Reporte CSTH Hector-Jarniel

Centro Nacional de Investigacin y
Desarrollo Tecnolgico

Departamento de Ingeniera Mecatrnica
Robtica y Automatizacin de Procesos
Departamento de Ingeniera Electrnica
Control Automtico

Confiabilidad de Sistemas Mecatrnicos
Control de Procesos

Intercambiador de Calor de Tanque Agitado CSTH

Profesores:
Dra. Mara Guadalupe Lpez Lpez
Dr. Vctor Manuel Alvarado Martnez

Alumnos:
Ing. Hctor Ramn Azcaray Rivera
Ing. Jarniel Garca Morales

Cuernavaca Morelos, Diciembre 2011

Control de Procesos CSTH

Centro Nacional de Investigacin y Desarrollo Tecnolgico P g i n a | 2
Contenido

Introduccin ............................................................................................................................ 3
1. Descripcin del sistema .................................................................................................. 4
1.1 Modelo matemtico del sistema ................................................................................... 4
1.2 Anlisis en Matlab ........................................................................................................ 5
2. Modelo en Custom Modeler ........................................................................................... 7
2.1 Control PID ............................................................................................................ 10
3. Control Inteligente ........................................................................................................ 14
3.1 Esquema de control utilizado ................................................................................. 15
3.1.1 Identificacin del sistema ............................................................................... 15
3.1.2 Control Predictivo .......................................................................................... 16
3.2 Simulacin ............................................................................................................. 17
3.2.1 Diagrama a bloques de la planta ..................................................................... 17
3.2.2 Configuracin del bloque NNPC .................................................................... 17
4. Control Adaptable ........................................................................................................ 22
4.1 Diseo del controlador ........................................................................................... 22
4.2 Recursividad .......................................................................................................... 25
4.3 Resultados de simulacin. ...................................................................................... 26
Conclusiones ......................................................................................................................... 30
Referencias ........................................................................................................................... 31
Anexo A ................................................................................................................................ 32


Introduccin

En el presente documento se presenta el anlisis de un Intercambiador de Calor de
Tanque Agitada o CSTH por sus siglas en Ingls, se parte desde su anlisis matemtico
para comprender el funcionamiento y su dinmica lo mejor posible para tener en claro
cuales sern las variables a controlar.

Para analizar la dinmica del sistema se inici con su simulacin en MatLab para
determinar que las ecuaciones de relacin sean adecuadas, posterior a esto se elabor este
modelo en Aspen Custom Modeler y se comprobaron los resultados con los obtenidos en
Matlab para validar el modelo del sistema.

En este trabajo se presenta tres tcnicas de control, PID, Control inteligente con
redes neuronales y control adaptable. Dentro del PID se presentan dos cdigos distintos uno
sin rangos de operacin y el segundo con lmites en la variable de flujo de entrada a la
chaqueta para apegar los resultados a valores fsicos reales. Dentro del control inteligente se
utiliz el modelo Neural Network Prediction Controller definido en el toolbox de MatLab,
slo que en este caso nicamente pudimos obtener tres seales, la entrada de flujo a la
chaqueta, la salida del tanque controlada y la salida del tanque como referencia, por lo que
no estamos conformes con los resultados y modificaremos los diagramas para tener mayor
acceso a las variables.

Finalmente en el adaptable en nico problema que se nos presento fue la eficacia
del cdigo de estimacin de mnimos cuadrados, dado que nuestra salida de controlada
presenta oscilaciones cuando se presentan perturbaciones, pero todo esto se debe a los
coeficientes calculados dentro de la estimacin, que luego son ingresados al bloque RST
para calcular el control necesario.


Intercambiador de Calor de Tanque Agitado CSTH
1. Descripcin del sistema

Se considera un tanque perfectamente agitado donde el flujo de entrada del mismo
es recibido de otra unidad de proceso. El objetivo es elevar la temperatura del fluido de
entrada hasta un valor deseado, con este fin un fluido caliente es circulado a travs de una
chaqueta alrededor del tanque. Se considera que no existe cambio de fase en el tanque ni en
la chaqueta.

Figura1. Esquema representativo del intercambiador de calor de tanque agitado

1.1 Modelo matemtico del sistema

La transferencia de calor entre el tanque y la chaqueta esta descrita por las
siguientes ecuaciones:

)
(
)
(
()


Buscando tener una mejor comprensin de las ecuaciones a continuacin se presenta
una relacin con la descripcin de las variables y subndices que se encuentran en ellas.

Tabla 1. Descripcin de Variables
Variable Descripcin
A rea para transferencia de calor
Cp Capacidad calorfica
F Flujo volumtrico
Densidad
T Temperatura
t Tiempo
U Coeficiente de transferencia de calor
V Volumen
Subndice Descripcin
i Entrada
ch Chaqueta

1.2 Anlisis en Matlab

Para entender mejor la dinmica del intercambiador de calor se simul en el entorno
MatLab en donde se gener el cdigo dentro de un script mostrada en la tabla 2.

Tabla 3. Solucin numrica del sistema CSTH
x=[125;150];
[t,x1]=ode45('heater',0,20,x);
plot(t,x1(:,1),t,x1(:,2))

Con la finalidad de observar las curvas de respuesta del sistema se deben resolver
las ecuaciones mostradas entro del cdigo de la tabla 2, esto se hace por medio de las
funciones ODE de MatLab y concretamente en este caso se utiliz la funcin ODE45 que
utiliza los mtodos de Runge Kutta de 4 y 5 orden, esto se implementa con las lneas de
cdigo mostradas en la tabla 3.

Tabla 2. Representacin del modelo en MatLab
"Process Dynamics: Modeling, Analysis, and Simulation". B. Wayne Bequette.
Ejemplo de solucin para intercambiador de calor, Modulo 5, pag. 471.

function [xdot] = heater(t,x)

% x(1) = T = temperatura en el tanque
% x(2) = Tj = temperatura en la chaqueta
% delFj = cambio en el flujo de la chaqueta
% F = flujo en el tanque
% Tin = temperatura de entrada al tanque
% Tji = temperatura de entrada en la chaqueta
% V = volumen del tanque
% Vj = volumen de la chaqueta
% rhocp = capacidad de transferencia de calor en el tanque
% rhocpj = capacidad de transferencia de calor en la chaqueta


%Valores en estado estable
F = 1;
Fjs = 2.5;
Ti = 50;
Tji = 200;
V = 10;
Vj = 1;
rhocp = 61.3;
rhocpj= 61.3;
UA = 183.9;
delFj = -0.1;
Fj = Fjs + delFj;
T = x(1);
Tj= x(2);

%ODES
dTdt = (F/V)*(Ti-T)+UA*(Tj-T)/(V*rhocp);
dTjdt = (Fj/Vj)*(Tji-Tj)+UA*(Tj-T)/(V*rhocpj);
xdot=[dTdt;dTjdt];

Las curvas resultantes de la simulacin del modelo se muestran en la figura 2, donde
podemos la respuesta del sistema ante una perturbacin que consiste en aumentar el flujo de
entrada de la chaqueta que rodea al tanque.

Figura 2. Respuesta de CSTH ante una perturbacin.

0 2 4 6 8 10 12 14 16 18 20
120
130
140
150
160
170
180
190
200
210
220
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
Respuesta del sistema

Tem. Tanque
Tem. Chaqueta

2. Modelo en Custom Modeler

Una vez analizada las curvas de respuesta en MatLab y comprobado que el modelo
fue descrito adecuadamente, procedimos a realizarlo en Aspen Custom Modeler con la
finalidad de tener una simulacin con mejor control sobre el proceso.

En la figura 3 se muestra la pantalla de trabajo de Custom Modeler, en ella se
observa el modelo dentro del Flowsheet (2), en (3) podemos ver el explorador de modelos y
la parte donde se despliega el contenido de los modelos, el rea de mensajes de simulacin
en (4), en (1) las barras de herramientas del simulador y en la parte posterior sin nmero se
muestra la barra de estado de la simulacin.

Figura 3. Entorno de Custom Modeler

Para poder simular el modelo del intercambiador es necesario seguir una serie de
pasos, que si bien el orden no es del todo riguroso nuestra experiencia nos indica que este
es el adecuado.

Tabla 4. Procedimiento de diseo de modelos en Custom Modeler
1. Seleccionar en la parte del explorador Custom Modeling
2. Dentro de los opciones desplegadas seleccionar Models
3. Una vez ah debemos seleccionar Add Model.
4. Se le asigna un nombre al modelo que estamos creando en este caso CSTH.
5. En la parte de contenido de Simulacin seleccionamos Add Icon y realizamos un
esquema que nos represente de manera sencilla el sistema que se est generando.
6. Para editar el cdigo que regir el comportamiento del modelo se da doble clic
sobre el esquema representado por 2 barras azules dentro del contenido de
simulacin.
1
2
3
4

7. Cuando se abra el editor se escribe el cdigo requerido para el fin deseado, en este
caso el cdigo es mostrado en la tabla 5.
8. Agregar el o los puertos necesarios para la transmisin de informacin del sistema.
9. Crear las corrientes de alimentacin y salida del sistema de acuerdo a las
necesidades requeridas, siempre relacionadas con un puerto para el intercambio de
informacin.
10. Se compila el cdigo y si no hay errores se simula.

En la tabla siguiente se muestra el cdigo ingresado en el modelo del sistema, se
hizo una analoga con el cdigo realizado en MatLab slo tomando en consideracin las
diferencias, en general estas son en la forma de declarar entradas y salidas.

Tabla 5. Cdigo implementado en Custom Modeler del CSTH
Model CSTH //Modelo de un intercambiador de calor de tanque agitado

//Geometric and physical constants
V as Constant; //Volumen tanque, ft^3
Vj as Constant; //Volumen chaqueta, ft^3
UA as Constant; //Global heat transfer*Cross area, Btu/(Fmin)
roCp as Constant; //Density*Heat Capacity tank, Btu/(F.ft^3)
rojCpj as Constant; //Density*Heat Capacity jacket, Btu/(F.ft^3)

//State variables
T as RealVariable;
Tj as RealVariable;

//Input-Output variables (PUERTOS)
InletT as Input Current;
InletJ as Input Current;
OutletT as Output Current;
OutletJ as Output Current;
Pv as Output Control_Signal;
FJIn as Input Control_Signal;
TTOut as Output Control_Signal;

//Energy Balance
$OutletT.T=InletT.F*(InletT.T-OutletT.T)/V+UA*(OutletJ.T-OutletT.T)/(V*roCp);
$OutletJ.T=InletJ.F*(InletJ.T-OutletJ.T)/Vj-UA*(OutletJ.T-OutletT.T)/(Vj*rojCpj);

// Outputs
OutletT.F=InletT.F;
OutletJ.F=InletJ.F;
TTOut=OutletT.T;
Pv=OutletT.T;

//Values
V:10.0, Fixed;
Vj:1.0, Fixed;
UA:183.9, Fixed;
roCp:61.3, Fixed;
rojCpj:61.3, Fixed;

//Initial Values
OutletT.T:125.0, Initial;
OutletJ.T:150.0, Initial;

End

Las grficas resultantes de la simulacin del cdigo mostrado anteriormente se
muestran a continuacin.

Figura 4. Simulacin en estado estable del CSTH.

En la figura 4 se muestran las respuestas del sistema en su estado estable, con lo
cual comprobamos que el sistema funciona de forma correcta, lo siguiente es fue mover
manualmente el flujo de entrada en la chaqueta, en una primer prueba se aument en 1 y en
otra se disminuy igual en 1, el resultado de estas perturbaciones se muestran en la figura 5.

Figura 5. Incremento y decremento del flujo de entrada en la chaqueta

0 1 2 3 4 5 6 7 8 9 10
40
60
80
100
120
140
160
180
200
Respuesta en estado estable
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)

T. Entrada. Tanque
T. Sal i da Tanque
T. Entrada Chaqueta
T. Sal i da Chaqueta
0 5 10 15 20 25
150
155
160
165
170
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
Temperatura de Salida de la chaqueta
0 5 10 15 20 25
125
130
135
140
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
Temperatura de Salida del tanque
0 5 10 15 20 25
90
100
110
120
130
Temperatura de Salida del tanque
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
0 5 10 15 20 25
110
120
130
140
150
Temperatura de Salida de la chaqueta
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)

2.1 Control PID

Con la finalidad de tener control sobre las variables de inters del sistema se crea un
controlador PID que nos permita cumplir con ese objetivo. El cdigo para obtener este
controlador se muestra en la tabla 6.

Tabla 6. Cdigo de controlador PID
Model controlador
//Modelo de un controlador PID para regular la temperatura del tanque en un
intercambiador de calor de tanque agitado, por medio del flujo de entrada de la
chaqueta

//Constantes
kp as RealParameter(5.454);
ti as RealParameter(1.65);
td as RealParameter(0);
sp as RealParameter(125.0);
OPmax as RealParameter(4);
OPmin as RealParameter(0);

//Variables
err as RealVariable(0);
errint as RealVariable(0);

//Puertos de entrada y salida
PV as Input Control_Signal;
OP as Output Control_Signal;

//Ecuaciones
err=sp-PV;
$errint=err;
IF (ti>0 AND td>0)THEN //Control PID
OP=kp*(err+errint/ti+$errint*td);
ELSEIF (ti>0 AND td<=0) THEN//Control PI
OP=kp*(err+errint/ti);
ELSEIF (ti<=0 AND td>0) THEN//Control PD
OP=kp*(err+$errint*td);
ELSE //Control P
OP=kp*err;
ENDIF

errint:0,initial;

End

Para tener el elemento dentro del diagrama de flujo y poder ingresar el cdigo
mostrado en la parte superior, se siguen los pasos descritos en la tabla 4, slo identificando
que en este caso se trata del bloque de control.

El diagrama esquemtico del sistema con el controlador conectado se muestra en la
figura 6, y sal salidas se muestran en las figuras 7, 8 y 9.



Figura 6. Diagrama esquemtico del Intercambiador de Calor

En la figura anterior podemos observar las conexiones hacia el sistema, desde las
entradas al tanque y la chaqueta y sus correspondientes salidas, y la forma en que se
conecta el bloque de control para regular la temperatura de salida del tanque.

Figura 7. Flujos de salida con control PID

0 5 10 15
-3
-2
-1
0
1
2
3
4
5
Flujos de entrada
Tiempo(seg)
F
l
u
j
o

(
k
m
o
l
/
h
r
)

Chaqueta
Tanque

La figura 7 nos deja ver que el controlador tal y como se encuentra programado, nos
demanda demasiado flujo en la entrada de la chaqueta, pero lo mas relevante es que
tambien demanda flujos negativos, lo cual es fsicamente imposible de conectar, por lo que
se mejora el cdigo por medio de limities o saturaciones en la corriente de alimentacin de
la chaqueta. Estas mejoras se presentan en la tabla 7.

Figura 8. Temperaturas de entrada y salida.

En las figuras 8 y 9 se muestras las respuestas de las entradas-salidas y salidas del
sistema, en la figura 8 podemos apreciar que el sistema funciona adecuadamente aun ante
perturbaciones dado que la temperatura de entrada del tanque es contante en 50C pero es
elevada a 125C con mnimas variaciones en los cambios de flujo de entrada.

En la figura 9, se aprecian solamente las seales de las temperaturas de salida del
tanque y la chaqueta, para tener una mejor visin de las perturbaciones, y es ah donde
podemos ver reflejados los cambios bruscos en el flujo de la entrada de la chaqueta sobre la
salida de temperatura.

Tabla 7. Limites en la entrada del flujo de la chaqueta
IF (ti>0 AND td>0)THEN //Control PID
OP=max(OPmin,min(OPmax,(kp*(err+errint/ti+$errint*td))));
ELSEIF (ti>0 AND td<=0) THEN//Control PI
OP=max(OPmin,min(OPmax,(kp*(err+errint/ti))));
ELSEIF (ti<=0 AND td>0) THEN//Control PD
OP=max(OPmin,min(OPmax,(kp*(err+$errint*td))));
ELSE //Control P
OP=max(OPmin,min(OPmax,(kp*err)));
ENDIF
0 5 10 15
40
60
80
100
120
140
160
180
200
Temperaturas
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)

Sal i da Tanque
Sal i da Chaquete
Entrada Tanque
Entrada Chaqueta


Figura 9. Temperaturas de Salida del CSTH

Figura 10. Salida de flujos con saturacin de 0 a 4 kgmol/hora

En la figura 10 se presentan los flujos de entrada tanto al tanque como a la chaqueta
y podemos comprobar que la seal se ve saturada en los lmites establecidos, con lo cual es
0 5 10 15
120
125
130
135
140
145
150
155
160
165
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
Temperaturas de salida

Tanque
Chaqueta
0 5 10 15
0
0.5
1
1.5
2
2.5
3
3.5
4
Tiempo(seg)
F
l
u
j
o

(
k
m
o
l
/
h
r
)
Flujos de entrada

Chaqueta
Tanque

posible implementarlo fsicamente sin dificultades, y observando a su vez la figura 11
comprobamos que a pesar de los lmites el controlador realiza adecuadamente la regulacin
de la temperatura, ya que la variacin es mnima.

Figura 11. Temperaturas de salida con saturacin

3. Control Inteligente

El control inteligente es una generalizacin del concepto de control y se puede ver
como un campo dentro del control automtico. Esta tcnica de control es donde los
mtodos de control se desarrollan para emular algunas caractersticas importantes del ser
humano. Estas caractersticas incluyen adaptacin, aprendizaje, planeacin bajo
incertidumbre y trabajo con grandes cantidades de datos.

Las metodologas de control inteligente se estn aplicando a la robtica, las
comunicaciones, manufactura, control de trfico, control de proceso por mencionar algunas.
Las reas donde se est realizando trabajo alrededor del control inteligente son: redes
neuronales, control difuso, algoritmos genticos, sistemas de planeacin, sistemas expertos
y sistemas hbridos (con la combinacin de ms de un de los mtodos anteriores).

Un sistema de control inteligente debe ser autnomo, esto significa que tiene el
poder de autogobernarse. Existen varios grados de autonoma, en general un controlador
totalmente autnomo debera tener la habilidad de aun reparar su hardware si uno de sus
componentes falla.
0 5 10 15
125
130
135
140
145
150
155
160
165
Temperaturas de salida
Tiempo(seg)
T
e
m
p
e
r
a
t
u
r
a

(
C
)

Tanque
Chaqueta

3.1 Esquema de control utilizado

Para la aplicacin de un control inteligente al intercambiador de calos de tanque
agitado que se est tratando en este documento se utiliz el modelo NN Predictive Control
(NNPC) contenido en la Neural Network Toolbox y se presenta una breve descripcin de
este bloque a continuacin.

El controlado predictivo implementado utiliza un modelo de red neuronal basado en
el modelo de la planta para predecir el rendimiento futuro de la planta. El controlador
calcula la entrada que optimizara el rendimiento de planta en un periodo de tiempo
definido. El primer paso del control predictivo es determinar la red neuronal del modelo de
la planta (sistema de identificacin), y posteriormente este modelo de la planta es utilizado
para predecir el comportamiento futuro.

3.1.1 Identificacin del sistema

La primera etapa del control predictivo es la formacin de una red neuronal para
representar la dinmica hacia delante de la planta. El error entre la salida de la planta y la
salida de la red neuronal se utiliza seal para formar la red neuronal.

Figura 12. Esquema de identificacin del NNPC

El modelo de red neuronal utiliza las entradas anteriores y las salidas enteriores de
la planta para para predecir las salidas futuras de la planta. La estructura del la red neruonal
se presenta en la figura 13.

La red puede ser entrenada en lena utilizando el metodo batch, utilizando los datos
obtenidos de la salida de la planta, pueden utilizarse cualquiera de los algoritmos
precargados de el toolbox.

PLANTA

MODELO DE RED
NEURONAL
ALGORITMO
DE
APRENDIZAJE


Figura 13. Esquema de la red neuronal utilizada
3.1.2 Control Predictivo

El mtodo utilizado para determinar el modelo de control predictivo se basa en la
tcnica por modos deslizantes propuesto en [SoHa96]. El modelo de la red neuronal predice
la respuesta de la planta en un tiempo especificado. Las predicciones son utilizadas en un
programa de optimizacin numrica para determinar la seal de control que minimiza el
criterio de desempeo J, mostrado a continuacin.

(
( )
( ))
(( ) ( ))

Donde N
1
, N
2
y N
u
definen el intervalo sobre el cual se evalua el error de
seguimiento y se controlan los incrementos. La variable u es la seal de control
provisional, y
r
es la respuesta deseada y y
m
es la respuesta de la red neuronal. La variable
determina la contribucin de la suma de los cuadrados de los incrementos tienen sobre el
indice de desempeo.

En el siguiente diagrama de bloques se presenta el esquema del proceso de control
predictivo general del bloque NNPC. El controldaor consiste en el modelo en red neuronal
de la planta y el bloque de optimizacin. El bloque de optimizacin calcula los valores de
u que minimizan J y luego calcula la u optima de entrada a la planta.

Figura 14. Esquema de control del mdulo NNCP

Entradas Capa 1 Capa 2
Controlador
Optimizacin
Red
Neuronal
Planta

3.2 Simulacin
3.2.1 Diagrama a bloques de la planta

Para iniciar la simulacin del bloque de Neural Network Predictive Control
debemos generar el diagrama a bloques que represente las ecuaciones de transferencia de
calor entre el tanque y la chaqueta, el diagrama generado se muestra en la figura 15.

Figura 15. Modelo a bloques de las ecuaciones del sistema

Este modelo puede fue simulado y se comprob que la respuesta obtenida de l,
coincide con las obtenidas del programa mostrado en la seccin 1.2 del documento.

3.2.2 Configuracin del bloque NNPC

Una vez comprobado el diagrama de la planta se elabora el diagrama a bloques
que nos permita controlar por medio de redes neuronales la temperatura de salida del
tanque, este diagrama se muestra en la figura 16, donde se aprecian el bloque de datos de
T dT
Tj
dTj
1
T
61.3
roj Cpj
61.3
roCp
1
Vj (1)
1
Vj
10
V(1)
10
V
183.9
UA(1)
183.9
UA
200
Tj i
50
Ti
Termi nator
Product5
Product4
Product3
Product2
Product1
Product
1
s
Integrator1
1
s
Integrator
1
F
Di vi de3
Di vi de2
Di vi de1
Di vi de
1
Fj

referencia, el NN Predictive Controller, la Planta (representada por un sub-bloque) y los
visualizadores necesarios para comprobar los datos de las seales.

Figura 16. Esquema de control inteligente

Dando doble clic sobre el bloque de NN Predictive Controller aparacen las ventanas
de configuracin para inicialmente entrenar la red y despus a comprobar el resultado de la
simulacin.

Figura 17. Ventana principal del bloque NNPC

En la ventana anterior el manual del mdulo dice que la dejemos tal y como se
encuentran los parmetros y solo debemos hacer clic sobre el botos de Plan Identification,
para poder ingresar los datos con los cuales entrenaremos a la red neuronal y de esta forma
calcular la seal de control adecuada al sistema.

En la figura siguiente se muestra la ventana donde se configuran los datos de entra
y salida de la planta, as como las muestras de entrenamiento y el nmero de pocas de
entrenamiento y los lmites de entrada de la planta, adems de ingresar el archivo donde se
encuentra la planta que se va a identificar. En la figura se muestran los datos de
Scope5
Scope4
Scope3
Scope2
Scope1
Scope
Pl ant
Output
Reference
Control
Si gnal
Opti m.
NN
Model
NN Predi cti ve Control l er1
Fj T
Intercambi ador1
Fj T
Intercambi ador
tankfi n.mat
From Fi l e
2.4
Constant
Temperatura Tanque

configuracin que fueron utilizados, y en la figura 19 se muestran los datos de entrada y
salida de la planta para que sean utilizados por el estimador para generar la red neuronal.

Figura 18. Ventana de Identificacin de la Planta

Figura 19. Datos de entrada y salida de la planta


Si los datos que le proporcionamos a la red son correctos, esto lo comprobamos en
la figura anterior, procedemos a aceptar lo datos y a entrenar la red presionando el botn
Train Network en la ventana de identificacin de la planta. Despus de que el bloque se
entrena nos arroja como resultado la siguiente grfica donde podemos apreciar la entrada y
salida de la planta, as como la salida de la red neuronal y el error entre ambas salidas.

Figura 20. Resultados del entrenamiento de la Red Neuronal

Estando de acuerdo con los resultados del entrenamiento, presionamos el botn OK
en la ventana de Identificacin de la Planta y luego OK en el ventana principal del bloque
NNPC con lo cual regresaremos a la pantalla de Simulink en donde debemos iniciar la
simulacin del modelo para comprobar los resultados.

Las grficas con los resultados obtenidos se muestran en las figuras 21 y 22, en la
figura 21 se presentan las seales por separada por que prcticamente son idnticos y se
transponen uno y otro. En la figura 22 se muestra la entrada de flujo de la chaqueta que no
indica en que momento solicita el ajuste de alimentacin el sistema.

0 20 40 60
1
1.5
2
2.5
3
Input
0 20 40 60
130
140
150
160
Plant Output
0 20 40 60
-40
-20
0
20
NN Output
time (s)
0 20 40 60
130
140
150
160
Error
time (s)


Figura 21. Salidas del sistema, referencia y salida controlada

Figura 22. Flujo de entrada a la chaqueta requerido para controlar

0 2 4 6 8 10 12 14 16 18 20
125
130
135
140
Seal de referencia
Tiempo(min)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
0 2 4 6 8 10 12 14 16 18 20
125
130
135
140
Salida de la planta controlada
Tiempo(min)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
0 2 4 6 8 10 12 14 16 18 20
2
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
3.8
4
Tiempo(min)
F
l
u
j
o

(
k
m
o
l
/
h
r
)
Flujo de entrada a la chaqueta

4. Control Adaptable

El control adaptable es una solucin al problema de las incertidumbres y las
variaciones en los parmetros de plantas que se encuentran en el mundo real. Consiste en
una estimacin de parmetros en lnea de la planta, seguida del uso de dichos parmetros
estimados en el clculo de un controlador que puede modificarse en lnea. Se basa en tres
polinomios R, S y T', los cuales forman dos controladores: uno en retroalimentacin y
uno en pre alimentacin otorgando al diseador dos grados de libertad para el sistema final.

4.1 Diseo del controlador

La funcin de transferencia que relaciona el flujo de la chaqueta con la temperatura
de salida del tanque es:

2
15
( )
4.9 0.9
=
+ +
s
s s
g

Donde:

- 0.9487 e =
, frecuencia natural

- 2.5825 , = , factor de amortiguamiento

Con base en esos datos, se determina que el factor de amortiguamiento es un valor
muy elevado, entonces puede utilizarse un controlador RST que optimice la velocidad a la
cual la temperatura del tanque responde a los cambios en una referencia variando el flujo de
entrada de la chaqueta. Considerando que se va a implementar un control adaptable, el
algoritmo debe de ser diseado de forma que pueda ser ajustado para comportarse como la
funcin de transferencia deseada, sin importar cuales sean los parmetros de la planta,
cuyos valores sern proporcionados por un identificador de mnimos cuadrados que estar
muestreando a intervalos fijos determinados al estudiar el modelo.

Puede disearse un controlador RST de forma general tomando como base que el
identificador de mnimos cuadrados entregar una funcin de transferencia discreta con la
forma:

0 1
2
1 2
( )
+
=
+ +
b q b
G q
q a q a

Donde
0
b ,
1
b ,
1
a y
2
a son los parmetros estimados y elaborando por
compatibilidad, los grados de dichos coeficientes:



0
0
'
deg deg 2
deg deg 1
deg deg deg 1 0
se t
=
=
oma 1
+
=
=
= =
=
=
m
m
m m
A A
B B
A A B
a
B B B

Los parmetros del controlador estarn dados por la ecuacin diofantina
0
'
m
AR B S A A
+ =
y se opta por cancelar todos los ceros, tal que
B
se factoriza como:

1
0
0
+
+
=
= +
=
B B B
b
B z
b
B b

Adems:

0 0
2 2
2
2
0 1 2
2
0
2
1.819 0.8272
4.9 0.9
15
,e e
= +
= + +
= +
= + +
= + +
=
=
m n n
A q a
A q q
q q
A a s a s a
s s
B b


1
1
0
'
+
+
=
' =
+
=
+
R R B
R
R
B
z r
b
z
b

Se puede determinar de forma directa que cuando 1 ' = R
1
1
0
=
b
r
b
, entonces la
ecuacin diofantina queda como sigue:

2 2
1 2 0 0 1 1 2
2 2
1 2 0 0 0 1 1 2
( )1 ( ) + + + + = + +
+ + + + = +
m m
m m
z a z a b s z s z a z a
z a z a b s z b s z a z a

Agrupando elementos comunes para despejar las soluciones:

1 1
0
0
2 2
1
0
=
m
m
a a
s
b
a a
s
b

Para calcular el polinomio T , se tiene
0
' =
m
T A B , donde:

0
1
'
=
=
m
m
A
B
B
B

Realizando el producto se generan los valores de los coeficientes de T .

0 1
0
0
0
1
0
= +
=
=
m
T t z t
b
t
b
t


4.2 Recursividad

Para tener una implementacin adaptable es necesario que un algoritmo de mnimos
cuadrados recursivos identifique el sistema a una frecuencia de muestreo constante, la cual
debe ser congruente con la velocidad propia del sistema controlado. De la funcin de
transferencia se obtiene el tiempo de establecimiento con el criterio del 5%, el cual est
definido como
3
1.2245
,e
= =
s
t . Con base en esto se elige un tiempo de muestreo de
0.1 =
s
t para tener 10 instantes de muestreo en un tiempo de asentamiento. Obteniendo este
dato, se calcula una funcin de transferencia deseada a la frecuencia de muestreo elegida.
Se propone modificar el factor de amortiguamiento a 1 y dejar la frecuencia natural no
amortiguada sin modificar.

2
2 2
2
e
,e e
=
+ +
m
G
s s

Se discretiza la funcin de transferencia deseada para obtener el comportamiento de
los polos, adems se considera tener una ganancia unitaria para el seguimiento de la
referencia:

2
0.0082
1.819 0.8272
=
+
m
m
B z
A z z

Donde los parmetros se nombran como sigue:

0
1
1
2
0.0082
0.0
1.819
0.8272
=
=
=
=
m
m
m
m
b
b
a
a

Con estos datos obtenidos, se genera el controlador a partir de los parmetros
estimados y los datos de la funcin de transferencia deseada; se construye una funcin
dentro de un diagrama de Simulink que actualiza el controlador cada instante de muestreo.
Se incluye un factor de olvido de 0.99 = y una seal excitante sumada a la referencia
para facilitar la identificacin.


Si stema no l i neal control ado
tempout
ref
To Workspace3
sal i dal i neal
To Workspace2
Tj
y
u
uc1
u_1
u_2
y 1
y _1
y _2
uc
uc_1
Subsystem
Signal 1
Si gnal Bui l der
Scope2
Scope1
Saturati on1
Referenci a2
Rate Transi ti on4
Rate Transi ti on3
Rate Transi ti on2
Rate Transi ti on1
Rate Transi ti on
u_1
u_2
y
y _1
y _2
uc
uc_1
P_1
theta_est_1
u
P
theta_est
y _est
fcn
MATLAB Functi on
F
Ti
Fj
Tji
T
Tj
Intercambi ador2
-1
Z
Integer Del ay1
-1
Z
Integer Del ay
prbs
From
Workspace
Fj 1
Fj
Fi ntank
50
Constant4
200
Constant1
4.3 Resultados de simulacin.

El siguiente diagrama de Simulink fu implementado para realizar las simulaciones
mostradas a continuacin:

Figura 23. Diagrama de Simulink implementado.


Se puede observar cmo se tiene en un solo bloque el sistema no lineal, al cual se le
estiman parmetros con el recurso de mnimos cuadrados con factor de olvido (Anexo A).
Es de inters, observar el comportamiento del modelo no lineal, frente a las entradas
establecidas, las cuales identificamos como:

Entradas Salidas
F Flujo de entrada del tanque (Fig.24)

i
T Temperatura de entrada del tanque
j
F Flujo de entrada de la chaqueta (Fig 25)
j
T i Temperatura de entrada de la chaqueta
T Temperatura de salida del tanque
(Fig. 26)
j
T Temperatura de salida de la chaqueta
(Fig. 27)

Se estableci un flujo de entrada variable, generando una seal cuadrada, con valor
inicial en 50min de 1.5 kg/mol y en 100min de 0.5kg/mol. Este procedimiento se realiz
con la finalidad de generar slo una perturbacin en la entrada.

Figura 24. Seal de perturbacin en la entrada de alimentacin del tanque

En el caso de la entrada de flujo de la chaqueta, se tiene que el modelo lineal no es
completamente controlado, por lo cual se decidi limitar esta entrada en particular,
considerando que el flujo de la chaqueta no sea negativo ni mayor de 4kg/mol, lo cual es
correspondiente a una vlvula de control estndar.

1 2 3 4 5 6 7 8 9 10
x 10
4
0.4
0.6
0.8
1
1.2
1.4
1.6
Tiempo (min)
F
i

(
k
g
/
m
o
l
)
Flujo de entrada del tanque


Figura 25. Seal del flujo de entrada de la chaqueta

Con estas entradas variables y las temperaturas constantes, se realiz el algoritmo de
estimacin de los parmetros, sintonizacin del controlador e implementacin del mismo,
de donde se obtuvieron las siguientes respuestas.

Figura 26. Seal de salida de la temperatura de salida de la chaqueta
1 2 3 4 5 6 7 8 9
x 10
4
0
0.5
1
1.5
2
2.5
3
3.5
4
Tiempo (min)
F
j
i

(
k
g
/
m
o
l
)
Flujo de entrada de la chaqueta
1 2 3 4 5 6 7 8 9
x 10
4
120
125
130
135
140
145
150
155
160
165
Tiempo (min)
T
j

(
C
)
Temperatura de salida de la chaqueta


Figura 27. Seal de salida de la Temperatura del tanque con control adaptable.

Se puede observar que el controlador responde de manera ptima frente a cambios
en las entradas, ya que en la entrada del flujo de la chaqueta se tiene un cambio entre 50-
100min, de 0.5 kg/mol, a lo cual el controlador

1 2 3 4 5 6 7 8 9
x 10
4
118
120
122
124
126
128
130
132
134
136
138
Tiempo (min)
T
e
m
p
e
r
a
t
u
r
a

(
C
)
Salida controlada comparada con la referencia

Referenci a
T
o
Tanque

Conclusiones

En esta ocasin las conclusiones sern breves con la finalidad de sealar los puntos
importantes a comentar.

1. El control PID es suficiente para controlar a esta planta, porque a pesar de que este
control est diseado para sistemas lineales por el tiempo de la dinmica de la
planta es posible su adaptacin.
2. En cuanto al control Inteligente el trabajo quedo bastante corto en el alcance de esta
tcnica de control, por lo que se propone seguir trabajando a futuro en esta parte del
trabajo, sobre todo porque al utilizar modelos predefinidos por el software no se
tiene acceso a ciertas variables que se requieren analizar y comparar.
3. En el control adaptable lo que se identifico es que dependiendo del tipo de
algoritmo para identificacin de parmetros que se utilice ser mejor o peor la
resolucin de las respuestas de control.
4. En general se concluye segn lo observado durante la elaboracin del presente
reporte que con un controlador PID se tienen respuestas adecuadas, por lo que no
requerirn de mayor demanda de recursos materiales, humanos e infraestructura
para su implementacin.


Referencias

[1] Neural Networks Toolbox. Matlab R2011a. Reference
[2] PID Controllers: Theory, Desing and Tuning. Karl J. strm and Tore Hgglund.
[3] Process Dynamics: Modeling, Analysis and Simulation. B. Wayne Bequette.
[4] Adaptive Control. Karl Johan strom & Bjrn Wittenmark


Anexo A

Cdigo de Mnimos Cuadrados Recursivo con Factor de Olvido

function [u,P,theta_est,y_est] = fcn(u_1, u_2, y, y_1, y_2, uc, uc_1, P_1,
theta_est_1)

% Armando Phi'
phit = [u_1 u_2 -y_1 -y_2];

%% Estimacin con mnimos cuadrados recursivos (RLS)
phi = phit';
I = 1;

% Sin factor de olvido
lambda = 0.99;

% RLS
K = P_1*phi/(lambda*I + phit*P_1*phi);
P = (P_1 - K*phit*P_1) / lambda;
theta_est = theta_est_1 + K*(y-phit*theta_est_1);

% Clculo del controlador SRT
%%-----------------------------------------------------------
a1 = theta_est(3,1);
a2 = theta_est(4,1);
b0 = theta_est(1,1);
b1 = theta_est(2,1);

% Parmetros deseados en lazo cerrado para tiempo de muestreo = 3
bm0 = 0.0082;
am1 = -1.819;
am2 = 0.8272;

% Clculo de polinomios
r1 = b1/b0;
s0 = (am1-a1) / b0;
s1 = (am2-a2) / b0;

% Bm = (B^-)(Bm')
t0 = bm0/b0;
t1 = 0;
y_est = phit*theta_est;
u = t0*uc + t1*uc_1 - s0*y - s1*y_1 - r1*u_1;

Reporte CSTH Hector-Jarniel

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Reporte CSTH Hector-Jarniel

Uploaded by

Copyright:

Available Formats

Centro Nacional de Investigacin y

You might also like