You are on page 1of 22

Algoritmos de diagnóstico

para fallas en ductos


• Lizeth Torres • Cristina Verde* • Rolando Carrera • Raúl Cayetano •
Universidad Nacional Autónoma de México
*Autor de correspondencia

Resumen Abstract

Torres, L., Verde, C., Carrera, R., & Cayetano, R. (julio-agosto, Torres, L., Verde, C., Carrera, R., & Cayetano, R. (July-August,
2014). Algoritmos de diagnóstico para fallas en ductos. 2014). Diagnostic Algorithms to Detect Faults in Pipelines. Water
Tecnología y Ciencias del Agua, 5(4), 57-78. Technology and Sciences (in Spanish), 5(4), 57-78.

Se presenta el diseño de un sistema de diagnóstico basado This paper presents the design of an online diagnostic system
en relaciones redundantes y observadores de estado (functioning while the transportation system remains in operation)
—que funciona manteniendo al sistema de transporte to detect, identify and rebuild pipeline faults based on redundant
en operación— para la detección, identificación y relations and state observers. The faults include those occurring in
reconstrucción de fallas en ductos, tales como: anomalías measurement instruments, pumps, and unknown extractions from
en los instrumentos de medición, bombas y extracciones the pipeline. The algorithms that compose the diagnostic system
desconocidas. Los algoritmos se desarrollaron a partir were developed from nonlinear partial differential equations that
de ecuaciones diferenciales parciales no lineales que characterize the behavior of the fluid according to the principle
caracterizan el comportamiento del fluido —considerando of conservation of mass and momentum. These equations were
el principio de conservación de masa y momento— y que approximated in space using the Finite Differences Method. In order
fueron discretizadas en el espacio utilizando el Método de to distinguish between the different types of faults and reconstruct 57
Diferencias Finitas. Con la finalidad de discernir entre los their behaviors, the diagnostic system operates in stages. The first
diferentes tipos de fallas y de reconstruir el comportamiento one —which is called Fault Detection and Isolation— aims to isolate
de éstas, el sistema de diagnóstico opera por etapas. La each fault symptom with the help of a set of redundant relations
primera etapa, llamada de Detección y Aislamiento de Fallas, that are deduced from the nominal model of the pipeline, i.e., in
tiene como objetivo aislar el síntoma de la falla con ayuda de normal conditions. This first stage simplifies the second, called Fault
un conjunto de relaciones redundantes deducidas a partir Reconstruction, which is composed of observation algorithms that
del modelo nominal del ducto. Esta etapa de aislamiento estimate the temporal evolution of the isolated faults. The overall
simplifica la segunda etapa: Reconstrucción de la Falla, en la diagnostic system is validated through a series of experiments
que algoritmos de observación estiman la evolución temporal carried out in a pilot hydraulic pipeline at the Engineering Institute,
de la falla aislada. El sistema completo de diagnóstico se UNAM. This pipeline is approximately 200 m long and was
validó mediante una serie de experimentos realizados en implemented and built specifically to carry out tests to monitor
un modelo hidráulico piloto de aproximadamente 200 m pipelines.
de largo, instrumentado y construido específicamente para
llevar a cabo pruebas de monitoreo de ductos en el Instituto Keywords: Diagnostic systems, fault detection, hydraulic pipelines,
de Ingeniería de la Universidad Nacional Autónoma de pipeline monitoring.
México.

Palabras clave: tuberías hidráulicas, detección de fallas,


monitoreo de ductos, sistemas de diagnóstico.

Introducción la pérdida de vidas humanas y daños ambientales


con alto impacto ecológico. En general, el objetivo
La supervisión y el monitoreo automático de de un sistema automatizado de supervisión
ductos es un reto para la ingeniería debido a en tiempo real consiste en localizar, tan rápido
las consecuencias catastróficas que pueden como sea posible, la presencia de fallas con un
desencadenar los ductos en mal estado, como son mínimo de instrumentación y costo.

Tecnología y Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014, pp. 57-78
Torres et al., Algoritmos de diagnóstico para fallas en ductos

A partir de sistemas SCADA (acrónimo de también estudiaron las características de la


Supervisory Control and Data Acquisition) onda de presión y reportaron que se atenúa en
que operan en tiempo real, donde se registran función de la posición de la fuga. Por otro lado,
presiones y flujos en puntos limitados de las re­ Mpesha, Chaudry, & Gassman (2001), y Covas,
des de ductos, se han implementado localiza­ Ramos, & De Almeida (2005) desarrollaron
dores automáticos de averías utilizando métodos basados en la respuesta frecuencial de
sensores físicos y virtuales, diseñados a partir la tubería, cuya respuesta dinámica se puede
de algoritmos de estimación e identificación obtener provocando transitorios periódicos
(Stoianov, Lama, Sam, Timur, & Csail, 2007; mediante la apertura y el cierre de una válvula.
Korbicz, Koscielny, Kowalczuk, & Cholewa, Si hay fugas en el ducto, la respuesta frecuencial
2004; Makar & Chagnon, 1999). En los ductos, de la presión muestra picos resonantes
las anomalías de mayor interés a localizar adicionales; a partir de la frecuencia de estos
en tiempo real son fallas en bombas y servo- picos puede estimarse la posición de la fuga.
válvulas, fugas en el cuerpo del ducto y Ferrante y Brunone (2003) también encontraron
obstrucciones. Si los ductos están bajo tierra o un enfoque en el dominio de la frecuencia
agua, la inspección se dificulta, pero además, y resolvieron las ecuaciones del Golpe de
cuando no se puede suspender la operación del Ariete utilizando el método de la respuesta al
ducto, el diagnóstico debe hacerse considerando impulso. Mediante un análisis armónico de la
los fenómenos dinámicos asociados con el solución, concluyeron que a partir de la presión
58 fluido en cuestión. La detección de fallas de transitoria se pueden identificar la posición y el
magnitud considerable resulta más simple tamaño de la fuga.
que la de pequeñas fallas, pues los sensores no Cuando se dispone de modelos analíticos
siempre tienen la sensibilidad requerida para precisos es posible obtener síntomas de fallas
indicar desviaciones pequeñas, además de que de sistemas complejos por software de forma
el ruido presente en las mediciones afecta la muy rentable, usando las herramientas desa-
precisión de los estimados. rrolladas por la comunidad de control auto-
En cuanto al diseño de los algoritmos mático (Isermann, 2011). La clave para generar
para la detección y localización de una fuga síntomas de las fallas es identificar incohe-
en ductos se han usado diversos modelos rencias en el sistema a través de mediciones
de comportamiento estático (Billmann & y evaluando un residuo, cuyo valor es cero
Isermann, 1987; Carrera & Verde, 2001). De en condiciones normales y se desvía de éste
manera reciente, estos modelos se ha extendido ante eventos anormales. Dicha incoherencia se
con éxito al caso de ductos con perfiles puede obtener a partir de modelos matemáti-
topográficos no uniformes (González, Verde cos con la ayuda de filtros o relaciones de pa-
y Torres, 2013). No obstante su simplicidad, ridad (Chow & Willsky, 1984), estimación de
la principal desventaja de los algoritmos parámetros (Isermann & Muenchhof, 2011), y
basados en estos modelos es que no pueden técnicas de observación (Chen & Patton, 1999).
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

utilizarse si el fluido no opera en condiciones Estas herramientas explotan de forma directa


aproximadamente estáticas. o indirecta el comportamiento del sistema, al
Como solución alternativa, Brunone y sustituir la multiplicidad de sensores físicos
Ferrante (2001) formularon una metodología por algoritmos que se ejecutan en tiempo real.
a partir del comportamiento de la onda Para profundizar sobre el tema de FDI, acróni-
de presión que se refleja hacia su punto mo de Fault Detection and Isolation, consultar
de origen al encontrar una fuga. En estas Verde, Gentil y Morales (2012). En particular, la
condiciones, el tiempo de arribo de la onda detección de fallas en la instrumentación de un
permite determinar la posición de fuga. proceso se ha atacado ampliamente con la idea
Wang, Lambert, Simpson, & Vtkovsky (2005) propuesta por Frank (1990) de usar un banco

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

de observadores con tareas específicas. Recien- para verificar que el comportamiento actual del
temente se presentaron algunas técnicas gene- sistema es consistente con el modelo nominal
rales para estimar las fallas en Zhang (2011) y establecido. Una de las ventajas de disponer
Boulkroune, Galvez-Carrillo y ­Kinnaert, (2011). de redundancia de información es que ésta
Los hechos arriba descritos motivaron se puede evaluar simplemente mediante
el desarrollo del presente trabajo, en el que un proceso, bajo condiciones de operación
la principal contribución es un sistema de bien caracterizadas y sin necesidad de
diagnóstico que considera de manera global instrumentación física adicional. Sin embargo,
fallas en instrumentos de medición, averías se debe tener un modelo de comportamiento
en bombas y fugas en el ducto. El sistema usa adecuado del sistema. La figura 1 describe
un algoritmo con capacidad para distinguir el principio de la detección, comparando
entre las diversas fallas en tiempo real con modelos e identificando la incoherencia como
cinco residuos y un banco de observadores consecuencia de la falla. Para generar redun­
dinámicos de altas ganancias para reconstruir dancia analítica, el modelo dinámico de
la evolución de la falla detectada. parámetros concentrados más común es la
representación en espacio de estados:
Preliminares de diagnóstico de fallas
x(t) = f ( x(t),u(t) (t))
En la comunidad de FDI, una falla se define
como una desviación no permitida de al menos y(t) = h ( x(t)) (1) 59
una propiedad característica de un sistema
(Isermann, 2006). Estas desviaciones pueden donde x(t)∈Rn son los estados del sistema;
ocurrir en sensores, en actuadores o en los u(t)∈Rm, las entradas exógenas o señales
componentes del proceso. Al procedimiento de de control; y(t)∈Rp, las salidas y variables
supervisión en tiempo real de un proceso con medibles del proceso, mientras que q(t)∈Rnq
capacidad para detectar, aislar fallas y evaluar representa los parámetros físicos del sistema
su significado y gravedad se le conoce como (como longitud, elasticidad, fricción, etcétera).
sistema de diagnóstico de fallas. Estos sistemas Suponiendo conocido el modelo (1) y el
involucran tres tareas (Patton, Frank, & Clarke, vector de entradas u(t), se puede calcular la
2000). salida ŷ(t); y si además, se dispone de la salida
a través de mediciones y(t), se tiene dos veces
• Detección de la falla: tomar una decisión la misma información y hay redundancia. En
binaria sobre el estado del sistema de condiciones anormales del modelo, la salida
acuerdo con las condiciones nominales de medida y(t) es incoherente con la calculada ŷ(t)
operación, por ejemplo, establecer si en el y la redundancia se pierde. A las ecuaciones
proceso está presente un evento anormal. que se pueden obtener con el modelo y las
• Aislamiento de las fallas: determinar el tipo mediciones con redundancia se les conoce
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

de falla presente, para lo cual se debe contar como relaciones redundantes analíticas y éstas
con un síntoma, como estipular qué sensor, permiten generar residuos r(t) con la siguiente
actuador o componente se encuentra en propiedad (Gertler, 1991):
condición anormal.
• Identificación o reconstrucción de la
0 condición normal (2)
falla: estimar el tamaño y tipo de la falla, r t = ()
0 condición anormal
incluyendo su evolución temporal.

La idea básica para la detección es el uso Así, r(t) diferente de cero denota error en el
de modelos de conocimiento con redundancia, modelo matemático y con la ayuda de dichos

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

60

Figura 1. Principio de la obtención del residuo r(t) y síntoma de fallas donde f(t) son las fallas de interés
y f(t) denota perturbaciones y ruido.

residuos se determinan síntomas para cada parámetros físicos. La idea de este enfoque es
falla vía funciones de decisión. La figura 1 reconstruir las fallas por medio de la estimación
describe este principio de detección usado para de parámetros del modelo matemático (Ljung,
generar residuos y síntomas. 1999).
En la mayoría de las aplicaciones no existe La técnica de observadores es apropiada
un residuo r(t) sensible solamente a una falla, y si las fallas producen cambios en actuadores,
robusto al resto de ellas y a las incertidumbres sensores o variables de estado no medibles.
en el modelo. En esta condición, es necesario Recientemente, se ha propuesto reconstruir las
obtener patrones de residuos para aislar las fallas usando un observador del modelo (1)
fallas a partir de análisis específicos de las en condición anormal, en donde el vector x(t)
ecuaciones del modelo y su comportamiento se extiende con los parámetros asociados con
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

ante las fallas. las fallas. Es decir, se considera que el vector


La etapa de reconstrucción de fallas, una extendido contiene los parámetros asociados
vez que se ha determinado cuál está presente, con las fallas q(t)∈Rnq formando:
se basa fundamentalmente en algoritmos de
estimación de parámetros y de observación
de los estados. Las técnicas de estimación de x (t )
parámetros son apropiadas si las fallas están xe ( t ) (3)
asociadas con cambios en los parámetros del
(t )
modelo. Es decir, se hace uso del hecho de que
las fallas del sistema dinámico se reflejan en donde xe(t)∈Rn+nq denota el espacio extendido.

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

Una propiedad de este tipo de estimación Una contribución importante en la teoría


es que permite estimar conjuntamente de observadores no lineales se reporta en
parámetros y estados. Esta ventaja llevó a Gauthier, Hammouri y Othman (1992). En
seleccionar a los algoritmos de observación dicho trabajo se presenta el diseño de un
para la reconstrucción de fallas en el caso de observador, nombrado de alta ganancia, para
ducto. sistemas no lineales compuestos de un término
dinámico lineal y de un término no lineal con
Algoritmo de observación forma triangular, acotado y afectado por las
entradas (Khalil, 2002). La sintonización del
Definición 1. Un observador de estados es un observador, en este caso, se realiza ajustando un
algoritmo dinámico, cuyo propósito es estimar las solo parámetro l, mientras que la convergencia
variables de un proceso x̂(t) utilizando el modelo está asegurada mediante la solución única
de una ecuación de Lyapunov (Bornard &
(1), las mediciones disponibles (u(t) y y(t)), y un
Hammouri, 1991).
término de corrección del error entre las mediciones
El Apéndice A describe el algoritmo genérico
y los estimados, que garantice la convergencia de los
del observador de alta ganancia propuesto por
estados. Dado que los observadores estiman estados
Gauthier et al., y que se emplea con modelos
por software, se les denota también como sensores
del fluido y de las fallas para reconstruir los
virtuales (Besançon, 2007).
parámetros de los escenarios de fallas del ducto
El diagrama de bloques de un observador
y de la instrumentación.
conectado a un proceso tiene la estructura 61
mostrada en la figura 2, donde al error de Modelo dinámico del fluido
estimación, e(t) = y(t) – ŷ(t) corresponde a la
diferencia entre la salida medida del proceso Asumiendo que la distribución de velocidad es
y(t) y la salida estimada ŷ(t). El objetivo del uniforme, que el flujo es unidimensional, y que
observador es hacer que el error e(t) converja la densidad del líquido y área son constantes, la
a cero cuando el tiempo tiende al infinito. dinámica de un fluido en un ducto horizontal
En la práctica, se desea que el error sea lo cerrado, sin tomas laterales, está gobernada por
suficientemente pequeño en un corto tiempo. las ecuaciones de movimiento y continuidad:

Estados estimados x(t)

Salida estimada y(t)


Observador


Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

e(t)

u(t) y(t)
Proceso
Entradas Salida del proceso

Figura 2. Esquema de estimación con un observador de estados.

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

z = L del ducto. Además, se necesitan definir las


H ( z,t ) b2 Q ( z,t )
+ = 0 (4) condiciones iniciales que expresan los perfiles
t gAr z espaciales de flujo y la presión al instante inicial
(t = 0), esto es:

1 Q ( z,t ) H ( z,t ) fQ ( z,t ) Q ( z,t )
+g = 0 (5) H ( z,0) = H 0 ( z) ,Q ( z,0) = Q0 ( z) (6)
Ar t z 2 Ar2
Como condiciones de frontera aguas arriba
con (z,t) ∈ (0,L) × (0, ∞) como coordenadas del y abajo, respectivamente (z = 0) y (z = L), se
tiempo (s) y el espacio (m). Los parámetros que utilizan condiciones de Dirichlet expresadas
intervienen en el conjunto (4) y (5) se enlistan como: 1) presión aguas arriba, H(0,t) = He(t);
en el cuadro 1. 2) presión aguas abajo, H(L,t) = Hs(t); 3) flujo
Dado que no existe una solución analítica aguas arriba, Q(0,t) = Qe(t); 4) flujo aguas abajo:
del sistema (4) y (5), es necesario utilizar Q(L,t) = Qs(t).
métodos numéricos para obtener una solución Existen diferentes enfoques de diferencias
aproximada. Algunas de estas soluciones finitas (ver, por ejemplo, Leveque, 2007). Así
pueden encontrarse en Chaudhry (1987), Wylie pues, a continuación se aproximan las deri­
y Streeter (1983), y Torres, Besançon y Georges vadas espaciales parciales por diferencias
(2008). En este trabajo se emplea el Método finitas de primer orden:
62 de Diferencias Finitas por su simplicidad
y porque la estructura de los modelos
resultantes de dimensión finita son sistemas H ( z,t ) H i (t ) H i (t ) H i+1 (t )
=
Hessenberg (Bernard, Sallet, & Sciandra, 1998), z zi zi
característica deseada para estimar los estados Q ( z,t ) Qi (t ) Qi (t ) Qi+1 (t )
del fluido H(z,t) y Q(z,t), con observadores de =
z zi zi
alta ganancia.

Modelos finitos y se definen las derivadas temporales de la


siguiente forma:
Para obtener un modelo de dimensión finita a
partir del conjunto (4) y (5), es necesario definir H ( z,t ) H i (t )
:= H i
condiciones de frontera que expresen los perfiles t t
temporales de H(z,t) y Q(z,t) en los bordes del Q ( z,t ) Qi (t )
ducto, i. e. en las coordenadas espaciales z = 0 y­ := Qi
t t

Cuadro 1. Parámetros y variables físicas del modelo del fluido.


Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Símbolo Parámetro/variable Unidad


g Gravedad (m/s2)
b Velocidad de la onda de presión (m/s)
f Diámetro (m)
L Longitud (m)
Ar Área (m2)
f Coeficiente de fricción -
Q (z,t) Flujo (m /s)
3

H (z,t) Carga de presión (m)

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

donde el índice i denota la sección espacial Qi Qi Qi+1 Q fk


=
discretizada. Para reducir la presentación zi zi
del modelo se omite la variable t en casos
innecesarios y se usa la notación: con Qf expresado por (9). De esta manera, el
k
ducto con extracciones se describe como:
H ( z,t ) H i (t ) := H i presión aguas arriba
de la sección i a1
Qi = ( H Hi+1 ) + μQi Qi (10)
Q ( z,t ) Qi (t ) := Q i flujo en la sección i zi i

Así, en cada sección i del ducto, el conjunto a2


de ecuaciones del fluido se transforma en:
H i+1 =
zi i
( )
Q Qi+1 Q f (11)
k

para i = 1,..., n y con variables exógenas H1 = He


Q Qi+1 y Hn+1 = Hs, que son las condiciones de frontera.
H i+1 = a2 i (7)
zi
Sistema de diagnóstico para el ducto
H H i+1
Qi = a1 i + μQi Qi (8)
zi A partir del modelo analítico del fluido (10) y
(11), con Qf = 0, y considerando como únicas
k
b2 f mediciones disponibles los flujos y las cargas
con ai = gAr, a2 = yμ= 63
gAr 2 Ar de presión en los extremos del ducto, es decir,
Por otro lado, para considerar en las H1, Hn+1, Q1 y Qn, a continuación se presenta
ecuaciones (7) y (8) el efecto de una fuga en la el desarrollo de los algoritmos de diagnóstico
posición zf , se debe incluir el flujo de extracción: para cinco escenarios anormales:

( ) ( )
Q f z f ,t = H f (t ) f H z f ,t (9) • E1: falla en la bomba aguas arriba.
• E2: falla en la bomba aguas abajo o en el
donde f = 2gAf Cf 0; Af es el área del sistema de almacenamiento.
orificio; Cf , el coeficiente de descarga; Hf , la • E3: falla en el sensor de flujo aguas arriba.
función Heaviside, que representa la ocurrencia • E4: falla en el sensor de flujo aguas abajo.
de una fuga al instante tf . • E5: fuga en una posición desconocida del
Para el caso de varias fugas, se define nf ducto.
como la cantidad total de fugas en una tubería;
La figura 3 muestra el diagnosticador de
k = 1,..., nf como el identificador de cada fuga,
fallas propuesto y formado por dos etapas: la de
y Qf (zf ,t) como el flujo de fuga asociado con
k k
detección y aislamiento, y la de reconstrucción.
k. Así, la presencia de la fuga k al instante tf
k La primera consta de cinco relaciones
se describe por Hf (t), donde el coeficiente
k redundantes para aislar las fallas y la segunda
sf y su posición zf caracterizan cada evento.
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

k k etapa, diseñada vía observadores dinámicos,


Cuando se presenta una extracción Qf entre las
k reconstruye la falla una vez identificada.
secciones Dzi y Dzi+1, la conservación de la masa
Cabe señalar que sólo un observador se activa
se expresa como Qi – Qi+1 – Qf = 0. Así pues,
k dependiendo del síntoma identificado.
en cada punto de fuga, la relación de los flujos
entre secciones:
Detección y aislamiento de fallas
Qi Qi Qi+1
= Para obtener residuos ante los escenarios de
zi zi
fallas (E1-E5), se parte del modelo nominal (10)
se reemplaza por: y (11), considerando las fallas como elementos

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

64
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Figura 3. Esquema de diagnóstico de fallas para un ducto.

aditivos tanto en sensores como en bombas y r1 = Qe Qs (12)


fugas.
El residuo más usado es muy simple y se el cual es cero si el ducto opera en condiciones
genera con la diferencia de flujos: normales y se desvía de cero cuando existen

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

fugas en el ducto o alguna de las mediciones del que eliminando la variable desconocida Hf
del flujo es errónea; es decir, r1 se desvía de cero se tiene la ecuación integro-diferencial:
ante los escenarios E3, E4 y E5.
t
Considerando el ducto de longitud L en r4 = Qe μQe Qe + 1 t0
(Qe Qs ) d 2 H e (15)
estado permanente, a partir de (10) y (11), la
relación:
a1a2 a1
Con α1 = y α2 = . Así pues, r4 vale
a 0.25 L 0.5L
r2 = μQe Qe + 1 ( H e H s ) (13) cero ante desviaciones en la presión aguas
L
abajo, Hs, y fugas en el cuerpo del ducto. Por
vale cero en condiciones normales y se desvía simetría del modelo se tiene la ecuación del
de cero con cuatro escenarios de falla: E1, E2, residuo:
E3 y E5.
Dado que (13) no depende de la medición t
r5 = Qs μQs Qs 1 (Qe Qs ) d 2 H s (16)
del flujo aguas abajo Qs, ésta es insensible t0

a mediciones en dicha variable. De manera


que no depende de la presión de entrada He.
análoga, por simetría del modelo, el residuo:
Anexando los dos nuevos residuos (15) y (16) a

a la matriz de firmas de casos anormales se tiene:
r3 = μQs Qs + 1 ( H e H s ) (14)
L
vale cero cuando el ducto está libre de fugas Qe Qs He Hs Q f
y la información de la presiones y del flujo 65
r1 • • •
aguas abajo son correctas. Por el contrario, su
r2 • • • •
valor se desvía de cero cuando existe una fuga
o alguna de las mediciones mencionadas es r3 • • • •
errónea. Dado que r3 no depende de Qe, éste es r4 • • • •
insensible a mediciones en el flujo de entrada. r5
• • • • (17)
Con ayuda de los residuos (12-14) se
obtienen las tres primeras filas de la matriz
de fallas (17), donde una desviación en una
variable es antecedida de d, y • denota un En esta matriz se observa que todos los
residuo diferente de cero con la anormalidad residuos son sensibles ante la presencia de
correspondiente en la columna. Se observa la fuga (última columna) y teóricamente
de esta matriz que si se asume solamente un cualquiera de ellos puede ser usado para su
escenario presente, es posible detectar qué
diagnóstico. Sin embargo, debido a que no
sensor de flujo está dañado tanto en condición
todos los residuos responden de la misma
de fuga como normal. Por el contrario, errores
forma ante la fuga, se recomienda usar el
en He y Hs no pueden aislarse, dado que ambos
residuo cuya magnitud sea más sensible.
residuos, r2 y r3, son sensibles a ambos errores.
Para las mediciones de los gastos y señales de
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Considerando el modelo discretizado con


acción asociadas con las presiones se tiene un
dos secciones de igual tamaño se obtiene el
sistema de ecuaciones: patrón de residuos distinto para cada escenario
de condición anormal, por lo que las fallas
a1 consideradas son todas aislables.
Qe = μQe Qe + (
H Hf
L/2 e
)
a2 Algoritmos de reconstrucción de fallas
Hf = (
Q Qs Q f
L/2 e
)
Como segunda etapa para reconstruir las cinco
a
Qs = μQs Qs + 1 H f ( Hs ) fallas propiamente dichas, se parte del modelo
L/2

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

no lineal de la falla correspondiente, en donde posición y el coeficiente de una fuga en el


los parámetros q(t) asociados con las fallas son ducto. A partir de (10) y (11), en presencia de
estados adicionales de acuerdo con el vector una fuga, el modelo debe dividirse en al menos
(3) y pueden estimarse vía algoritmos de dos secciones con diferentes flujos: el previo a
observación no lineales. En este trabajo se usa la fuga y el posterior. Por esta razón, se necesita
el algoritmo de observación de altas ganancias un modelo de dimensión finita del fluido que
descrito en el Apéndice A. represente al menos ambas secciones.
El punto de partida del algoritmo con el Se propone entonces el sistema de ecua­
modelo discretizado del fluido (10) y (11) ciones:
consiste en llevarlo a la forma:
a1
Qe = μQe |Qe |+ H ( Hf )
z1 e
( ) ( )
f x (t ) ,u (t ) , (t ) = F xe (t ) ,u + Gy (t )
a2
Hf = (
Q Qs σ f H f
z1 e )
Obteniéndose:
a1
Qs = μQs |Qs |+ Hf ( )
Hs (20)
z2

xe (t ) = F xe (t ) ,u (t ) + G y (t ) (18)
( ) ( )
donde la posición de la fuga está dada por
66 donde xe(t), el vector de estados extendido, está el tamaño de la primera sección Dz1 ∈ [0, L],
definido por el estado x(t) y los parámetros q(t) mientras que la segunda sección es de tamaño
a estimar y que están asociados con la falla en Dz2 = L – Dz1.
cuestión, mientras que el vector de entradas Para completar el modelo, al vector
está dado por: de estados del sistema (20), por ejemplo
T
x (t ) = Qe H f Qs , se le agregan dos estados
T T
u (t ) = u1 (t ) ,u2 (t ) = H e (t ) ,H s (t ) , adicionales asociados con los parámetros de
una extracción desconocida o fuga:
conformado por las presiones en los extremos
de la tubería. En el caso de operar el ducto T

con presiones constantes o dinámica lenta, se


(t ) = z1 f

asume u(t) = u0.


Para el diseño de los observadores no formando así el vector aumentado (3). Tomando
lineales, se considera que las variables que en cuenta que estos parámetros son constantes,
pueden medirse son los flujos en los extremos sus derivadas se igualan a cero, por tanto:
de la tubería. Es decir:
z1 = 0, f =0
T
y = h ( xe (t )) = Qe Qs (19)
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Siguiendo el procedimiento del observador


Sin embargo, no en todos los casos de
de alta ganancia descrito en el Apéndice A,
reconstrucción de fallas se requieren ambas
para el vector de estados:
mediciones, así que para cada escenario de falla
se definen las variables medidas utilizadas. T
xe (t ) = Qe H f Qs z1 f

Reconstrucción de una fuga en el ducto


los parámetros asociados con la fuga pueden
Asumiendo que la instrumentación está en ser reconstruidos con la estimación de q(t),
buen estado, el objetivo ahora es estimar la utilizando el observador:

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

tipo sesgo, conocido como offsets en inglés, así


a que los modelos de falla se reducen a:
μQ̂e |Q̂e |+ 1 H e ( Ĥ f )
ˆz
1
Q̂e a2 Qe = Qe + Qe
Ĥ f ˆz
1
(
Q̂e Q̂s ˆ f
Ĥ f )
a1 Qs = Qs + Qs
Q̂s = μQ̂s |Q̂s |+ Ĥ f ( Hs )
L ˆ z1
ˆz Sustituyendo estos modelos en (10) y (11)
1 0
ˆ 0 para una sola sección de longitud L se obtienen
f
dos modelos extendidos:

• Para fallas en el sensor aguas arriba:

Q̂e Qe a1
K(.) (21) Qe |Qe Qe |+
Q̂s Qs
Qe = μ Qe ( ) L
(He Hs )

Qe = 0

T
cuya ganancia de convergencia se expresa: con xe (t = Qe Qe
(

• Para fallas en el sensor aguas abajo: 67


2 0
2ˆ 2
z a1
1
Ĥ f 0 Qs = μ Qs( )
Qs Qs Qs +
L
(He Hs )
a1
K (.) = 0 3 Qs = 0
3 2
(L ˆz )
1
0 con xe (t = Qs Qs .
( T
a1
0
En esta pareja de modelos, las variables des­
3 2
ˆ (L ˆz ) conocidas Qe = 0 y Qs = 0, respectivamente,
3 f 1
=
Ĥ f 2a1Ĥ f representan la dinámica constante del sesgo
a estimar. La elección de un modelo finito
ˆz L ˆz
3
1 (
1 ) discretizado con una sola sección obedece a
que a lo largo del ducto el flujo es el mismo en
a1a2 Ĥ f
estado permanente en ausencia de extracciones.
Siguiendo el procedimiento descrito en
el Apéndice A, la ecuación del algoritmo de
donde l es un parámetro de diseño para ajustar
observación de alta ganancia diseñado para el
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

el tiempo de convergencia de los valores


caso de falla en el medidor de flujo aguas arriba
estimados a los valores reales (ver Apéndice).
se reduce a:
Este observador es concebido considerando
como vector de salidas (19), es decir, las
mediciones de los flujos en ambos extremos.
a1
Reconstrucción de fallas en los medidores de flujo
Q̂e
= (
μ Q̂e )
Q̂e Q̂e Q̂e +
L
( He Hs )
Q̂e
0
Para los escenarios de fallas en los medidores
de flujo, se supone que éstas son aditivas del K(.) Q̂e Qe (22)

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

con la ganancia: Por simetría, para una falla en la presión


aguas abajo, el observador se basa en el modelo:
2
K (.) = 2
a1
+2 Qe = μQe Qe + (
He H f )
z1

= μ Q̂e Q̂e + μQ̂e sign Q̂e ( Q̂e ) Hf =


a2
z1
(Qe Qs )


μ Q̂e sign Q̂e ( Q̂e )
Qs = μQs Qs +
a1
z2
Hf ( Hs + Hs )
Suponiendo que Q̂e ( )
Q̂e > 0, la ganancia Hs = 0
se reduce a:

2 El algoritmo de observación de alta ganancia


2 diseñado para el escenario de falla en el sistema
K (.) = +2
de bombeo aguas arriba está dado por:

(
2μ Q̂e Q̂e )

a1
68
En este caso, el diseño del observador utili­
za solamente la medición del flujo aguas arriba, Q̂e
μQ̂e Q̂e +
z1
He ( Ĥ f He )
y = h(xe(t)) = Qe. a2
Ĥ f
= z1
(
Q̂e Q̂s )
Reconstrucción de fallas en sistema de bombeo Q̂s a1
δ Ĥe
μQ̂s Q̂s +
z2
(
Ĥ f Hs )
En el caso de fallas en los sistemas de bombeo o 0
almacenamiento en los extremos del ducto, los
modelos de falla que se consideran son: Q̂e Qe
K (.) (23)
Q̂s Qs
He = He + He
Hs = Hs + Hs
el cual es concebido considerando como vector
Para diseñar los observadores que estimen de salidas a las mediciones de los flujos en
las fallas de presión en los extremos se necesita ambos extremos, por ejemplo, utilizando la
un modelo discretizado al menos con dos ecuación (19). Suponiendo que el flujo satisface
secciones espaciales de manera similar que para la condición Q̂e > 0, la ganancia reducida del
la reconstrucción de una fuga. Para el caso de observador se expresa como:
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

fallas aguas arriba, el modelo que se considera


para el diseño del algoritmo de observación es:
2 0
a z2 2
4μQ̂s z2
Qe = μQe Q e + 1 H e
z1
( He H f ) 0
a1 a1
K (.) =
a2 0 2
Hf = (Qe Qs )
z1 z2 2
4μQ̂s z2
+
a a1 a1
Qs = μQs Qs + 1 H f
z2
( Hs )

z1 2
4μQ̂e z1
He = 0 = +
a1 a1
Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

Modelo físico piloto recta; de esta manera se tiene una equivalencia


entre la tubería en espiral de 169.43 m y una
La instalación experimental para detección recta de 200.17 m.
de fugas es una tubería de acero de cuatro La tubería también cuenta con seis válvulas
pulgadas de diámetro, cédula 40, en forma de (V1, V2, V3, V4, V5, V6) utilizadas para emular
espiral sobre un plano vertical, como lo muestra fugas, dos de ellas servo-válvulas, para realizar
la figura 4. La entrada del flujo está en la parte experimentos repetitivos, y localizadas a
inferior y su salida en la parte superior. Se tiene 11.535, 49.825, 80.355, 118.365, 148.925 y 186.945
una cisterna de 10 000 litros de agua potable, m, respectivamente, a partir del punto de
una bomba hidráulica de 7.5 HP y válvulas de alimentación. Los valores para los parámetros
paso en la entrada y en la salida. Los sensores de la instalación se reportan en el cuadro 2.
de flujo y presión se ubican en ambos extremos La instalación cuenta con tres opciones
del ducto. Aproximadamente en la parte media para medir el flujo con tres tipos de sensor: de
de cada tubo horizontal se haya una válvula de propela, ultrasónico y fuerza de Coriolis. Estos
1 in de diámetro para simular fugas. sensores se ubican al inicio y final del ducto.
La tubería tiene una longitud física cuando
se hacen mediciones directas sobre ella punto a Sistema de supervisión, control y adquisición
punto, pero la presencia de codos a lo largo del de datos SCADA
ducto genera una caída de presión mayor a la
correspondiente a su longitud real, por ello es Este sistema está compuesto básicamente por 69
necesario determinar la longitud equivalente dos elementos: uno de hardware y otro de soft-
si se supone la instalación como una tubería ware. El primero está compuesto por una com-
putadora personal conectada a un módulo de
adquisición de datos vía protocolo TCP, éste, a
su vez, está conectado físicamente a los senso-
res, servo-válvulas y actuador de la bomba; el
segundo es el programa de aplicación desarro-
llado en LabVIEW©.
El hardware: la computadora personal
trabaja en ambiente de Windows y en ella se
tienen utilerías para poder conectar el software
de LabVIEW@ con un sistema modular de
adquisición de datos con protocolo Modbus
(BK9000 de Beckhoff ) vía una red local Ethernet.
La comunicación entre la aplicación y el sistema
modular se hace por un servidor OPC, que es el
intermediario entre el programa y los registros
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

de entrada-salida vía comunicación TCP. Los

Cuadro 2. Parámetros del ducto de pruebas (modelo físico).

Símbolo Valor Unidad


b 1 497 (m/s)
f 0.1047 (m)

Figura 4. Vista lateral de la instalación piloto. L 200.16 (m)


f 2.785×10 -2
-

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

módulos de adquisición usan un sistema de de la velocidad del motor de la bomba. Depen-


4-terminales para alambre, con ello todos los diendo de la aplicación, se tiene una opción de
sensores y actuadores con diferentes tipos de sólo registrar los datos de un experimento para
señales puedan ser conectados directamente al su posterior procesamiento fuera de línea o la
módulo correspondiente. opción de la detección de una fuga en tiempo
El software: es un sistema de adquisición y real con alguno de los métodos de detección
monitoreo del ducto integrado con base en la desarrollados en el Instituto de Ingeniería,
plataforma de la compañía National Instru- como es el caso de los algoritmos validados en
ments© llamada LabVIEW©, que es un sistema de esta contribución.
programación de propósito general compuesto
por librerías de funciones y herramientas de Importancia de los sensores en la estimación
desarrollo diseñadas específicamente para ad- de la posición de la fuga
quisición de datos y control de instrumentos.
Los programas de LabVIEW© son llamados La ubicación precisa de una fuga no sólo
instrumentos virtuales, porque en su aparien- depende del método de detección y ubicación,
cia y operación pueden imitar instrumentos en sino también del tipo de instrumentos de
boga. Funcionalmente, el sistema desarrollado medición. La figura 5 muestra tres estimaciones
realiza actividades de lectura de la información de la posición de la fuga ubicada a 49.8 m para
de los sensores de flujo y presión, el manejo de una condición abierta de válvula del 100%.
70 la abertura de las servo-válvulas y regulación Se usó el mismo algoritmo de estimación,
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Figura 5. Desviación en el estimador de la posición de la fuga, según el tipo de sensor de flujo.

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

pero con distintos sensores de flujo. Se puede observadores para realizar las estimaciones. En
observar que además de registrarse diferentes las gráficas se han superpuesto a las mediciones
ubicaciones, las desviaciones estándar son reales valores filtrados de éstas, con la finalidad
notoriamente diferentes, provocando incerti­ de tener mejores resultados en la estimación. El
dumbres en la ubicación de la fuga. El sensor de filtrado se llevó a cabo utilizando un filtro pasa
fuerza de Coriolis genera un mejor desempeño. bajas de primer orden, con una frecuencia de
corte wc = 0.01 rad/s y ganancia unitaria.
Resultados experimentales
Aislamiento de las fallas
Con el propósito de evaluar el desempeño del
sistema de diagnóstico de fallas en ductos, se Considerando los datos reales del ducto piloto,
realizaron varios experimentos provocando las figuras 7 y 8 muestran la evolución de tres
tanto una extracción como alteraciones en las residuos (r1, r2, r4) ante escenarios anormales. La
lecturas registradas de los sensores de flujo y figura 7 corresponde al caso de una extracción
presión. iniciada a los 100 s, en donde se comprueba
El evento de la extracción desconocida o que los tres residuos son distintos de cero una
fuga se originó abriendo la válvula V4 a los 150 vez que la extracción está presente, como lo
s. El efecto de la fuga puede observarse en el pronostica la matriz de firma de fallas (17). La
comportamiento de los flujos mostrados en la figura 8 muestra dos escenarios distintos. La
figura 6, ya que después del evento se desvían parte superior corresponde a la respuesta de los 71
del punto de operación, a pesar de que la presión residuos ante una desviación en el medidor de
parece permanecer constante, ya que el flujo de flujo aguas abajo y la inferior ante un error en
fuga es menor al 8% y sus efectos en la carga el sistema de bombeo aguas arriba. En ambos
son imperceptibles. En esta figura se muestran casos, los dos conjuntos de residuos responden
también las señales medidas de las presiones también de acuerdo con la matriz de falla (17) y,
en los extremos de la tubería utilizadas por los por lo tanto, con condiciones lógicas, es posible

Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Figura 6. Señales medidas de flujos y presiones en los extremos del ducto con extracción a partir de 100 s.

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

Figura 7. Evolución de los residuos r1(t), r2(t) y r4(t), con una extracción provocada a los 100 s.

72
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Figura 8. Evolución de los residuos r1(t), r2(t) y r4(t), ante dos escenarios de fallas.

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

aislar la falla presente. Esto siempre y cuando • E1: reconstrucción de la falla en la bomba
exista solamente una falla. con el algoritmo (23).

Reconstrucción de las fallas Para la evaluación del desempeño del


localizador con datos experimentales se uti­
Según la naturaleza de una falla, una vez que lizan las mediciones de flujo y presiones
ésta ha sido detectada y aislada usando las ilustradas en la figura 6.
condiciones lógicas dadas en la matriz (17),
la reconstrucción y el valor en el tiempo de Estimación de una fuga
la falla se determina utilizando el algoritmo
de observación correspondiente de acuerdo El observador para la estimación de la fuga
con el escenario identificado. A continuación (21) se puso en marcha al tiempo t = 160 s, una
se presentan los resultados experimentales vez que el generador de residuos identificó
de los observadores de reconstrucción con los que el síntoma se debía a una extracción
siguientes tres escenarios de fallas: desconocida. Cabe decir que el observador
sólo opera de manera adecuada en presencia
• E5: reconstrucción de la fuga fk con el de fuga, de lo contrario no se puede garantizar
algoritmo (21). la convergencia del error (Torres, Verde,
• E3: reconstrucción del sesgo dQe en el Besançon, & González, 2012).
medidor de flujo aguas arriba con el La figura 9 muestra la evolución del estima­ 73
algoritmo (22). dor de la posición realizada por el observador

Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Figura 9. Estimación con diversos valores de l.

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

74

Figura 10. Estimación de la posición con/sin filtro.

para diferentes valores de l, observando que el a las de la tubería real y se sintonizó con l = 2.
tiempo de convergencia disminuye si el valor Las señales de entrada se filtraron con dos
de l se incrementa. Sin embargo, el ruido de diferentes frecuencias de corte, cuyos valores
medición también aumenta con el incremento se muestran en la figura 11, donde también se
de l. En la figura 10 se observa la estimación puede apreciar el resultado de la estimación.
de la posición de la fuga cuando el parámetro Es notable que si no se utilizan filtros en las
de convergencia se fija l = 3 para dos diferentes entradas, la estimación del parámetro hereda
casos, con señales filtradas y sin filtrar. En el ruido de éstas. También es interesante que
ambas figuras se observa que los valores la frecuencia de corte elegida para los filtros
estimados están cercanos al valor real de la incide en la estimación, por lo que hay que tener
posición real de la fuga. en cuenta este factor durante la calibración del
estimador.
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Estimación de sesgo en un medidor de flujo


Estimación de fallas en la bomba
Para evaluar el observador de reconstrucción
de fallas en el sensor de flujo aguas arriba (22), Para la evaluación del observador que estima
se sumó una señal constante a la medición fallas en el sistema de bombeo (23) se sumó
aguas arriba de 3 × 10-3 m3/s. El observador fue una señal constante a la medición de la pre-
inicializado en el tiempo t = 0 s del experimento sión aguas arriba de 1.6×10−3 m. El observador
mostrado en la figura 6, es decir, cuando se inicializa cuando no hay extracciones. Las
no hay presencia de fuga. Las condiciones condiciones iniciales del observador se eligie-
iniciales del observador se eligieron diferentes ron diferentes a las de la tubería y se sintonizó

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

75
Figura 11. Estimación de offset en el medidor de flujo aguas arriba.

con l = 1. En la figura 12 se puede apreciar el partir del modelo de transporte del fluido en
resultado de la buena estimación realizada por el ducto. En la segunda etapa, la tarea es la
el observador con y sin filtros. reconstrucción de la evolución en el tiempo de
la falla que se ha identificado. Los resultados
Conclusiones de la evaluación del sistema de diagnóstico
con datos experimentales fueron satisfactorios,
En este artículo se presentó un sistema robus- haciéndolo viable para su implementación en
to de diagnóstico para fallas en ductos imple- ductos reales.
mentado en un modelo piloto del Instituto de
Ingeniería de la UNAM. Este sistema actual- Apéndice
mente está programado en LabVIEW© para la
Diseño de un observador de alta ganancia
adquisición de datos y en MATLAB© para el
diagnóstico y la reconstrucción de fallas. La Gauthier et al. (1992) demostraron que a cual­
originalidad de este sistema es su capacidad de quier sistema representado por (1), que posea
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

detectar, aislar y reconstruir diferentes tipos de la propiedad de poder ser transformado en la


falla en ductos, novedad y aportación principal forma triangular siguiente:
del presente trabajo.
La principal característica de este sistema
de supervisión es que está compuesto de dos (t) = A (t) + ( (t) ,u )
0

etapas con tareas específicas. En la primera


y (t ) = C (t ) (24)
etapa, el objetivo es distinguir entre cinco
escenarios de fallas, entre los que se encuentra la
fuga del ducto. Esta tarea es realizada mediante se le puede diseñar un observador de alta
el uso de relaciones redundantes obtenidas a ganancia con:

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

76 Figura 12. Estimación del error en el sensor de presión aguas arriba.

Paso 1: aplicar la transformación no lineal


0 1 0 F(xe(t)) = x(t) al sistema (18) mediante el
0 0 1 siguiente cambio de coordenadas:
A= 0
1
0 0 1 (t ) (
h xe (t ) )
(t) = 2 (t ) = (
L f h xe (t ) )
1 ( (t ))
1

2 ( (t ) , (t ))
1 2
n (t ) (
Lnf 1h xe (t ) )
( (t) ,u ) =
0
donde Lf es la derivada de Lie de la salida h(xe)
n 1 ( ) (t,…, (t)) n 1
1
t)) con respecto al operador f (consultar Isidori,
n ( (t) ,…, (t))
1 n 1995, para profundizar).
Paso 2: construir la estructura del algoritmo
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

C= 1 0 0 … 0 (25) de observación:

ˆ (t ) = Aˆ (t ) +
El procedimiento de diseño para un
( ˆ (t) ,u (t))
Sistema transformado
observador, considerando el caso particular del
modelo en espacio de estados (18) con entradas S 1CT Cˆ (t ) y (t ) (26)
( )
constantes u0, que expresa de manera compacta
Término de corrección
el modelo finito de transporte de fluido en un
ducto dado por las ecuaciones (10) y (11) se que no es más que una copia del modelo
reduce a los siguientes pasos. del sistema transformado, y un término de

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

corrección que asegura la convergencia del to Validation of Phytoplanktonic Growth Model. IEEE
algoritmo con la matriz S, el parámetro de Transactions on Automatic Control, 43(8), 1056-1065.
Besançon, G. (2007). Nonlinear Observers and Applications.
diseño.
Berlin: Springer.
Paso 3: regresar el observador (26) a las Billmann, L., & Isermann, R. (1987). Leak Detection Methods
coordenadas originales, obteniendo: for Pipelines. Automatica, 23(3), 381-385.
Bornard, G., & Hammouri, H. (1991). A High Gain Observer
for a Class of Uniformly Observable Systems. Proceedings
(
x̂ (t ) = f x̂e (t ) ,u0 (t ) ) of the 30th IEEE Conference on Decision and Control,
Brighton.
+K x̂e (t ) Cx̂e (t ) y (t ) (27)
( ) Boulkroune, B., Galvez-Carrillo, M., & Kinnaert, M. (2011).
Additive and Multiplicative Fault Diagnosis for a Doubly-Fed
Induction Generator. IEEE International Conference on
donde la ganancia del término de corrección: Control Applications. Denver.
Brunone, B., & Ferrante, M. (2001). Detecting Leaks in
1
Pressurized Pipes by Means of Transients. Journal of
(
K x̂e (t ) = ) x̂e
( x̂ (t))
e
S 1CT Hydraulic Research, 39(5), 539-547.
Carrera, R., & Verde, C. (2001). Localizador automático de
fugas en un ducto. Ingeniera Hidráulica en México, 16(2),
incluye la matriz S, que es simétrica, definida
139-151.
positiva, que asegura la convergencia del Chaudhry, M. H. (1987). Applied Hydraulic Transients. New
observador, siendo la solución única de la YorkÑ Van Nostrand Reinhold Company.
siguiente ecuación matricial: Chen, J., & Patton, R. J. (1999). Robust Model-Based Fault 77
Diagnosis for Dynamic Systems. Norwell, USA: Kluwer
Academic Publishers.
S + ATS + SA CT C = 0 (28)
Chow, E., & Willsky, A. (1984). Analytical Redundancy and
the Design of Robust Failure Detection Systems. IEEE
donde l > 0 es un parámetro de diseño; las Transactions on Automatic Control, 29(7), 603-614.
matrices A y C están dadas en el modelo Covas, D., Ramos, H., & De Almeida, A. B. (2005). Standing
canónico (24). Wave Difference Method for Leak Detection in Pipeline
Nota: Gauthier et al. (1992) demostraron Systems. Journal of Hydraulic Engineering, 131(12), 1106-
que el error de estimación converge exponen- 1116.
Ferrante, M., & Brunone, B. (2003). Pipe System Diagnosis
cialmente a cero si el parámetro l se elige sufi-
and Leak Detection by Unsteady-State Test-1: Harmonic
cientemente grande. Además, la sintonización
Analysis. Advanced Water Resources, 26(1), 95-105.
del observador se reduce a la calibración de Frank, P. (1990). Fault Diagnosis in Dynamic Systems
este simple parámetro y la elección de un valor Using Analytical and Knowledge-Based Redundancy.
de l grande asegura una convergencia rápida Automatica, 26(2), 459-474.
de los estimados a los valores reales, de aquí Gauthier, J. P., Hammouri, H., & Othman, S. (1992). A
el nombre alta ganancia. Sin embargo, una ga- Simple Observer for Nonlinear Systems-Applications to
Bioreactors. IEEE Transactions on Automatic Control, 37(6),
nancia muy alta produce sobrepasos durante
875-880.
la convergencia y amplificación del ruido. Por
Gertler, J. (1991). Analytical Redundancy Methods in Fault
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

ende, la elección de la ganancia debe conside- Detection and Diagnosis (pp. 9-21). Baden-Baden: IFAC-1st
rar estos factores. SAFEPROCESS.
González, O., Verde, C., & Torres, L. (2013). Leak Estimation
Recibido: 04/02/13 Method for Complex Pipelines with Extractions. Journal of
Pressure Vessel Technology (en revisión).
Aceptado: 16/11/13
Isermann, R. (2006). Fault Diagnosis System. Berlin: Springer.
Isermann, R. (2011). Fault-Diagnosis Applications: Model-Based
Referencias Condition Monitoring: Actuators, Drives, Machinery, Plants,
Sensors, and Fault-Tolerant Systems. Berlin: Springer.
Bernard, O., Sallet, G., & Sciandra, A. (1998). Nonlinear Isermann, R., & Mnchhof, M. (2011). Identification of Dynamic
Observers for a Class of Biological Systems: Application Systems: An Introduction with Applications. Berlin: Springer.

Tecnología y
Torres et al., Algoritmos de diagnóstico para fallas en ductos

Isidori, A. (1995). Nonlinear Control Systems. London: Verde, C., Gentil, S., & Morales, R. (2013). Monitoreo y
Springer. diagnóstico automático de fallas en sistemas dinámicos.
Khalil, H. K. (2002). Nonlinear Systems. Upper Saddle River, México, DF: Trillas-Instituto de Ingeniería, UNAM.
USA: Prentice Hall. Wang, X. J., Lambert, M., Simpson, A., & Vtkovsky, J. (2005).
Korbicz, J., Koscielny, J., Kowalczuk, Z., & Cholewa, W. Leak Detection in Pipelines Using the Damping of Fluid
(2004). Fault Diagnosis: Models, Artificial Intelligence, Transients. Journal of Hydraulic Engineering, 128(7), 697-
Applications. Berlin: Springer Verlag. 711.
Leveque, R. J. (2007). Finite Difference Methods for Ordinary Wylie, E. B., & Streeter, V. L. (1983). Fluid Transients in
and Partial Differential Equations. Philadelphia: SIAM. Systems. Englewood Cliffs, USA: Prentice-Hall.
Ljung, L. (1999). System Identification Theory for the User. Zhang, X. (2011). Sensor Bias Fault Detection and Isolation in
Upper Saddle River, USA: Prentice Hall. a Class of Nonlinear Uncertain Systems Using Adaptive
Makar, J., & Chagnon, N. (1999). Inspecting Systems Estimation. IEEE Transactions on Automatic Control, 56(5),
for Leaks, Pits, and Corrosion. American Water Works 1220-1226.
Association Journal, 91, 36-46.
Mpesha, W., Chaudry, M. N., & Gassman, S. (2001). Leak
Detection in Pipes by Frequency Response Method. Dirección institucional de los autores
Journal of Hydraulic Engineering, 127, 137-147.
Patton, R., Frank, P., & Clarke, B. (2000). Issues of Fault
Dra. Lizeth Torres
Diagnosis for Dynamic Systems. London: Springer.
Dra. Cristina Verde
Stoianov, I., Lama, N., Sam, M., Timur, T., & Csail, M. (2007).
M.I. Rolando Carrera
Pipenet : A Wireless Sensor Network for Pipeline Monitoring Ing. Raúl Cayetano
(pp. 264-273). IEEE 6th International Symposium on
Information Processing in Sensor Networks, Cambridge. Instituto de Ingeniería
78
Torres, L., Besançon, G., & Georges, D. (2008). A Collocation Universidad Nacional Autónoma de México
Model for Water Hammer Dynamics with Application to Ciudad Universitaria
Leak Detection. Proceedings of the 47th IEEE Conference on Apdo. Postal 70-472
Decision and Control, Shangai. 04510 México, D.F., México
Torres, L., Verde, C., Besançon, G., & González, O. (2012). Teléfono: +52 (55) 5623 3684
High Gain Observers for Leak Location in Subterranean ftorreso@ii.unam.mx
Pipelines of Liquefied Gas. International Journal of Robust verde@unam.mx
and Nonlinear Control, 24(6), 1127-1141. rcarrera@unam.mx
Ciencias del Agua, vol. V, núm. 4, julio-agosto de 2014

Tecnología y

You might also like