Universidad Andrés Bello Facultad de Ingeniería Ingeniería en Automatización y Robótica CONTROL AVANZADO TEMA: CONTROL PREDICTIVO: DEFINICIÓN Y ESTRUCTURA DEL CONTROL PREDICTIVO BASADO EN MODELO PARTE I
Profesor: Dr. John Kern M. 21/09/2015
Santiago - 2015
1
1.-Temario
• 1.- Temario • 2.- Introducción • 3.- Objetivo General
– 3.1.- Objetivos Específicos
• 4.- Importancia del Tema • 5.- Alcances • 6.- Estado del Arte – – – –
6.1 Introducción de los Controladores Predictivos 6.2 Perspectiva Histórica 6.3 Problema y Evolución de los Sistemas de Control 6.4 Tendencias Actuales de los Controladores Predictivos en la Industria
• 7.- Referencias 21/09/2015
2
2.- Introducción • El estado actual y futuras tendencias en el campo del control de procesos industriales indican que la elección de los controladores se puede considerar como un factor importante para el desarrollo y la eficiencia de los procesos, la misma que está relacionado directamente con el costo final del producto. • El avance tecnológico obliga a las empresas a reemplazar sus controladores por otros modernos que le presente mayor facilidad y manipulación por parte del operario. • La decisión de los controles depende de varios factores, tales como el coste, la seguridad, la estabilidad la exactitud el correcto funcionamiento entre otros. 21/09/2015
3
3.- Objetivo general
Conocer la importancia y la situación actual que tiene los controladores predictivos en el sector industrial.
21/09/2015
4
3.1.- Objetivos Específicos
1.- Realizar una introducción sobre los controladores predictivos.
21/09/2015
2.- Describir una perspectiva histórica de los estudios y desarrollo de los diferentes tipos de los controladores predictivos
3.- Analizar los problemas y evolución de los sistemas de control predictivo
4.- Describir las tendencias actuales de los controladores predictivos en la Industria
5
4.- Importancia de tema IMPORTANCIA En la actualidad, los controladores predictivos se han DEL TEMA
incrementado haciendo posible mejorar los sistemas automáticos a nivel industrial. Hoy en día, no solamente se trata de controlar los diferentes sistemas de producción por medios tradicionales sino que hora se trata de utilizar sistemas de control que sean más fiables y robustos. Al estudiar el controlador predictivo dentro de los sistemas de control estamos analizando las ventajas que actualmente presta este tipo de controlador a los sistemas automáticos Es importante realizar un estudio sobre el control predictivo debido a que actualmente tiene una gran aplicación en los procesos industriales modernos.
21/09/2015
6
5.- Alcances Conocer a nivel industrial la importancia de los controladores predictivos • Principales problemas de control que se encuentran en la industria de procesos. • El estado de aplicación de las tecnologías avanzadas. • El grado de satisfacción de los usuarios . • Las expectativas que cada una genera.
Tendencias actuales de los controladores predictivos en la Industria • Éxito. • Características de un controlador predictivo Honeywel. • Fabricantes de los controladores predictivos.
21/09/2015
7
6.- Estado del arte Introducción de los Controladores Predictivos Perspectiva Histórica Problema y Evolución de los Sistemas de Control Tendencias Actuales de los Controladores Predictivos en la Industria
21/09/2015
8
6.1 Introducción (1/2) INTRODUCCIÓN
El Control Predictivo Basado en Modelo (CPBM), conocido también como Model Based Predictive Control (MBPC) o simplemente Control Predictivo (MPC), El Control Predictivo (MPC) o control predictivo basado en modelos (MBPC) como a veces se le conoce, es la única técnica de control avanzado, es decir, más avanzado y potente que el control PID estándar [5]. El control PID tiene ciertas limitaciones en el control industrial, lo cual impide que sea más rentable y más eficiente en el funcionamiento de la planta.
21/09/2015
9
6.1 Introducción (2/2) El término Control Predictivo no designa a una estrategia de control particular sino a un conjunto de métodos de control que hacen uso explícito de un modelo del proceso para obtener la señal de control minimizando una función objetivo. Minimización de una función objetivo
Predice la evolución del proceso en los instantes futuros
21/09/2015
Utilización de un horizonte de control finito
Control Predictivo
Es fácil de entender y ejecutar
10
6.2 Perspectiva Histórica (1/3)
• En 1963 Propoi introduce el concepto de horizonte deslizante, una de las ideas centrales del control predictivo. • A finales de los 70 se desarrolló el algoritmo de Control de MODELO Predictivo Heurístico (MPHC), más tarde conocido por Control de Modelo Algorítmico (MAC) y el algoritmo de Control de Matriz Dinámica (DMC). • En los años 80 Existe gran aplicación del control predictivo en el sector petroquímico. • En 1984 Greco desarrolla el Control Adaptativo Multivariable Multipaso ("Multistep Multivariable Adaptive Control" MUSMAR) • 21/09/2015
11
6.2 Perspectiva Histórica (2/3)
• En 1987 D.W Clarke estableció los primeros conceptos sobre Control Predictivo Generalizado (Generalized Predictive Control GPC). • En 1987 Richalet desarrolla el Control Predictivo Funcional ("Predictive Functional Control " PFC). • En 1989 Clarke y Mohtadi presenta un estudio sobre la visión de conjunto del Control de Modelo Predictivo (Model Predictive Control (MPC). • En las décadas de los 90 E.F. Camacho y C. Bordóns desarrolló estudios sobre Modelos de Primer Orden más Tiempo Muerto (POMTM). • 21/09/2015
12
6.2 Perspectiva Histórica (3/3) • En los 90s aparece una nueva línea de trabajo sobre controladores predictivos con estabilidad garantizada. • Otra de las líneas de investigación abierta en los últimos años es el control predictivo robusto. • En este contexto uno de los mayores fabricantes de sistema de control distribuido, Honeywell, incorpora control predictivo robusto en uno de sus productos ("Robust Multivariable Predictive Control RMPC). • Actualmente existe estudios y aplicaciones de los controladores predictivos a sistemas no lineales o híbridos [3], [1]. 21/09/2015
13
6.3 Problemas y Evolución de los Sistemas de Control (1/6) Los resultados de un estudio realizado por Takatsu en las industrias de Japón para la Sociedad de Automatización y Control: son indicativos de las necesidades futuras de la industria japonesa en el ámbito del control. En este informe se analizan los siguientes aspectos [6]: 1. Principales problemas de control que se encuentran en la industria de procesos. 2. El estado de aplicación de las tecnologías avanzadas. 3. El grado de satisfacción de los usuarios. 4. Las expectativas que cada una genera. 21/09/2015
14
6.3.1 Principales problemas de control
1983 Retardo Perturbaciones Interacción Respuesta Estabilidad
(%) 24 21 17 16 11
1989 Retardo Interacción Perturbaciones Cambios No Lineal
(%) 24 21 17 16 11
1995 Interacción Perturbaciones Retardo Cambios No Lineal
(%) 24 22 21 14 7
Tabla 1: Principales problemas de control [4]
Los tres primeros problemas siguen siendo los mismos en los tres años que se ha realizado la encuesta y parece que a lo largo del tiempo se resuelven problemas básicos como estabilidad y respuesta y se atacan problemas más difíciles como dinámica no lineal
21/09/2015
15
6.3.2 Factores claves de éxito y fracaso Tabla 2: Principales factores claves de éxito [4] Selección de la estrategia de control Selección del Equipo de Control Especificaciones Apropiadas Configuración flexible del sistema Operación de Emergencia Interface con el Operario Análisis de Proceso
14% 12% 10% 10% 10% 8% 8%
Tabla 3: Principales factores claves de fracaso [4] Ausencia de análisis del proceso. Inexactitud del 21% modelo 14% Selección de los sensores 10% Falta de rechazo a las perturbaciones 7% Selección de la estrategia de control 6% Selección de los actuadores 5% Selección del equipo de control 5% Especificaciones inapropiadas 5% Configuración rígida del sistema
De estas tablas se desprende que la elección de la estrategia de control no es el único factor a tener en cuenta para garantizar un buen funcionamiento del sistema de control. 21/09/2015
16
6.3.3 Estado de las distintas técnicas de control Técnica Compensación de retardo Borroso Control Predictivo Gain-schedulin PID avanzado Autoajuste Desacoplo Basado en reglas Filtro de Kalman Neuronal LQ Observador Control Adaptativo H∞
1989 29.6% 9.9% 25.4% 25.7% 24.8% 32.2% 17.5% 6.3% 9.1% 0% 8.2% 8.2% 10.3% 0%
1995 52.4% 38% 37.2% 32.5% 29.4% 29.1% 28.6% 17.9% 15.5% 11.8% 11% 9.8% 7% 9.3%
Tabla 4: Estado de las distintas técnicas [4]
Obsérvese que todas crecieron excepto el control adaptativo y el autoajuste que tuvieron un ligero descenso. 21/09/2015
17
6.3.4 Grado de Satisfacción de Distintas Técnicas
Técnica Control Predictivo PID avanzado Compensación de retardo Gain-schedulin Borroso LQ Neuronal Desacoplo Filtro de Kalman Autoajuste Observador Basado en reglas Control Adaptativo H∞
1989 76% 77% 72% 78% 67% 79% 64% 70% 60% 67% 43 50% -
1995 94% 89% 89% 87% 83% 70% 69% 66% 66% 65% 63% 61% 56% 50%
Tabla 5: Grado de satisfacción de distintas técnicas [4]
Como conclusión interesante se destaca el hecho de que prácticamente todos los usuarios de Control Predictivo están satisfechos. 21/09/2015 18
6.3.5 Análisis de las diferentes técnicas de control industrial Según esto, el PID avanzado, compensación de retardo, borroso, desacoplo y MPC serán técnicas ampliamente usadas con grandes expectativas. El control neuronal despierta grandes expectativas pero tiene ciertas dificultades de implementación, mientras que el Autoajuste se implementa con facilidad pero pierde expectativas. Las técnicas como LQR, filtro de Kalman, H∞ o adaptativo se mantienen como "sin demasiadas expectativas y no fácilmente implementables". Este análisis indica que el Control Predictivo Basado en Modelo se puede considerar una tecnología suficientemente introducida en la industria y que además sigue despertando muchas expectativas 21/09/2015
Figura 1: Expectativas Posibilidades Técnicas [6]
y
19
6.4 Tendencias actuales de los controladores predictivos en la industria • La situación actual de aplicaciones de MPC en la industria está bien reflejada en el sector petroquímico (3000 aplicaciones). • La mayoría de las aplicaciones son en procesos multivariables, registrándose casos como un controlador con 40 entradas y 80 salidas. • Sorprendentemente, MPC ha tenido menor impacto en otro tipo de industrias como la robótica.
21/09/2015
20
6.4.1 Éxito actual del MPC en la Industria • El éxito actual del MPC en la industria se debe a tres razones principales [4]: 1. Permite al controlador tratar con todas las características importantes de la dinámica del proceso. 2. Permitiendo al controlador conducir la salida a la trayectoria de referencia deseada. 3. Es un controlador que evita en lo posible su violación, resultando en un control más preciso en torno al punto óptimo de operación. 21/09/2015
21
6.4.2 Característica de un controlador predictivo robusto multivariable fabricado por Honeywell Mejoramiento en comunicación de datos
Mejor rendimiento
Mejoramiento en el procesamiento de datos
Trabajo multivariable 21/09/2015
Control continuo en tiempo real
Escalable a una serie de actuadores y sensores
Estable y robusto
Interfaces con los operadores, a través de pantallas gráficas 22
6.4.3 Empresas fabricantes de controladores predictivos
21/09/2015
23
7.- Referencias [1] Bordons Alba Carlos (2000), “Control Predictivo: Metodología, Tecnología y Nuevas Perspectivas” Departamento de Ingeniería de Sistemas y Automática Universidad de Sevilla I Curso de Especialización en Automática. [2] Camacho Eduardo F. y Bordons Carlos, Control Predictivo: Pasado, Presente y Futuro, Escuela Superior de Ingenieros. Universidad de Sevilla, 41092 Sevilla, España. [3] Catálogo Honeywell Inc “Model Predictive Control”. www.honeywellonramp.com/TechnicalResources/Pages/Model-PredictiveControl.aspx . [4] Pérez de la Parte María de las Mercedes (2005) “Tesis Doctoral Control Predictivo con Modos Deslizantes” Universidad de la Rioja Sevilla. [5] Maciejowski J.M. (2002), “Predictive Control with Constraints” Person education. [6] Takatsu Haruo, Itou Toshiaki, (1996), “Report and topics of the control technology investigation in Japanese industry” , Proceedings of the 35th Conference on Decision and Control Kobe, Japan. 21/09/2015
24