Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Abstracto:El rápido crecimiento de la población humana ha provocado varios problemas, como la sobrecarga masiva de las plantas de
tratamiento de aguas residuales. Por lo tanto, el control óptimo de estas plantas es un tema relevante. Esta contribución analiza el
control de una cascada de diez reactores bioquímicos utilizando resultados de simulación con el objetivo de diseñar estrategias de
control óptimas y predictivas y comparar el rendimiento de control alcanzado. La planta representa un proceso complicado con
muchas variables involucradas en la estructura del modelo, reducido al sistema de entrada única y salida única. El primer enfoque
implementado es el control predictivo de modelo libre de desplazamiento lineal que proporciona la trayectoria de entrada óptima
minimizando una función de costo cuadrática. La segunda estrategia de control es un control predictivo de modelo robusto con
características similares al control predictivo de modelo pero que incluye la incertidumbre del proceso. El enfoque final es el control
predictivo generalizado, utilizado principalmente en la industria debido a su estructura simple y su rendimiento de control
suficientemente bueno. Todos los controladores predictivos considerados proporcionan un rendimiento de control satisfactorio y
eliminan el error de control de estado estable a pesar de las entradas de control restringidas.
Palabras clave: reactor bioquímico, control predictivo generalizado, control predictivo del modelo, predicción robusta del modelo
control tivo, tratamiento de aguas residuales
Acta Chimica Eslovaca, vol. 14, núm. 1, 2021, págs. 51—59, DOI: 10.2478/acs-2021-0007 51
señales de control para minimizar una función de costo El desempeño del control se analizó considerando varios
de múltiples etapas. El método GPC en configuración criterios.
adaptativa y no adaptativa se aplicó a una producción de
penicilina por lotes alimentados en Rodrigues et al. Descripción de la planta
(2002), con la concentración de oxígeno disuelto como
variable controlada. El GPC en ambas configuraciones, Las plantas carrusel representan una parte importante de la
adaptativo y no adaptativo, mejoró el rendimiento del tecnología de tratamiento de aguas residuales industriales.
control de la planta en comparación con el PID En conjunto, estas plantas suelen constar de varios
convencional y el Dynamic Matrix Control predictivo. En reactores continuos de tanque agitado (CSTR) de gran
Akay et al. (2010), la temperatura de un reactor volumen. La desventaja de esta unidad industrial es la
bioquímico con producción de levadura de panadería se presencia de fuertes perturbaciones causadas por el caudal
controló utilizando el enfoque GPC. El rendimiento del de alimentación inestable y la composición de las aguas
control se analizó considerando múltiples cambios de residuales (Pons, 2011).
paso positivos y negativos del punto de ajuste. Esta investigación considera una cascada de diez
El comportamiento de los reactores bioquímicos, reactores bioquímicos aireados para la activación del
tanto continuos como discontinuos, suele ser muy no carrusel que se muestra en la Fig. 1 (Derco et al., 1994;
lineal. En algunos casos, la no linealidad puede Trautenberger, 2017). La estructura dada de la cascada
provocar una falta de coincidencia del modelo de proporciona ambientes tanto óxicos como anóxicos para
proceso, lo que conduce a un MPC menos efectivo. la biomasa. Además, cada biorreactor involucra un
Para superar este obstáculo, se implementó MPC ventilador vertical (aireador) y un suministro de flujo de
robusto (RMPC). Hay muchas formas de RMPC: por aire, para inducir las condiciones requeridas para los
ejemplo, Kothrare et al. (1996); Lucia y Engell (2013) procesos bioquímicos dentro de la cascada. El flujo de
diseñaron un RMPC no lineal para un reactor alimentación (aguas residuales) caracterizado por la
bioquímico por lotes y mejoraron su rendimiento de concentración del componente orgánico (S) e impurezas
control. El RMPC formulado usando desigualdades de como sales de amonio (NH) o nitratos/nitritos (NO) se
matriz lineal fue diseñado para un reactor de tanque alimenta al primer biorreactor de la cascada. El perfil de
de agitación continua (CSTR) en Oravec y Bakošová composición de la mezcla dentro de la cascada de
(2012) y Oravec et al. (2017). biorreactores es el siguiente:
Este artículo presenta la aplicación de varios controladores - S0, Nueva Hampshire0, NO0(flujo de alimentación),
predictivos para una cascada de diez reactores bioquímicos. - S1, Nueva Hampshire1, NO1(salida del primer biorreactor),
La planta considerada modela el tratamiento de aguas - S10, Nueva Hampshire10, NO10(salida del décimo
residuales eliminando compuestos no deseados del agua. El biorreactor).
control óptimo de estos dispositivos es una tarea relevante Una parte de una mezcla del décimo biorreactor se
ya que la sostenibilidad es hoy en día uno de los requisitos devuelve al primer biorreactor como reflujo interno y
clave de la producción industrial. Esta investigación tiene el resto de la mezcla ingresa al clarificador final. La
como objetivo comparar el rendimiento de control de MPC, mezcla en el decantador final es separada por el
GPC y RMPC convencionales implementados en la cascada proceso de sedimentación al flujo de efluentes y
de diez reactores bioquímicos mediante simulaciones. El lodos. El segundo reflujo (lodos) se produce por el
Figura 1.Diagrama de flujo de la planta de carrusel que involucra la cascada de diez reactores bioquímicos
y un clarificador final.
Identificación de procesos
El propósito de la identificación del proceso es obtener la
información deseada sobre la dinámica del proceso para su posterior
análisis (por ejemplo, diseño de controladores apropiados). Las
estructuras más comunes de los modelos identificados representan
una representación de espacio de estado o una función de
transferencia. En este caso, el modelo identificado representa la
función de transferenciaGRAMO(s) entre:
— la concentración de sales de amonio del décimo
biorreactor (NH10, variable medida y variable Figura 2.Respuesta escalonada del modelo de proceso con
— la relación entre el reflujo interno y el caudal de punteada negra) y máximos (línea discontinua azul).
bs
4 4 + bs
3 3+bs22+bs+b
1 0,
GRAMO(s) = (1)
como
4 4+como 22 +a1s+a0
3 3+como
Pestaña. 1.Valores nominales, máximos y mínimos de los parámetros del modelo identificado.
Parámetros b0 b1 b2 b3 b4 a0 a1 a2 a3 a4
Nominal 0.03 0.83 0.12 0.11 – 56.10–3 0,94 16.77 9.94 5.72 1.00
Máximo 0.04 1.03 0.13 0.11 – 54.10–3 1.29 23.06 12.28 6.39 1.00
Mínimo 0.02 0,65 0.11 0.10 – 52.10–3 0,63 11.24 7.74 5.05 1.00
∆tu(k)
2-R-∆tu(k)-2 2 ), (4)
k=0 dóndeturepresenta eltu-ésimo vértice del sistema y nortetu
representa el número total de vértices del sistema. Las
calle X(k+1) =Hacha(k)+Bu(k),X(0) =X0 (5)
restricciones simétricas de entrada y salida se formulan
como normas euclidianas y máximas (Kothrare et al., 1996):
y(k) =Cx(k)+Fp(k), (6)
considerando la presencia de saturación del actuador y son matrices de ponderación. Matrizq-se extendió sujeto al
la matriz de ganancia de la ley de control de vector de estado extendido de la ecuación. (13). Matriz
retroalimentación de estado se evaluó sin restriccionesk- auxiliar del diseño del controlador sin restricciones,Zkse
(k)IRnortetu(́norteX+nortey)y con restriccionesF(k)IRnortetu(́norteX+nortey)( define de la siguiente manera:
Huang et al., 2011). La entrada de control en presencia
Zk=k-Xk, (28)
de saturación del actuador,tus(k) se calcula usando la
siguiente ecuación matrizYk representa la matriz auxiliar del diseño del
controlador restringido. parámetro tuk representa
( kk-(k)+mi-metrokFk)X-(k),
tus(k) =mi metro
(17)
matriz auxiliar de entradas de MPC robusto. El
dónde parámetromimetroIR
k norte tu´nortetu , "metroI {1,¼2nortetu} símbolo * representa la estructura simétrica de la
es la matriz de todas las combinaciones de entradas de control matriz,Ies la matriz identidad de dimensiones
restringidas. Matrizmi-metroIRnortektu´nortetu, "metroI {1,¼2nortetu} apropiadas y 0 denota matriz cero de dimensiones
representa la matriz de todas las combinaciones de entradas de apropiadas.
control sin restricciones. La ganancia del controlador de retroalimentación de estado sin restricciones se
1/2 metro k tu
La cascada considerada de diez biorreactores es un sistema SISO
y, por lo tanto, GPC representa una opción adecuada.
mi1 * tu
mi tuµ0, (22) ción para el control de dicha planta. Esta forma del
mi
miX-(k) Xtu
kû controlador predictivo se basa en la media móvil
mi integrada y autorregresiva controlada.
tu2I * tu
mi se sentó
tu
tuµ0, (23) Modelo (CARIMA) con la siguiente estructura:
mi
miYT Xkû
k
d(k)
miktu * tu a(z)y(k) =b(z)tu(k)+T(z) , (31)
miT tu
µ0,tu 2
jI{1, 2,¼,nortetu
} , (24) D
j,j£tuse sentó,j,
miYk X kûtu
dóndea(z) yb(z) son polinomios que representan el
mi Xk * tu denominador y el numerador de la función de
mi tuµ0, (25) transferencia discreta para el proceso:
êˆ Aˆ(tu)
X+Bˆ(tu(mi k Zk+mi-k
) 2
ë ëmi k
C
mi mi metro metro Yk)tu
úûy Ittu
úû
sa
a(z) =1+a1z-1++a-norte z,
norte (32)
gramok–gramos k>0. (26)
b(z) =bz1-1++bz-metro, (33)
Minimización del parámetro de peso auxiliargramok>0 metro
i=1 como:
(35)
=a btu
iD(k-i)+ a Tid(k- ). i
norte norte
i=1 i=1
siguiente manera: 0 ≤tu(k) ≤ 60. Ni la salida de control ni los
dóndeanorte+1= 0. estados fueron restringidos durante el diseño de MPC.
Esta estrategia de control determina la entrada de control Para formular MPC robusto, se consideró la caja de
herramientas MUP. Los problemas de programación
minimizando la siguiente función de costo:
semidefinida (SDP) se formularon utilizando YALMIP
(Löfberg, 2004) y se resolvieron con MOSEK (MOSEK ApS.,
j=[r(k)-ŷ(k)]Tq[r(k)-ŷ(k)]+Dtu(k)TRDtu(k),(37) 2019). Variablesq-
dóndeŷ(k) =GRAMODtu(k)+ŷ*(k),VariablesqyRson matrices yRfueron ajustados sistemáticamente como
de sintonía yGRAMOes una matriz triangular inferior sigue:
(Clarke et al., 1987).
mi0.01 0 0 0 0tu
La predicción de salida asumiendoDtu(k) = 0 se mi tu
mi0 0.01 0 0 0tu
expresa por: mi tu
q- =mi 0 0 0.01 0 tu ,R=1.
0tu (44)
-y*(k+j) =HFjX-(k)+HFj-1L[y(k)-Hx-(k)],(38) mi
mi0 0 0 tu
0.01 0tu
mi
donde la estructura de las matricesHFjyHFj–1se mi0 0 0 0 tu
5úû
êë
muestra en (Chen, 2013).
La siguiente estructura de incremento de entrada se Las restricciones en la entrada de control se establecieron
puede derivar estableciendo el gradiente de Eq. (37) a de la siguiente manera: 0 ≤tu(k) ≤ 60. La salida de control no
cero (Grimble, 1992): estuvo restringida durante el diseño de MPC robusto. Al
diseñar MPC y RMPC, se consideró que el observador de
Dtu(k) = (GRAMOTQG+R)-1GRAMOTqmi mir(k)--y*(k)ùû = estado de Luenberger aumentaba el espacio de estado de la
39)
ecuación. (2). La matriz de perturbación se consideró de la
=kmimir(k)--y*(k)ùû ,
siguiente manera:
dóndekes la ganancia del controlador.
F=1. (45)
La representación del espacio de estados se deriva utilizando la
realización de formas canónicas observables. La estructura del El observador de estado usó la ganancia del observador diseñada
modelo tiene la siguiente forma: usando la colocación de polos de la siguiente manera: