CONTROL Y SIMULACION DE PROCESOS ALIMENTARIOS

SICOMPC: simulador para control predictivo basado en modelos

Una herramienta computacional SICOMPC, desarrollada con el fin de poder

disponer de un programa para la simulación del control predictivo basado en
modelos. Si bien existen en el mercado algunos programas dedicados al
control predictivo, en su mayoría son costosos y de estructura cerrada.
SICOMPC cuenta con una estructura modular e incluye ventanas donde se
pueden simular las estrategias clásicas de control con el fin de compararlas
bajo criterios de estabilidad y robustez en diversos modelos de plantas de
procesos.

Control predictivo distribuido basado en modelos de sistemas multi-

agente con desempeño de control mejorado

Este artículo aborda un esquema de control predictivo basado en modelos

distribuido para sistemas multi-agentes con desempeño de control improvisado.
Para penalizar la desviación de la trayectoria de estado computarizada desde
la asumida, se implicó la penalización de desviación en la función de costo
local de cada agente. Se garantizó la estabilidad de bucle cerrado con un peso
grande para la penalización de desviación.

Sin embargo, tal peso llevó a un costo mayor del desempeño del control. Por
ello, se diseñaron las restricciones de compatibilidad variables con el tiempo de
cada agente para balancear la estabilidad de bucle cerrado y el desempeño del
control, de tal forma que se logre lo primero con un bajo peso de lo segundo.
Se brinda un ejemplo numérico para ilustrar la efectividad del esquema
propuesto.

Control basado en optimización de un secador rotatorio directo

Este documento presenta el control de un secador rotatorio directo basado en

optimización no lineal. Esta metodología permite auto-sintonizar dinámicamente
un controlador PI o PID, mejorando claramente el control del proceso respecto
a la sintonización clásica. El control del proceso se llevó a cabo a través de la
simulación computacional vía MATLAB y su verificación a través de un proceso
piloto, lo que permitió apreciar la potencialidad de la sintonía dinámica que se
propone. Los resultados, los tiempos de respuesta y la dinámica de control
posibilitan que la investigación futura pueda escalar esta propuesta desde el
laboratorio a procesos industriales.

Una visión general del control predictivo basado en modelos

El control predictivo basado en modelos (model predictive control) es la

familia de controladores que hace un uso explícito del modelo para obtener la
señal de control. La razón de su popularidad en la industria y la academia es su
capacidad de operar sin intervención de expertos por largos periodos. Existen
diversos métodos de diseño de control que se fundamentan en los conceptos
del control predictivo basado en modelos.

En este artículo se presenta una revisión de los métodos más comúnmente

empleados que han sido incorporados en un control predictivo basado en
modelos industrial. Se describen estrategias tales como el control por matriz
dinámica (dynamic matrix control, DMC), el control funcional predictivo
(predictive functional control, PFC), el control algorítmico de modelo (model
algorithmic control, MAC), el control auto-adaptativo de predicción extendida
(extended predictive self-adaptive control, EPSAC), el control adaptativo de
horizonte extendido (extended horizon adaptive control, EHAC) y el control
predictivo generalizado (generalized predictive control, GPC), incluyendo su
historia, su idea básica, propiedades y formulación del controlador.

Control predictivo adaptativo de modelos basado en redes neuronales

Los controladores predictivos de modelos basados en redes neuronales han

demostrado un alto potencial en la rama no convencional del control no lineal.
Sin embargo, la cuestión principal en el control de procesos de sistemas no
lineales es la sensibilidad de las variaciones de los parámetros y las
incertidumbres. En efecto, cuando se controla el proceso mediante control
predictivo de modelos basado en redes neuronales (neural network model
predictive control, NNMPC) y está sujeto a tales variaciones e incertidumbre,
se obtienen desempeńos insatisfactorios.

Para solucionar este problema, en este artículo se propone control predictivo

adaptativo de modelos basado en redes neuronales (adaptive neural network
model predictive control, ANNMPC) donde se incorpora un bloque neuronal
de identificación de modelo

en el esquema y se proporciona una actualización en línea de los pesos

cuando el proceso está sujeto a variaciones de parámetros e incertidumbres.
Se llevaron a cabo simulaciones para mostrar el carácter robusto de este
algoritmo de control.

Control predictivo basado en modelos rápido y no lineal: estrategia de

optimización y aplicaciones a procesos industriales

Con la amplia disponibilidad del control predictivo basado en modelos (MPC),

su versión no lineal (NMPC) brinda una extensión natural para incluir modelos
no lineales para seguimiento de trayectorias y optimización dinámica. El NMPC
puede incluir primeros principios desarrollados para estudios dinámicos fuera
de línea así como para modelos no lineales orientados por datos, aunque
requiere la aplicación de estrategias eficientes de optimización a gran escala
para evitar retrasos computacionales y para asegurar estabilidad, robustez y
desempeńo superior.

Este estudio presenta la aplicación de la recientemente desarrollada estrategia

NMPC de paso avanzado (asNMPC). Este enfoque resuelve el problema de
optimización detallada en el fondo (in background) y aplica una actualización
en línea basada en la sensibilidad. Se muestran dos estudios de caso: control
detallado de destilación y una operación multi-paso para la generación de
vapor en una planta de energía. En ambos escenarios se logró un desempeńo
eficiente y robusto del controlador con una optimización dinámica no lineal.

Hacia el control predictivo basado en modelos en línea en un controlador

lógico programable: consideraciones prácticas

Dado el poder computacional creciente de los controladores incorporados, el

uso de estrategias de control predictivo basado en modelos (MPC) con este
tipo de dispositivos se ha convertido en una opción muy atractiva. En este
estudio se investigó el uso del MPC en línea, en el cual se resuelve un
problema de optimización a cada paso tanto con un controlador de
automatización programable (programmable automation controller, PAC) y
un controlador lógico programable (programmable logic controller, PLC). Se
investigaron tres rutinas distintas de optimización para solucionar el programa
cuadrático con respecto a su aplicación en estos dispositivos. A tal efecto se
construyó y se seleccionó una configuración de calentamiento de aire como
sistema a pequeńa escala de entrada múltiple y salida simple.

Control predictivo lineal en un reactor de tanque agitado continuo

En este trabajo se aplica el control predictivo basado en modelos (MPC) en un

proceso industrial, a fin de ampliar la utilización de técnicas avanzadas de
control en la formación de pregrado de la carrera ingeniería en automática en
la Universidad de Oriente (Santiago de Cuba, Cuba). El proceso al cual se
aplica el MPC es un reactor de tanque agitado continuo (CSTR) en el cual se
controla la concentración del producto A (CA) manipulando el caudal de
refrigerante (qc). El diseńo y simulación del controlador predictivo se realizaron
con la utilización del programa MATLAB. Los resultados de la simulación
muestran la potencialidad del control predictivo en el manejo de restricciones
desde la fase de diseńo del sistema de control al lograr un desempeńo
apropiado de este sistema linealX

Control predictivo distribuido basado en modelos y teoría de juegos: un

enfoque para sistemas de control a gran escala

Los sistemas de gran escala son aquellos conformados por diferentes

elementos interactuando entre sí. Cada uno de estos elementos tiene asignado
un controlador local encargado de decidir las acciones de control locales que
deben ser aplicadas con el fin de alcanzar un objetivo. Por lo general,
estas acciones son tomadas sin tener en cuenta su efecto en el
comportamiento de los demás elementos ni en el desempeńo global del
sistema. Este comportamientopuede llevar al sistema a puntos de
operaciónindeseables. Con el ánimo de resolver este problema,el control de
sistemas de gran escala se ha venidoformulando como un problema

de optimización con restricciones, siendo el control predictivo basado en

modelos la estrategia más promisoria para este tipo de sistemas.
Sin embargo, debido a que el control predictivo basado en modelos es una
estrategia fundamentada en optimización, no es posible su aplicación directa a
sistemas de gran escala, ya que típicamente el control predictivo se
implementa de forma centralizada y esto requiere la transmisión de grandes
volúmenes de información y el uso de un alto poder computacional. Por tales
motivos, los métodos de control distribuido basados en controladores
predictivos surgen como una alternativa para su implementación en sistemas
de gran escala.

A pesar de los esfuerzos dedicados al diseńo de estrategias de control

distribuido basadas en control predictivo, la cooperación entre subsistemas
sigue siendo un problema de investigación abierto. Con el fin de superar este
problema, la teoría de juegos surge como un marco teórico alternativo para
formular y caracterizar el problema de control predictivo distribuido.

La teoría de juegos es una rama de las matemáticas aplicadas dedicada a

identificar patrones de comportamiento en situaciones estratégicas, donde el
beneficio percibido por cada uno de los individuos involucrados está
determinado tanto por sus decisiones como por las que toman los demás
individuos. En esta investigación se propone una estrategia de control
predictivo distribuida basada en juegos de negociación. Sin entrar en detalles,
un juego de negociación es una situación en la que varios individuos deciden
de manera conjunta qué estrategia es la mejor para alcanzar un beneficio
mutuo. El uso de este tipo de juegos como marco de referencia permite tratar el
problema de cooperación entre subsistemas usando control predictivo
distribuido.

Control predictivo multivariable con linealización sucesiva y targets de

entrada

En esta investigación se desarrollaron dos propuestas de control predictivo

basado en modelos (MPC) multivariable con linealización sucesiva para
controlar un proceso de fangos activados no cuadrado (más entradas que
salidas). La primera propuesta utilizó una función objetivo estándar en la que
son penalizadas las desviaciones de las salidas y los cambios en las variables
manipuladas. En la segunda se adicionó un término a la estándar que penaliza
las desviaciones de las variables manipuladas de su valor en estado
estacionario (targets de entrada).

El objetivo principal fue evaluar el efecto del uso de targets

de entrada sobre el desempeńo del sistema controlado. Los resultados

mostraron una reducción de 50% de las variaciones de la concentración de
sustrato del efluente, una disminución de 85% en el consumo de energía de
bombeo y menor carga de contaminación en el efluente —con el uso de targets
de entrada—, lo que demostró la utilidad de estos para mejorar el rendimiento
del proceso.

Extrayendo modelos de simulación de sistemas complejos industriales en

tiempo real

En este documento se presenta un proceso de modelado para extraer modelos

de simulación a partir de sistemas industriales complejos de tiempo real. El
proceso se apoya en dos métodos para la extracción de los modelos: la
síntesis de modelo (model synthesis) y la extracción híbrida de modelo
(hybrid model extraction). Los modelos generados permitieron el análisis de
impacto para los sistemas complejos en tiempo real con respecto a las
propiedades del sistema dinámico, tales como la cadencia (timing) y el uso de
recursos. Esto hace que sea más predecible el mantenimiento

del software con respecto a los costos de comercialización y desarrollo, ya que

los errores de cadencia se pueden predecir de manera temprana y evitarse.

EcosimPro - PROOSIS

EcosimPro es una herramienta de simulación de primera clase para modelar

sistemas continuos y discretos. Utiliza un paradigma no causal que permite
reutilizar los modelos proyecto a proyecto. Por su parte, PROOSIS es una
aplicación de simulación de propulsión orientada a objetos basada
en EcosimProy que brinda características adicionales para modelar turbinas
de gas.

El enfoque no causal y orientado a objetos de ambas herramientas permiten la

creación de librerías de componentes reutilizables. Están basadas en
poderosos métodos numéricos y simbólicos capaces de procesar sistemas
complejos de ecuaciones diferenciales algebraicas. Sus wizards brindan a los
modeladores una manera fácil de construir modelos matemáticos consistentes.

EcosimPro y PROOSIS son utilizadas por compańías líderes en los sectores

de la energía y aeroespacial. La Agencia Espacial Europea ESA ha escogido a
EcosimPro como su herramienta recomendada para simulación en varios
campos, tales como la propulsión, los sistemas de control ambiental y soporte
de vida (environmental control systems and life support, ECLSS) y los
sistemas de energía. En los últimos quince ańos, la ESA ha
empleado EcosimPro para modelar sistemas complejos de la Estación
Espacial Internacional, los sistemas de propulsión de cohetes y biológicos,
entre otros.X

Además de una versión libre de EcosimPro, los lectores tienen la oportunidad

de realizar numerosas descargas útiles de su sitio web, que incluyen las
siguientes:

Evaluación del desempeño de un planta industrial de endulzamiento de

gas aplicando métodos modulares secuencial y simultáneo

Evaluation of Performance of an Industrial Gas Sweetening Plant by

Application of Sequential Modular and Simultaneous Modular Methods

En este estudio se utilizaron los métodos modulares secuencial y simultáneo

para predecir el desempeño de las columnas de desorción y absorción en el
circuito de una planta de endulzamiento industrial. Se desarrolló el modelo
matemático de los ciclos de absorción y desorción para gases ácidos en
metildietanolamina, el cual está basado en los balances de materia y energía y
toma en cuenta las interacciones químicas entre solvente y gases. La
aplicación del método secuencial-simultáneo para modelar la planta brinda 31
ecuaciones con 31 incógnitas. La solución simultánea de estas ecuaciones
presenta detalles de las condiciones de operación en cada sección del proceso.

En el método modular secuencial, los cálculos se llevaron a cabo para cada

unidad como un módulo simple en el circuito. De esta forma el resultado de
cada módulo proporciona los datos de entrada a la siguiente unidad. Se usaron
datos de una refinería comercial de gas para validar los modelos y comparar
los dos métodos. Luego de la validación, se investigaron los efectos de algunos
parámetros del modelo sobre el desempeńo del circuito.