADO.
Al reducir el efecto de las perturbaciones medidas sobre la variable controlada, puede mejorar en forma
importante el desempeño del control Realimentado. Esto es especialmente cierto si hay una perturbación rápida
que afecta la variable controlada.
18
Control en Cascada
Una de las estrategias más utilizadas para estabilizar las variables de proceso (disminuir la variabilidad) es la de
control en cascada que son dos lazo de control, uno dentro de otro.
19
(1) El conocimiento disponible sobre la planta (2) de la rnodelación (Ej estático, dinámico) (3) La señales que
están disponibles (que se pueden o que conviene medir) (4)
Modelos Fenomenológicos
Modelos Grises (incorporan parcialmente aspectos fenomenológicos)
Modelos Caja Negra
En la mayoría de los casos el balance dinámico se puede expresar mediante un conjunto de ecuaciones llamadas
Ecuaciones de Estado.
Expresar las ecuaciones de balance en función de variables de entrada y salida para obtener un modelo de
Entrada-Salida de la planta, en el que las variables de entrada (manipuladas y perturbaciones) se relacionan con
las variables de salida.
Area de estanques
Parámetros de válvulas ·
Tasas de Flotación ·
Indice de moliendabilidad de mineral ·
Volumen de molino ·
20
A diferencia de los modelos construidos con ecuaciones diferenciales, su programación ya sea en lenguajes tales
como BASIC, MATLAB, C++, etc. es casi inmediata.
Ecuaciones
t1 = to + T
tk = to+kT
x(kT) = xk
Muestreo y Retención
Caso en que las muestras no contienen información suficiente como para reconstruir la variable muestreada. Dos
señales distintas pueden tener las mismas muestras.
Caso en que las muestras ahora contienen información suficiente como · para reconstruir la variable muestreada,
p.ej., por interpolación. El período de muestreo T está relacionado con la tasa de variación de la variable.
22
CONTROL AVANZADO
Los desafíos de control como no linealidades, retardos, interacciones, acoplamientos, parámetros
variables en el tiempo, variabilidad en las variables controladas.
Además se deben satisfacer criterios económicos, asociados con el mantenimiento de las variables de
proceso en sus referencias minimizando dinámicamente (optimización) una función de coste de
operación, criterios de seguridad y medioambientales, y de calidad en la producción, la cual debe
satisfacer ciertas especificaciones sujetas a una demanda normalmente variable.
Estos requerimientos han llevado al desarrollo del control avanzado que va más allá del clásico
control por realimentación, prealimentado y cascada.
Estas técnicas de control se pueden denominar industrialmente como APC: Control Avanzado de
Procesos.
Las dos técnicas avanzadas más destacadas en su aplicación en el ámbito minero son:
Estas técnicas de control tienen asociadas otras técnicas de aplicación más reciente como ser
Redes Neuronales e
Identificación paramétrica
Las diferencias entre los dos tipos de sistema MPC y Experto son principalmente
• MPC usa un modelo del proceso; un sistema experto usa un modelo del operador.
Algunos sistemas son híbridos; por ejemplo, la estrategia de control experto de ABB incluye
técnicas tales como ganancia variable, bloques de reglas difusas multivariables, redes neuronales y
MPC.
23
Delta V
26
SIN UNA BUENA INSTRUMENTACION NO SERA POSIBLE UN BUEN CONTROL AUN APLICANDO
TECNICAS AVANZADAS DE CONTROL