1.- Introducción a Los Sistemas de Control Avanzados (1)

Área de Ingeniería de Sistemas y Automática (ISA)

Técnicas Avanzadas Avanzadas de Simulación y Control de Procesos Industriales

Introducción a los Sistemas de Control Avanzados Profesores: Luis García ([email protected]) José Lorenzo ([email protected]) Curso 2016/17

1

Area de Ingeniería de Sistemas y Automática Automática

¿Qué es el control avanzado? • Criter Criterios ios para defini definirr el control control avanza avanzado: do: IFAC, IEEE o ISA lo definen por contraposición al control convencional. • Control convencional convencional,, todo aquello que sea habitual en la industria: – Lazos de control con estructuras simples tipo feedback o feedforward. – Uso de PLC PLC y PID industrial. industrial.

• Control avanzado avanzado,, todo lo que no sea control convencional: – Estructuras más complejas que un feedback o un feedforward simple. Muchas de estas estructuras de control se emplean habitualmente en la industria, por lo que distinguiremos dos casos: – Co Cont ntrol rol avan avanza zado do indus industri trial al,, entr entree los los que pod podrí ríam amos os añad añadir ir el cont control rol en cascada, el control override, control selectivo, etc. – Técnicas Técnicas de control empleadas empleadas en el ámbito de la investigación investigación científica científica y el I+D+i. Ofrecen un tipo de control más sofisticado pero todavía no se han asentado en la industria.

IFAC IFAC (International Federation of Automatic Control) IEEE (Institute of Electrical Electrical and Electronics Engineer) Engineer) ISA (International Standard of Automation)

2


Exigencia en un sistema de control automático • Etapas y niveles de exigencia – – – – – – – – –

Modelado matemático y simulación del del sistema. Datos experimentales experimentales y conocimiento a priori. Ajuste de parámetros parámetros y ecuaciones ecuaciones del modelo modelo teórico. Uso de técnicas de identificación identificación de sistemas para obtener obtener modelo un experimental. Especificaciones de diseño y condiciones de operación. Elección de la estructura y tipo de controlador. controlador. Diseño y análisis del controlador. controlador. Ajuste fino del controlador. controlador. Análisis y evaluación del sistema de control.

• Exigencias superiores – – – –

Adaptación del del controlador controlador a condiciones condiciones cambiantes. cambiantes. Sistema de supervisión del del control adaptativo. Sistema con detección de fallos incipientes y control control tolerante a fallos. fallos. Sistema de control experto. 3


Niveles en control de procesos • Control básico (feedback)

• Control tolerante a fallos

4

Area de Ingeniería de Sistemas y Automática

Técnicas de control para procesos industriales • Control convencional – Controlador PID (más del 90% de los controladores instalados en la industria). – Estructuras “avanzadas” de control de procesos industriales: Control en cascada, de relación, selectivo, override, de rango partido e inferencial.

• Control avanzado – Control Óptimo y Robusto (LQR, LQG, LQG/LTR, H2, H , QFT, IMC, otros). – Control Predictivo (GPC, DMC, otros). – Control no lineal (linealización por realimentación, backstepping, modo deslizante, control basado en pasividad, L2 no lineal, otros). – Control borroso (fuzzy control). – Control neuronal y borroso (neuro-fuzzy). ∞

• Niveles de control superiores a los métodos anteriores – Control adaptativo. – Control tolerante a fallos. Control experto.

5


Control por realimentación (feedback, FB) • Forma más básica de control, 90% de los sistemas que podemos encontrarnos habitualmente en la industria, generalmente con controladores tipo PID.

PV Process Variable, (también CV Controlled Variable) SP setpoint CO Controller Output MV Manipuled Variable D Disturbance

6


Control por realimentación (FB) • Control de la temperatura de salida de una corriente de agua: – La Variable del Proceso (PV) es la temperatura de salida del agua por la tubería. El controlador (TC) recibe las lecturas del sensor de temperatura (TT), las compara con el punto de consigna (SP) y realiza una acción sobre la electroválvula que regula el paso de gas butano hacia una cámara de combustión.

TT Temp Transmisor TC Temp Controller

7


Control por realimentación (FB) • Ventajas: – No es necesario tener conocimiento a priori de la dinámica del proceso – Se produce acción correctora ante cualquier perturbación que afecte a la variable controlada. – El control PID es un sistema muy robusto. Para que aparezcan inestabilidades han de producirse cambios importantes en la dinámica del proceso.

• Desventajas: – Sólo se produce corrección cuando la variable controlada se ha desviado de su punto de consigna. Por tanto, es imposible evitar el error inicial en la variable controlada. – El controlador no puede adelantarse a las perturbaciones aunque éstas puedan ser conocidas y medidas. – El comportamiento no suele ser aceptable en procesos con grandes retardos puros. – Los sistemas que solo utilizan el control feedback son lentos y deficientes para compensar perturbaciones no previstas o ruido. – Para suplir esta deficiencia surgen los controladores feedforward.

8


Control en adelanto (Feedforward, FF) • Un control feedforward consiste en monitorizar las perturbaciones que sean medibles y que afecten al sistema a controlar. • Realiza la acción correctora antes de que las perturbaciones afecten a la variable del proceso. • Se trata de un control en lazo abierto, lo que facilita una respuesta rápida ante perturbaciones. • Al ser en lazo abierto, debe conocerse con cierta precisión la dinámica del proceso en relación a las perturbaciones que estemos corrigiendo.

9


Control en adelanto (FF) • Control de la temperatura de salida de una corriente de agua: – Para dotarlo de un control FF se agrega la medida de la temperatura de entrada del agua. – Se regula la abertura de la válvula de paso del butano antes de que el cambio de temperatura de entrada afecte a la salida.

10


Control en adelanto (FF) • Intercambiador de calor: – La temperatura de salida es la variable controlada – El caudal de producto y su temperatura de entrada son variables de perturbación – El caudal de vapor es la variable manipulada. – F(t) representa la compensación dinámica.

11


Control Feedback/Feedforward (FB/FF) • Para corregir las desviaciones que pueda producir el control FF se suele emplear conjuntamente con controladores FB: – Respuesta rápida ante perturbaciones por la acción del control FF. – Estabilidad entorno al punto de operación por el control FB.

12


Control Feedback/Feedforward (FB/FF) • Intercambiador de calor: – Se ha incluido un controlador de temperatura en la línea de salida. – Este controlador mantendrá la temperatura en el valor de referencia, corrigiendo los desequilibrios producidos por las perturbaciones no medidas y los errores de modelado.

13



• Control avanzado – Control Óptimo y Robusto (LQR, LQG, LQG/LTR, H2, H , QFT, IMC, otros). – Control Predictivo (GPC, DMC, otros). – Control no lineal (linealización por realimentación, backstepping, modo deslizante, control basado en pasividad, L2 no lineal, otros). – Control borroso (fuzzy control). – Control neuronal y borroso (neuro-fuzzy). ∞


14


Control en cascada • •

El control en cascada consiste en dos (o más) lazos de control anidados. El lazo externo (outer loop) contiene el controlador maestro: – Recibe la medida de la variable del proceso (PV) – Genera el setpoint (SP) para el lazo interno. – Debe tener dinámica más lenta que el lazo interno.

•

El lazo interno (inner loop) contiene al controlador esclavo: – Controla una subvariable del proceso que afecte a la PV principal. – Debe tener dinámica más rápida que el lazo externo.

•

Muy efectivo cuando una planta/proceso puede ser segmentado en una serie de subprocesos bien definidos.

15


Control en cascada • Control de nivel de fondo de un depósito: Un lazo de control El controlador LC actúa sobre la válvula regulando el flujo LC Level Controller FI Flow Indicator PI Pressure Indicator

El controlador maestro LC genera SP de flujo para el lazo interno (esclavo) que actúa sobre la válvula regulando el flujo

Dos lazos en cascada

16


Control en cascada

• Si la perturbación ocurre en el lazo de control interior (caudal), el controlador esclavo inicia la acción correctiva antes que se traslade al lazo de control exterior (nivel). • Si la perturbación ocurre en el lazo exterior (nivel), el comportamiento de la cascada hace que se modifique el punto de consigna del lazo interior. En este caso el conjunto se comporta prácticamente como si fuera un solo lazo de control FB. 17


Control de Relación ( Ratio Control) • El Control de relación se utiliza cuando queremos mantener una proporción dada entre dos variables. • También es un tipo de control con jerarquía Maestro-Esclavo, pero en este caso entre las variables de los procesos. Ejemplos de relacion:

Quemador de aire / combustible Mezcla de dos líquidos Calor aplicado / Flujo de material

• • •

18


Control Selectivo • Se cuenta con un conjunto de sensores para realizar la medida de la variable del proceso (PV) por razones de seguridad, eficacia, … • Un elemento selector, según algún criterio decide el sensor que proporciona la medida al lazo de control.

19


Control Selectivo • Medición de la temperatura de un fluido a través de una tubería en distintos puntos : – Control de los valores límites a lo largo de una tubería. – Detección de fallos en sensores.

20


Control Override • Varios controladores pueden conectarse selectivamente al mismo actuador. • Según algún criterio se dará prioridad a uno de los controladores. • Ejemplo: Control override en estación de bombeo: – Dos variables controladas y una sola manipulada – Las PVs son las presiones de aspiración e impulsión, la MV es la válvula situada en la línea de impulsión. – En condiciones normales debe ser controlada la presión de impulsión. – Se limitará este control si la presión de aspiración disminuye de un cierto valor, en cuyo caso pasará a ser la variable controlada.

21


Control Override • Control del flujo constante en una conducción W F, con el requisito de mantener el nivel mínimo en el depósito, W L.

22


Control de Rango partido • Con el mismo objetivo de control (mismo controlador y sensores) se quieren usar distintos actuadores. • La elección del actuador dependerá del punto de operación seleccionado.

23


Control Inferencial • En ocasiones es complicado conocer el valor de una variable del proceso que no podemos medir directamente de forma continuada o resulta muy costosa su medición. • En su lugar se utilizan otras variables que representen a la variable principal o mediante las cuales pueda estimarse (inferirse).

24


Control Inferencial • Cálculo del flujo másico de un gas considerado ideal, a través de la medición del flujo volumétrico, temperatura y presión de dicho fluido.

25



• Control avanzado – Control Óptimo y Robusto (LQR, LQG, LQG/LTR, H2, H ∞, QFT, IMC, otros). – Control Predictivo (GPC, DMC, otros). – Control no lineal (linealización por realimentación, backstepping, modo deslizante, control basado en pasividad, L2 no lineal, otros). – Control borroso (fuzzy control). – Control neuronal y borroso (neuro-fuzzy).


26


Control Optimo • Existen muchos tipos de control óptimo, entre los más conocidos tenemos el control LQR ( Linear Quadratic Regulator ) , el LQG (Controlador LQR con filtro de Kalman) y el conocido como H 2. • Estos métodos buscan una solución al problema optimizando alguna característica de la respuesta (optimización multiobjetivo). • El método LQR lo que busca es minimizar una función denominada “Función de coste” que combina varios parámetros de la respuesta para buscar el equilibrio óptimo de estos:

• donde  y  son los parámetros de diseño (matrices de ponderación) • z(t) = M· x(t) es una combinación lineal del vector de estado. 27


Control Optimo • Basados en una estructura de realimentación del estado (o su estima):

28


Control robusto •

Ejemplos de control robusto serían el IMC ( Integral Modal Control), QFT (Quantitative Feedback Theory) o el H . ∞

•

EL objetivo del control robusto es que el sistema siga funcionando en base a las especificaciones de diseño, a pesar de la posible aparición de condiciones adversas tales como ruido, perturbaciones o incertidumbres sobre las características del sistema a controlar (errores de modelado).

•

Estudiaremos el control IMC, que se basa en la utilización de un controlador integral para controlar un sistema MIMO.

29


Control predictivo •

Algunas técnicas de control predictivo son el GPC (General Predictive Controller ) y el MBPC ( Model Based Pedictive Control). Técnicas muy usadas en la industria química. • El control predictivo tiene como objetivo resolver de forma efectiva problemas de control de procesos industriales que se caractericen por presentar un comportamiento dinámico complicado, multivariable, y/o inestable. • La estrategia de control se basa en usar el modelo matemático del proceso a controlar para predecir el comportamiento futuro de dicho sistema, y en base a este comportamiento futuro predecir la señal de control futura.

30


Control no lineal • • •

Algunas técnicas de control no lineal son el SMC (Sliding Mode Control), el PBC (Pasive-Based Control) o el denominado Back-Stepping. Estos métodos utilizan algoritmos de control en los que no es necesario obtener el modelo lineal del sistema. Se basan en el análisis de la estabilidad del sistema (criterio de estabilidad de Liapunov).

Sliding Mode Control

31


Lógica borrosa (Fuzzy) •

La lógica borrosa o lógica difusa, lo que pretende es hacer una descripción similar a la que haría un ser humano del comportamiento de una magnitud física como la temperatura, el tamaño de un objeto o la velocidad de un móvil. • Cuando una persona opina sobre la temperatura de un objeto se expresa con proposiciones vagas como “algo caliente”, “muy frio”, “templado”, … • La lógica borrosa persigue implementar estos razonamientos vagos (inteligencia artificial).

32


Lógica borrosa (Fuzzy)

33


Control neuronal • •

Se pretende simular el método de aprendizaje de los seres humanos. El objetivo es crear una “red neuronal” tal que el sistema sea capaz de aprender pautas de comportamiento en base a la experiencia adquirida (aprendizaje automático).

•

Neuro-fuzzy pretende aunar los métodos de las dos técnicas para crear el modelo definitivo de inteligencia artificial. 34


Control de sistemas caóticos • •

Su objetivo es controlar sistemas caóticos como es el caso de los Atractores extraños (Atractor de Lorenz). Un sistema caótico se caracteriza por tener una respuesta hipersensible a las condiciones iniciales, produciéndose grandes variaciones en la respuesta ante mínimas variaciones de las condiciones iniciales: – Se puede aprovechar esa sensibilidad para conseguir grandes variaciones en las variables controladas con esfuerzos mínimos de control. – Otro posible objetivo de control es conseguir un comportamiento más lineal de un sistema con oscilaciones caóticas.

35



• Control avanzado – Control Óptimo y Robusto (LQR, LQG, LQG/LTR, H2, H ∞, QFT, IMC, otros). – Control Predictivo (GPC, DMC, otros). – Control no lineal (linealización por realimentación, backstepping, modo deslizante, control basado en pasividad, L2 no lineal, otros). – Control borroso (fuzzy control). – Control neuronal y borroso (neuro-fuzzy).


36


Control adaptativo • Se adapta a las características cambiantes de la planta a controlar. • Algunos métodos son: STR (Self-Tunning Regulator ), MRAC ( Model Reference Adaptative Controller ) y el GS (Gain Scheduling).

37


Control adaptativo – Gain Scheduling: modifica la ganancia del controlador según el punto de operación de la planta o proceso (altitud y velocidad de una aeronave, rangos de temperatura de un intercambiador, …

38


Control adaptativo – Self-Tuning Regulator : identificación en línea del modelo de la planta para modificar la ganancia del controlador.

39


Control tolerante a fallos • El control tolerante a fallos: – Sistema con capacidad de detección y aislamiento de fallos incipientes (Fault Detection & Isolation, FDI). – Redundancia de sensores y actuadores que permita su reconfiguración ante un fallo.

40


Control tolerante a fallos • Clasificación de los algoritmos de diagnóstico:

41


Control experto • •

Un sistema experto intenta sustituir a un operario experto. SCADA (Supervisory Control And Data Adquisition)

Estación Depuradora Aguas Residuales

42

1.- Introducción a Los Sistemas de Control Avanzados (1)

Recommend Documents