Proyecto Final: Sistema de control realimentado

sobre reactor quı́mico continuamente agitado

Victor Felipe Rojas Vargas Luis Gabriel Ması́s Fernández

B87001 B84666
victor.rojasvargas@ucr.ac.cr luis.masisfernandez@ucr.ac.cr

Resumen—Este documento es una explicación e informe sobre sistemas continuos como en este caso. A veces es conveniente
el proyecto final planteado en el curso Sistemas de Control, de para este tipo de reactores utilizar el concepto de espacio
la Universidad de Costa Rica en el ciclo II-2021. El curso es tiempo refiriéndose este al volumen fijo dividido entre la tasa
impartido por el docente Helber Meneses y en el se enseñan
las bases y conceptos fundamentales sobre los sistemas de de flujo volumétrico. Lo anterior hace referencia a la cantidad
control y sus aplicaciones en la industria. Para el presente de tiempo necesaria para procesar un volumen del material
proyecto, se pretende realizar una aplicación de estos conceptos base, claramente este parámetro varia conforme también lo
tan importantes especialmente el de lazo realimentado y sus hace su punto de operación. [2]
respectivas caracterı́sticas. Este tipo de reactores tienen diversas aplicaciones, entre
Palabras clave—Sistema de control realimentado, control re-
gulatorio, reactor, caudal, concentración. ellas se cuenta principalmente con reacciones que necesiten
bajas concentraciones, un ejemplo utilizado en la industria
I. F UNCIONAMIENTO DEL P ROCESO de esto son la inhibición del sustrato en un quimiostato. Por
otro lado, el reactor a su vez posee aplicaciones para sistemas
El reactor quı́mico continuamente agitado es de los equipos
heterogéneos donde la alta mezcla produce un alto tiempo de
más comúnmente utilizados en la industria de procesos. Este
contacto entre fases. Otra aplicación interesante, es que los
proceso puede convertir reactivos quı́micos en productos
CSTRs de liquido-liquido son utilizados para la saponificación
terminados y es por esto que toma un papel fundamental en
de grasas y para polimerizaciones de suspensión y emulsión.
muchos procesos quı́micos. En términos generales, los CSTRs
operan alrededor de un punto de equilibrio que se centra en II. VARIABLES DE INTER ÉS
una efectiva tasa de conversión y además que maximiza los
beneficios económicos. Este proceso es sumamente difı́cil de Se tomara como base el modelo presentado en la figura:
analizar debido a que presenta un comportamiento no lineal y
es muy dinámico. [3]
Es importante destacar el funcionamiento como tal del
proceso, donde este tipo de reactores en la industria presentan
una entrada y una salida continua. El CSTR en operación ideal,
esta bien mezclado y no presenta zonas muertas ni averı́as. Los
aspectos que se deben asumir para un funcionamiento ideal
del CSTR son:
Es un proceso isotérmico y la composición es la misma
en todo el tanque.
La composición del producto es la misma que la que se
encontraba en el tanque.
El tanque opera en estado estacionario.
La clasificación de este tipo de reactores es que es pertene-
Figura 1: Modelo real de CSTR. Recuperado de [1]
ciente a uno de los principales reactores de flujo ideal.
Como la misma concentración existente en todo el tanque
y el rector trabajando en estado estacionario, solo hay una de la cual es importante señalar los siguientes parámetros:
tasa de conversión en la concentración promedio en el tanque . Variable controlada, CB : concentración del lı́quido de
Como la concentración en el tanque es pequeña, usualmente salida (lı́quido B).
la tasa de concentración también lo es. Además, es importante Variable manipulada, Fr : caudal del lı́quido a través del
destacar que el tiempo sigue siendo una variable importante en reactor.
 Señal de control, u(t): Al implementar una válvula
de control para manipular la variable Fr , la señal de
control esta descrita como la salida de la curva estática
del reactor, al cual se le aplica un cambio escalón
en Simulink y se obtiene la respuesta, donde se nota
una tendencia decreciente antes del inicio del escalón.
Seguidamente, el escalón sube y la respuesta llega a
estabilizarse asintóticamente.
Perturbaciones, cAi : Concentración del lı́quido de entrada
(lı́quido A).
Punto de operación, Fro : 400Lmin−1 . Este valor ante una
concentración A (CAi ) de 10 gmolL−1 y considerando
Figura 2: Diagrama del proceso.
que el valor del volumen del tanque es de 700 L. De
igual forma, el valor de la concentración A en el punto de
Como fue mencionado anteriormente, para esta sección se
operación cA0 es de 3 gmol/L y se opera alrededor de un
utilizó el toolbox System Identification de Matlab. Como se
valor de concentración de salida (CB0 ) de 1, 117 gmol/L.
observa en la figura 2, se utilizó el bloque de función de
[1]
transferencia identificada para el proceso CSTR (proceso real.
III. D ESEMPE ÑO DE LAZO DE CONTROL Haciendo uso de una entrada tipo escalón normalizada de 0 a
Para identificar el desempeño del lazo de control del 100, se utilizó un tiempo de muestreo de 0.001 para garantizar
reactor quı́mico se tiene que tomar en cuenta que la variable la exactitud de las señales de salida y de control, dichas señales
manipulada es Fr , el cual es el caudal volumétrico de entrada fueron exportadas al workspace de Matlab utilizando el bloque
al reactor y la perturbación esta dada por cAi . Si cAi presenta simout en su modalidad de vector.
una disminución , el nivel de concentración de B disminuirá Dentro del workspace se implementó la función SystemI-
y afectará en la salida del reactor, esto quiere decir que es dentification, esta función permite obtener una función de
necesario tener un control sobre la perturbación para asegurar transferencia con base en un modelo de caja negra a partir de
un valor deseado en la salida, aunado a esto, dado que la sus señales de entrada y salida.Se importaron los vectores de
concentración de B se vuelve insensible a cambios de Fr , por interés asegurando su coherencia en número de filas, se asignó
tanto se puede observar que el funcionamiento aplicado debe un tiempo de muestreo de 0.001 s y se inició con condiciones
ser de control regulatorio para que el sistema sea insensible a la iniciales cero para no perder la relevancia de estos. A su vez,
perturbación dada. Además, por las caracterı́sticas de la planta, se implementó un modelo de experimento que corresponde a
el diseño de los controladores tendrán que tomar en cuenta una disminución del rango de valores del modelo de validación,
la mejor posible robustez debido a las variaciones constantes el importado inicialmente. Se utilizó la estimación por medio
dinámicas del proceso y además un buen rendimiento con de la función de transferencia, los resultados obtenidos se
respecto a los tiempos de asentamiento para asegurar la mejor muestran en 3.
forma de operación de la planta. Además, por un tema de
costos, el esfuerzo de control debe ser considerado para que el
controlador no se vea deteriorado fácilmente con el trascurso
del tiempo.
IV. I DENTIFICACI ÓN DE MODELO DE PROCESO
En la presente sección se toma un modelo caja negra donde se
Figura 3: Función de transferencia del modelo estimado
analiza la respuesta de la planta ideal y se necesita encontrar la
función de transferencia que mejor describa el comportamiento
Con esto, se concluye que la función de transferencia
de dicho proceso. Para esto, se implementan tres distintos méto-
obtenida para el modelo identificado es la siguiente:
dos de reconocimiento de función de transferencia descritos a
continuación. −2, 269s + 3, 055
P (s)modelo = (2)
IV-A. System Identification Toolbox (MATLAB) s2 + 4, 066s + 4, 074
Primeramente, es importante destacar la ecuación del proceso 3,055(1 − 0,74s)
P (s)modelo = (3)
real la cual fue brindada en el enunciado del proyecto debido (0,56s + 1)(0,44s + 1)
a que se necesita la utilización de la misma para realizar el IV-B. Método de identificación FT integradora de primer
proceso de identificación por medio del toolbox de Matlab orden
System Identification. La ecuación es la siguiente:
Primeramente, para este método se necesita obtener la
0, 75(1 − 0, 75s) respuesta de lazo abierto del sistema, la cual está dada por la
P (s)real = (1) siguiente curva:
(0, 5s + 1)2
 T = 0, 60(t90 − t47 ) (9)

1 + (y0 − yp )/∆y
b= −1 (10)
e−(tp −L)/T

(t47 − L)/T − 0,7538 − 0,6262b + 0,0696b2

a= (11)
0,9275 + 0,1794b + 0,0161b2
Observando la respuesta de nuestro sistema real con los
puntos de operación y parámetros antes mencionados, se
obtiene:

Figura 4: Respuesta del sistema a Lazo Abierto

Además, la identificación de este modelo posee la forma:

Ke−Ls
P (s) = (4)
s
Utilizando un escalón en el punto de operación para el lazo
abierto, correspondiente al 70 %, es posible obtener la respuesta
observada en la Figura 4. Al trazar una recta tangente a la
curva nos permite obtener los valores K y L respectivamente,
utilizando el par ordenado obtenido, se obtiene:
∆y 42,38
K= = = 0,76 (5)
∆t · ∆U 0,8 · 70
Figura 5: Respuesta de sistema real con entrada escalón de un 10 %
Con respecto al parámetro L , este se obtiene gráficamente
en la intersección entre la pendiente y la recta y=0, medido
desde el instante en donde se aplica el escalón. De forma que Donde el eje x es el tiempo dado en segundos, el eje y es el
L = 0,95 − 0,8 = 0,15. porcentaje de las señales, la curva azul es la señal de entrada
Por tanto la función de transferencia del proceso identificado y la verde es la señal realimentada.
corresponde a: Con los datos conocidos, se sustituye en las ecuaciones
0,76e−0,15s planteadas anteriormente y se obtiene:
P (s) = (6)
s L=0 (12)
IV-C. Ajuste de parámetros de modelos para los procesos
con respuesta inversa
7,482
Para este caso, la respuesta del modelo estable de segundo K= = 0,75 (13)
orden sobreamortiguado más tiempo muerto con un cero de 10
fase no mı́nima, a un cambio en la entrada se define por la
ecuación: T = 0, 60(2,4 s − 1,36 s) = 0,624 s (14)
(
0  si 0 ≤ t < L
f (n) =
   1 + (0 + 2,76)/7,48
K[1 − 1−b
e−(t−L)/T + 1−a
a−b
e−(t−L)/aT ]∆u si t ≥ L b= − 1 = 1,144 (15)
1−a
(7) e−(0,28)/0,624
Para obtener el ajuste de parámetros de este modelo, se
utilizan las ecuaciones descritas en Balaguer et al. (2011) (2,66)/0,624 − 0,7538 − 0,6262 · 1,144 + 0,0696 · 1,1442
donde las ecuaciones son: a=
0,9275 + 0,1794 · 1,144 + 0,0161 · 1,1442
(16)
∆y
K= (8) a = 3,33
∆u
 Entonces, sustituyendo en la función de transferencia se las dos señales de salida, luego se calculó el valor absoluto para
obtiene: descartar los valores negativos y finalmente un integrador con
condiciones iniciales cero para obtener el valor del ı́ndice de
0,75 · (−0,71s + 1) bondad IAE. A continuación, se muestra los bloques utilizados.
Pu−y (s) = (17)
(0,625s + 1)(2,08s + 1)
Simplificando esta ecuación, se obtiene:
−0,5325s + 0,75
Pu−y (s) = (18)
1,3s2 + 2,705s + 1
IV-D. Resultados de plantas obtenidas
Realizando una comparación de las distintas plantas obteni-
das por medio de los métodos explicados con anterioridad, se Figura 7: Índice de bondad obtenido.Creación Propia
obtiene la siguiente figura:
VI. D ISE ÑO DEL CONTROLADOR
VI-A. PI Ideal
El primer diseño de controlador se realizó siguiendo la regla
Chien et al (2003). Utilizando los parámetros del controlador:
km = 3,055 y Tm = 0,56 esta correspondiendo a la constante
de tiempo mayor. Las ecuaciones del controlador son las
siguientes: [4]

Tm
Kc = (19)
km (1,414 · x1 + Tc + τ )

0,56
Kc = = 0,0683 (20)
3,055(1,414 · 1,36 + 0,74 + 0)

Ti = Tm = 0,56 (21)

   
1 1
C(s) = kc 1+ = 0,0683 1 + (22)
Ti s 0,56s

0,0683 + 0,0382s
C(s) = (23)
0,56s
VI-B. PID Clásico
El segundo método utilizado corresponde a la regla Poulin et
al (1996). Para el desarrollo de este controlador se establecen
las siguientes ecuaciones. [4]
Figura 6: Comparación de plantas identificadas en el punto de
operación 70 % Tm1
Kc = = 0,327 (24)
km (Tm1 + τ )
Como se puede observar en la figura 6, el modelo más similar
al del proceso real es el obtenido mediante el el tooolbox de Ti = 0,56 ; Td = 0,44 ; Tm3 = 0,74 (25)
Matlab y es con el cual se procederá a diseñar los controladores.
V. E VALUACI ÓN DE MODELOS OBTENIDOS Td
N= = 0,595 (26)
Tm3
La estimación de un modelo de caja negra siempre mantiene
un margen de error con respecto a su ecuación de planta real,   !
para obtener este porcentaje de error se utilizó el ı́ndice de 1 1 + Td s
C(s) = Kc 1 + (27)
bondad IAE. La figura 2 muestra el bloque con la función de Ti s 1 + TNd s
transferencia de la planta real y la modelada por el metodo de   !
System Identification, como se observa en la figura 6 presenta la 1 1 + 0,44s
C(s) = 0,327 1 + 0,44 (28)
estimación más exacta. Se implementó un bloque de resta entre 0,56s 1 + 0,595 s
VI-C. PID estándar Con estos parámetros, se tiene el controlador de PID estándar
El último método realizado fue el PID estándar con los ideal, sin embargo este no es posible de implementar en la
parámetros de sintonización USORT1, para control regulatorio. realidad y por eso se debe agregar un filtro derivativo donde
Primeramente, la ecuación de del PID estándar esta dada por: la función de transferencia queda de la siguiente manera:
[1] 1 Td s
C(s) = Kp (1 + + ) (41)
1 Ti s 1 + τf s
C(s) = Kp (1 + + Td s) (29)
Ti s Donde τf = α · Td y diseñando para un α = 0,1, entonces
Utilizando el método USORT1 para control regulatorio, con se tiene τf = 0,00373. Seguidamente se sustituyen los valores
una robustez de Ms = 2,0, debido a que se necesita que el en la función de transferencia y se obtiene:
sistema no se vea muy afectado por las perturbaciones. En
este método, los parámetros del controlador están dados por 1 0,0373s
las ecuaciones: C(s) = 0,1516(1 + + ) (42)
0,132s 1 + 0,00373s
a0 + a1 τ0a2 Y de forma simplificada:
Kp = (30)
K 1,16676s2 + 41,8s + 307,90
C(s) = (43)
s2 + 268,097s
Ti = (b0 + b1 τ0b2 ) · T (31)
VI-D. Comparación de señales realimentadas para controla-
dores diseñados ante un cambio escalón de un 10 %
Td = (c0 + c1 τ0c2 ) · T (32)
En la figura 8 es posible observar las distintas señales
Donde T = 0,56 s debido a ser el polo dominante en la realimentadas ante un cambio escalón del 10 % con los distintos
planta y K = 3,055. Seguidamente, se calcula el parámetro a, controladores diseñados ya explicados anteriormente.
donde a = 0,44/0,56 = 0,79. Además, al la planta no poseer
tiempo muerto se deduce que τ0 = 0 y esto simplifica en gran
medida las ecuaciones planteadas anteriormente . En la tabla
solo se obtienen relaciones de de a = 0,75 y a = 1,0 por lo
cual se diseñan los parámetros para ambas medidas y luego
se interpolan estos resultados para obtener los valores en el
punto deseado de la siguiente manera:
a0 0,464
Kp0,75 = = = 0,15 (33)
K 3,055

Ti0,75 = b0 · T = 0,235 · 0,56 = 0,132 s (34)

Td0,75 = c0 · T = 0,074 · 0,56 = 0,041 s (35)

a0 0,488
Kp1 = = = 0,16 (36)
K 3,055

Ti1 = b0 · T = 0,236 · 0,56 = 0,132 s (37)

Figura 8: Respuesta de la planta con los algoritmos de control
diseñados.
Td0,75 = c0 · T = 0,033 · 0,56 = 0,018 s (38)
Seguidamente, obtenidos los valores se realiza la interpola- VII. A N ÁLISIS DE R ESULTADOS
ción para los valores de Kp y de Td ya que para Ti el valor Del método utilizado sobre el Toolbox de System Identifica-
se mantiene igual y por ende se toma como Ti = 0,132 s tion de Matlab se puede observar que dependiendo de a forma
que se muestree la señal y la cantidad de tiempo que esta se
(0,16 − 0,15) muestree, pueden variar las señales tomadas para realizar la
Kp0,79 = 0,15 + (0,79 − 0,75) = 0,1516 (39)
(1 − 0,75) aproximación del modelo. En este caso, la aproximación de la
señal fue de aproximadamente un 99 % el valor real de la señal.
(0,018 − 0,041) Con respecto al IAE, se puede decir que para este método de
Td0,79 = 0,041 + (0,79 − 0,75) = 0,0373 s identificación se comprobó de manera satisfactoria la similitud
(1 − 0,75)
(40) con el proceso real al obtener un valor de la integral de 0.1829.
Es importante destacar el aspecto que conforme se sube o baja
el tiempo de simulación, el IAE puede aumentar o disminuir
respectivamente. Por ejemplo, se realizó una simulación de
20 segundos en esta ocasión, pero al realizar simulaciones
más grandes , se obtuvo un ı́ndice mayor. Sin embargo, estos
siempre con una magnitud menor a 10 (máximo 7). Finalmente,
observando la figura 6, se puede notar que la diferencia entre
las curvas obtenidas con este método es mı́nima, ya que se
nota que las curvas se encuentran a una aproximación cercana
al 100 % sobre la curva de la planta.
Método de control Mreg
Tr Ts
Controlador PI 0%
Controlador PID Clásico 1.9 %
Controlador PID estandar 2.18 %
Cuadro I: Resumen de sobrepasos máximos en control regulatorio.
Método de control Am Φm
Controlador PI 21.3dB 80.9
Controlador PID Clásico 5.52dB 35.2
Controlador PID estándar 37.2 dB 77.6
Cuadro II: Valores para la elección del controlador.
El inverso del margen de ganancia en un diagrama polar,
permite identificar que tan cerca se localiza el sistema con
respecto a -1. De forma que, entre más grande sea este valor
más lejos se encontrará de dicho punto y por consecuente más
lejos del lı́mite de su estabilidad.
Respecto al margen de fase permite identificar la cantidad
de desfase que se le puede brindar al sistema antes de que se
vuelva inestable. Por ende, entre mayor sea el margen de fase,
más se puede modificar el sistema sin que se vuelva inestable.
Como se observa en la Tabla I el controlador que presenta
la mejor robustez (menor sensibilidad) corresponde al PI,
sin embargo, pese a estas especificaciones es el controlador
con el tiempo de asentamiento mayor, convirtiéndolo en un
controlador lento para alcanzar la estabilidad. Por otro lado,
el controlador PID clásico presenta un sobrepaso del 1.09 %
ante un cambio en la señal de entrada del 10 % y según la
Figura 8 presenta un tiempo de asentamiento mucho menor,
sin embargo, posee los peores margenes de ganancia y de
fase, haciéndolo el controlador más inestable de los tres en un
aspecto de robustez. Por último, el controlador PID estándar
tiene el mayor porcentaje de sobrepaso, sin embargo, al este
apenas ser de un 2 % , se puede considerar que el sobrepaso
no afecta mucho a la señal. Además, posee valores de margen
de ganancia y de fase que lo hacen bastante estable donde
estos márgenes son bastante amplios y no pareciera necesitar
algún tipo de compensador para ser un controlador bastante
robusto. Se puede observar que con respecto al esfuerzo de
control, las señales no presentan cambios sumamente abruptos
y son señales suaves. Sin embargo, se puede notar que la señal
más suave es la del controlador PI, seguida del PID clásico la
cual se asemeja mucho a la del PID estándar.
VIII. C ONCLUSIONES
Debido a la alta importancia de los niveles de concentración
de la alimentación del reactor quı́mico continuamente agitado,
se identificó como una prioridad tener el caudal de lı́quido
dentro del reactor lo más estable posible, de esta forma no
alterar la concentración del lı́quido de salida y garantizar
un producto terminado de calidad. Esto es posible al poseer
un sobrepaso mı́nimo en la señal realimentada. Además, el
comportamiento dinámico y no lineal exige un controlador
que pueda ser estable ante variaciones del proceso. Se puede
concluir que pese a su pequeño sobrepaso presentado, el
controlador PID Estándar es el controlador que garantiza una
adecuada robustez, estabilidad y seguridad ante cambios del
proceso con su sobrepaso de 2 % y margenes de ganancia
y fase suficientemente grandes para que la estabilidad de
la planta en fase y en ganancia no se vea afectada. Por
último, se destaca la vitalidad de tener un controlador seguro
y estable en entornos industriales quı́micos que garantice la
seguridad de las máquinas, el producto y el personal humano.
La razón por la cual se descarta el controlador PI Ideal
como el mejor controlador para la planta, es debido a que
este presenta un tiempo de asentamiento considerablemente
mayor a los controladores PID (el doble) y se deduce que por
rendimiento es más conveniente debido al desconocimiento
de las perturbaciones presentadas, la señal logre estabilizarse
con una mayor rapidez, no dejando de lado los aspectos de
robustez y estabilidad antes mencionados.
En resumen, el modelo que mejor contempla tanto robustez
como rendimiento en términos generales de tiempo al pico,
tiempo de asentamiento, sobrepaso y márgenes de fase y de
ganancia, el controlador mejor aplicable de los diseñados es el
PID estándar con un filtro añadido para su implementación.
R EFERENCIAS
[1] Alfaro,V. (2018) Sistemas de control proporcional, integral y derivativo..
Costa Rica: UCR.
[2] Foutch, G. & Johannes A. (2003) Reactors in Process Engineering
Oklahoma State University
[3] Zhao, D., Zhu, Q., Dubbeldam, J. (2015). Terminal sliding mode control
for continuous stirred tank reactor. Chemical Engineering Research and
Design, 94, 266-274. https://doi.org/10.1016/j.cherd.2014.08.005
[4] O´Dwyer, A. (2009). HANDBOOK OF PI AND PID CON-
TROLLER TUNING RULES. Imperial College Press. Recuperado
de: http://cyxtp.ucoz.ru/pdf/Aidan O Dwyer Handbook of PI and PID
Controller Tuning Rules.pdf