Control Predictivo
Capítulo 1: Motivación y fundamentos
Carlos Bordóns Alba
Dpto. Ingeniería de Sistemas y Automática. Escuela Técnica Superior de Ingenieros. Universidad de Sevilla
Master en Automática, Robótica e Informática Industrial Universidad Politécnica de Valencia, 2007
© Carlos Bordóns, 2007
1
Índice
1. Tendencias actuales encontrol de procesos 2. Perspectiva histórica 3. Situación actual 4. Fundamentos de Control Predictivo Basado en Modelo 5. Algoritmos básicos 6. Ejercicios con el simulador
© Carlos Bordóns, 2007
2
1. Tendencias actuales en Control de Procesos
Pasado: mantener operación estable del proceso. Sustituir al operador humano Actualidad: operar los procesos productivos en consonancia con elmercado. Operar con alta eficiencia y flexibilidad. Nuevos retos. – Competencia – Interés social por problemas medioambientales – Ahorro energético – Seguridad Objetivo: actuar sobre las variables manipulables para satisfacer criterios de funcionamiento cambiantes (económicos, seguridad, medioambientales, calidad)
3
© Carlos Bordóns, 2007
Objetivo General
Llevar el proceso a su óptimoeconómico en todo momento
Mercado Incertidumbres y perturbaciones en el proceso
Φ
h
d
restricciones • equipos, seguridad, ambiente • capacidad, calidad, repricabilidad
Toma de decisiones en la operación del proceso perfiles variantes en el tiempo Variables manipulables Variables observadas
© Carlos Bordóns, 2007
4
Las diversas metodologías actuales ...
... se enfrentan alcumplimiento de este objetivo. ... difieren en la formulación matemática de los criterios de funcionamiento y en la forma de representar el proceso. Control Predictivo Basado en Modelo, Model (Based) Predictive Control MPC: poderosa herramienta para afrontar estos retos. MPC acepta cualquier tipo de modelo de proceso, funciones objetivo o restricciones. Atractivo porque: – permite reflejar los criteriosde funcionamiento relevantes – forma intuitiva de formular el problema del control
5
© Carlos Bordóns, 2007
Principales problemas de control en la industria de procesos
25 20 15 10 5 0
Informe de Takatsu et al. para la Society of Instrumentation and Control Engineering (Control Engineering Practice)
© Carlos Bordóns, 2007
Retardo Perturbaciones Interacción Respuesta Estabilidad
6Principales factores claves de éxito
14 12 10 8 6 4 2 0
Selección estrategia Selección equipo Especificaciones apropiadas Configuración flexible Operación de emergencia Interface operario Análisis del proceso
© Carlos Bordóns, 2007
7
Principales factores claves fracaso
25
20
15
10
Ausencia de análisis del proceso Selección de los sensores Falta de rechazo aperturbaciones Selección estrategia control Selección actuadores Selección equipo
5
0
Especificaciones inapropiadas Configuración rígida
© Carlos Bordóns, 2007
8
Estado de uso de las distintas técnicas
Comp. Retardo Borroso MPC Gain-scheduling PID avanzado Autoajuste Desacoplo Basado Reglas F. Kalman Neuronal LQ Observador Adaptativo Hoo 7 9,3 11,8 11 9,8 17,9 15,5 29,4 29,1 28,6 32,5 3837,2 52,4
0
10
20
30
40
50
© Carlos Bordóns, 2007
60
9
Grado de satisfacción de las distintas técnicas
Comp. Retardo Borroso MPC Gain-scheduling PID avanzado Autoajuste Desacoplo Basado Reglas F. Kalman Neuronal LQ Observador Adaptativo Hoo 50 56 62 61 66 69 70 65 66 87 89 83 94 89
0
10
20
30
40
50
60
70
80
90
100
© Carlos Bordóns,2007
10
MPC Borroso
Retardo
Expectativas
Adaptativo Neuronal Desacoplo Hoo FK Deslizante LQ Auto ajuste
PID
Posibilidades técnicas
© Carlos Bordóns, 2007
11
Control Predictivo
Control Predictivo Basado en Modelo (CPBM), Model (Based) Predictive Control MPC Constituye un campo muy amplio de métodos de control desarrollados en torno a ciertas ideas comunes Integra...
Regístrate para leer el documento completo.