Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/339626981
CITATIONS READS
0 371
4 authors, including:
Vicente A. Mut
National University of San Juan
155 PUBLICATIONS 1,975 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Programación de mina de largo plazo mediante optimización multiobjetivo predictiva View project
All content following this page was uploaded by Oscar Daniel Chuk on 02 March 2020.
Ing. Daniel Chuk*, Ing. Víctor Ciribeni* , Ing. Enrique Nuñez*, Dr. Ing. Vicente Mut**
Resumen: Se presenta en este trabajo el uso de algoritmos de control del tipo predictivo
generalizado (GPC, generalized predictive control) aplicados a un circuito clásico de
molienda en húmedo con clasificación por hidrociclón, con el fin de asegurar condiciones
óptimas de densidad en el molino y una adecuada granulometría del producto. Se ha
verificado la eficiencia del control GPC, comparado con controladores PID.
Donde: SiE = Velocidad específica de fractura del 3.3 Dinámica del proceso de molienda
tamaño i, en t/Kw-h.
E = Energía por tonelada de sólido A las expresiones anteriores, que tienen carácter
alimentada al molino, Kw/h/t. estático y describen en consecuencia el proceso en
t = tiempo, h. estado estacionario, se les debe superponer la
dinámica correspondiente.
El término SiE interviene en la ecuación (2) del
modelo simplificado de molienda continua, que Definiendo el tiempo de residencia T res como el
permite obtener la granulometría del producto del tiempo promedio que permanece una partícula dentro
del molino, D como el coeficiente de difusión [m2/s] 3.4 Características especiales de la dinámica del
y la relación u entre la longitud total del molino L y sistema producto de la interacción entre caudales
el tiempo de residencia , u = L/T res,, se puede de sólidos y líquidos en el molino.
expresar la variación de la concentración de un cierto
tamaño ci(l,t) por la ecuación de la difusión de Las expresiones anteriores tratan los caudales de
Fokker-Planck: salida del molino de sólidos y agua como
independientes entre sí, pero existen sin embargo
ci 2ci ci caudales adicionales como resultado de la influencia
D u (6)
de uno sobre el otro. Si, por ejemplo, el caudal de
t l2 l
sólidos aumenta, el medio en el molino se encontrará
más denso luego de un tiempo, lo que significa que
La solución adimensional de esta ecuación para
existe un desplazamiento de agua afuera del molino,
distintas relaciones largo - diámetro y para un
y esto se manifiesta como un caudal adicional de
impulso en la entrada se muestra en la Figura 3:
agua Qw', no producto de una entrada de agua al
molino sino de dicho desplazamiento.
Qsin
(8)
Qsin Qwin
Fig. 3. Solución adimensional del modelo de difusión donde se hace referencia a los caudales de sólidos y
agua de entrada, y deberá ser igual a:
Los tiempos T y dependen del tiempo de residencia Como Pw ' Qw 'dt , derivando (10), se tiene
del molino Tres y que se define como Tres= Ps/Qs,
donde Ps es el Holdup de sólidos (peso de sólidos
dPs dPw dPs 1
contenido en el molino) y Qs es el caudal de sólidos Qw ' (11)
que lo atraviesa. dt dt dt
Como parte del modelo se incluye un lazo de control Como se desea encontrar Qw', que es la variación de
PID sobre el nivel del sumidero destinado a evitar caudal de agua ocasionada solamente por una
que el mismo rebalse. En cuanto al hidrociclón, las variación en los sólidos, se supone que la variación
constantes de tiempo involucradas son sumamente en los líquidos producto del caudal de agua de
pequeñas comparadas con las del molino, por lo cual entrada es nula, o sea dPw/dt = 0, con lo que de (11)
se desprecian y se considera sólo el modelo se obtiene:
algebraico descripto anteriormente (Niemi et al.,
1997). dPs 1
Qw ' ( 1) (12)
dt
A su vez, como la variación de peso dPs/dt es la variables de entrada: 0.9 tn/h a 1.1 tn/h en t=25h en
diferencia entre los caudales de sólidos de entrada los sólidos de alimentación; 1.9 tn/h a 2.1 tn/h en
Qsin y salida Qs, y reemplazando también de (8) se t=50 h en el agua de alimentación; 0.65 tn/h a 0.75
puede colocar la expresión anterior como tnh en t=75 h en el agua adicional.
Qw Qs Q (13)
Qw '(Qsin Qs )( 1) (Qsin Qs ) w
Qs Qs 3.5 Obtención de un modelo lineal alrededor de un
punto de trabajo.
donde debe tenerse en claro que Qw y Qs son los
caudales de salida debidos sólo a modificaciones en Si bien el modelo descripto se caracteriza por su
las respectivas entradas. En forma análoga se pueden exactitud, no es muy útil a los fines del diseño de
encontrar las variaciones en el caudal de sólidos controladores: es típicamente no lineal, y presenta
provocado por variaciones en el agua: constantes de tiempo “variables”, ya que T y
dependen del tiempo de residencia T res, que varía
según las condiciones operativas; por lo tanto se ha
Qs
Qs ' (Qwin Qw ) (14) obtenido un modelo lineal alrededor de un punto
Qw típico de trabajo: 1 tn/h, 2 tn/h y 0.7 tn/h para los
sólidos de alimentación Qs, agua de alimentación Qwal
Luego, para obtener el caudal total de sólidos Qso, y agua adicional Qwad respectivamente. Entre las
deben sumarse Qs y Qs'. El esquema usado para el múltiples relaciones salida/entrada obtenidas, son de
cálculo del caudal total de sólidos se puede apreciar interés las que se han utilizado para diseñar los
en la Figura 4: algoritmos de control : el porcentaje de sólidos en el
molino PjeSol respecto del caudal de agua de
alimentación Qwal y el porcentaje de los sólidos por
debajo de 104 µm M104 respecto del caudal de agua
adicional Qwad :
Fig 4: Diagrama de bloques del cálculo del caudal 4. CONTROL PREDICTIVO BASADO EN
de sólidos. MODELO
con
Fig. 5: Respuesta del sistema sin control. 1 z 1
La Figura 5 presenta la respuesta del sistema frente a Por simplicidad se tratará a continuación el caso de
variaciones consecutivas tipo escalón en sus tres un sistema con ruido blanco, es decir con C = 1.
El algoritmo GPC (Camacho y Bordons, 1995), u(t ) Cu1u(t 1) Cu 2 u(t 2) ...Cu d nb u(t d nb)
elaborado sobre la idea básica de un horizonte móvil C y1 y (t ) C y 2 y (t 1) ...C y Na y (t Na 1)
de control, consiste en aplicar una secuencia de
control que minimice la función de costo Cw1 w(t d 1) Cw 2 w(t d 2) ...Cw N w(t d N )
N2
Utilizando como herramienta la elaboración recursiva Englobando todos los coeficientes Cui en un vector
de la ecuación diofantina (Ogata, 1996) se puede Cu, los coeficientes Cyi en Cy, y los Cwi en Cw, y
colocar el modelo ARMAX como tomando para el caso del porcentaje de sólidos
horizonte N = 10 y penalización = 0.25, se obtiene
y Gu F( z 1 ) y( t ) G( z 1 ) u( t 1)
Cua = [0.9482 0.0610 0.0510 0.0538 -0.0725 -
0.0413]
donde Cya = [37.5652 -69.6819 31.1128 9.2604 -
y( t d 1 t )
u ( t ) 7.1363]
u( t 1)
y( t d 2 t ) Cwa =[-0.0065 -0.0236 -0.0551 -0.0897 -0.1204 -
y .
u . 0.1443 -0.1607 -0.1703 -0.1745 -
. . 0.1751]
u( t N 1)
y ( t d N t )
En forma análoga, tomando N = 5 y penalización =
F ( z 1 )
0.8 para el porcentaje de sólidos debajo de 104 µm se
g0 0 ...0
g d 1 encuentra
1
g0 ...
Fd 1 ( z 1 )
G . . . F ( z 1 ) .
Cub = [1.4280 -0.4040 -0.0240]
. . . . Cyb = [-1.6067 -0.0514 0.8618]
g N 1 gN 2 g0
... 1 )
dN
F ( z Cwb = [0.3333 0.0698 0.1914 0.0757 0.1260]
( Gd 1 ( z 1 ) g0 ) z
( Gd 2 ( z 1 ) g0 g1 z 1 ) z 2
1
F (z ) . 5. ANÁLISIS DE RESULTADOS.
. COMPARACIÓN CON CONTROLADORES
( G 1 1 N N
d N ( z ) g0 g1 z ... g N z ) z PID
o más sintéticamente
Tradicionalmente se resuelven los dos lazos
y Gu f expuestos con versiones no lineales de controladores
PID ajustados en las zonas de operación (Shinskey,
1979). La sintonía de los mismos no es simple,
La minimización del funcional J, asignando (j) = 1 y debido básicamente a dos motivos : a) la existencia
(j) como una constante da como resultado un de una sucesión de sistemas concatenados con
vector de acciones de control comportamiento de primer orden da lugar a una
dinámica global muy lenta y con retardos puros
u (G T G I ) 1 G T ( f w) considerables, propia de los molinos de bolas ; b) se
trata de un sistema variable en el tiempo. En la
donde debe notarse que se aplica solamente el primer Figura 6 se muestra la evolución de las variables de
elemento de u , y al próximo intervalo de muestreo salida del sistema controlado con dos PIDs frente a
se repite el cálculo, lo que da una secuencia de un cambio en el set point de porcentaje de sólidos en
control del tipo el molino en t = 60 h de 65% a 70%, y un posterior
cambio en el set point de granulometría por debajo de horizonte de predicción N, aunque esto hace más
104 µm en t = 100 h de 80% a 85%. Se puede lenta la respuesta.
observar que el algoritmo PID resuelve
satisfactoriamente el estado estacionario pero REFERENCIAS
permanecen oscilaciones que es deseable eliminar.
Austin, L.G., Klimpel, R.R., Luckie, P.T. (1984).
Process Engineering of Size Reduction: Ball
Milling. Society of Mining Engineers of the
AIME.
Camacho, E. F., Bordons, C. (1995). Model
Predictive Control in the Process Industry.
Springer - Verlag.
Cipriano, A., Varela, V., Cataldo, G., González, G.
(1989) Predictive Control of
Semiautogenous grinding plants. 6th IFAC
Symposium on Automation in Mining,
Mineral and Metal Processing. (V. Koppel,
Fig. 6 : Evolución del sistema controlado Edit.) AADECA, Buenos Aires.
con algoritmos PID. Herbst, J.A., Hales, L.B., Pate, W.T., Sepúlveda, J.E.
(1989). Report on actual benefits arising
Reemplazando los dos controladores PID por from the application of expert control
respectivos algoritmos GPC, el sistema se comporta systems in industrial semi-autogenous
frente a los mismos requerimientos como lo muestra grinding circuits. 6th IFAC Symposium on
la Figura 7. Aquí son muy notables las mejoras, sobre Automation in Mining, Mineral and Metal
todo en el comportamiento de la granulometría. Processing. (V. Koppel, Edit.) AADECA,
También es evidente que esto se hace posible por la Buenos Aires.
característica intrínseca del GPC de relevar toda la Horst, W.E., Enochs, R.C. (1980) Modern Mineral
dinámica de un sistema y generar una acción de Processing - Instrumentation and process
control que la tenga en cuenta. control. E&MJ, june 1980.
Lynch, A.J.(1980). Circuitos de molienda y
trituración de molienda de minerales.
Editorial Rocas y Minerales.
Niemi, A., Tian, L., Ylinen, R. (1997). Model
Predictive Control for grinding systems.
Control Eng. Practice, Vol. 5, Nº 2, pp.
271-278.
Ogata, Katsuhiko. (1996) Sistemas de Control en
Tiempo Discreto Segunda Edición. Capítulo
7. Prentice Hall Hispanoamericana, México.
Sepúlveda, J.E., Gutierrez, L. (1986).
Fig. 7: Respuesta del sistema controlado con Dimensionamiento y optimización de
algoritmos GPC. plantas concentradoras mediante técnicas
de modelación matemática. CIMM.
Santiago, Chile.
6. CONCLUSIONES Shinskey, F.G. (1979). Process Control Systems
Second Edition. Cap. 5, 10. McGraw-Hill.
Se ha comprobado que los controladores predictivos Ylinen, R., Niemi, A., Iivarinen, T. (1987). A linear-
aplicados a la planta propuesta presentan una rápida quadratic-Gaussian control Algorithm for
eliminación del error de estado estacionario y Sulphide Ore Grinding. Automatica, 23,
producen salidas sin sobreimpulsos ni oscilaciones 287-294.
considerables, exhibiendo un comportamiento
cualitativamente superior a los PID.