A identificação para controle é baseada especificamente na construção de modelos matemáticos a partir de dados experimentais, cuja finalidade é encontrar uma relação entre um conjunto de entradas e saídas de um processo dinâmico. Estes modelos são de fundamental importância para o projeto de controladores em processos industriais. No presente trabalho é realizada a identificação e o desenvolvimento do sistema de controle para uma planta piloto de neutralização de pH. O procedimento de identificação é baseado na coleta de dados reais do processo de neutralização de pH, operando em malha fechada. A estimativa dos modelos é realizada de duas formas: (1) estimar modelos que representem o comportamento de todo o sistema, incluindo os controladores PID do processo e (2) estimar modelos do processo com os dados coletados dos sinais de controle e as variáveis de saída do processo. Com os modelos do processo estimados projeta-se uma estratégia de controle MPC (Model Predictive Control), envolvendo dois esquemas de controle. O primeiro esquema calculará os set points ótimos que ingressarão nas malhas do processo. O segundo esquema calculará os sinais de controle ótimos que ingressarão diretamente no processo. O tipo de controlador MPC adotado é o QDMC (Quadratic Dynamic Matrix Control), permitindo restringir os sinais de entrada e saída do processo. A avaliação destes esquemas de controle é realizada mediante a mudança do set point das malhas do processo e a influência de perturbações. As perturbações são baseadas no aumento da vazão do ácido que ingressa no reator. / Identification for control system is based specifically on the mathematical models construction from experimental data, whose aim is to find a relationship between a set of inputs and outputs of a dynamic process. These models are fundamentally important for the industrial processes controllers design. In this work is performed the identification and development of the control system for a pH neutralization pilot plant. The identification procedure is based on the real data collected from pH neutralization process, operating in closed loop. The models estimation is performed in two forms: (1) estimating models that represent all system behavior, including process PID controllers and (2) estimating process models with collecting data of the control signals and process output variables. The process models parameters estimation is performed with the algorithms studied in Chapter 4. With the estimated process models is a MPC (Model Predictive Control) control strategy was designed, creating two control schemes. First scheme will compute the optimal set points that will enter to the process-loops. The second scheme will compute the optimal control signals that will enter to the process. The type of MPC controller adopted is a QDMC (Quadratic Dynamic Matrix Control), allowing restriction of the input and output signals. The control schemes evaluation is performed by changing the set point of the process-loops and the disturbance influence. This disturbance is based on acid flow increased that enters the reactor.

Made available in DSpace on 2014-12-17T14:55:50Z (GMT). No. of bitstreams: 1 MarcilioPOF_DISSERT.pdf: 1988448 bytes, checksum: 9c294724be9e1293cb0dc0afa9195c2e (MD5) Previous issue date: 2011-09-02 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This work proposes the design, the performance evaluation and a methodology for tuning the initial MFs parameters of output of a function based Takagi-Sugeno-Kang Fuzzy-PI controller to neutralize the pH in a stirred-tank reactor. The controller is designed to perform pH neutralization of industrial plants, mainly in units found in oil refineries where it is strongly required to mitigate uncertainties and nonlinearities. In addition, it adjusts the changes in pH regulating process, avoiding or reducing the need for retuning to maintain the desired performance. Based on the Hammerstein model, the system emulates a real plant that fits the changes in pH neutralization process of avoiding or reducing the need to retune. The controller performance is evaluated by overshoots, stabilization times, indices Integral of the Absolute Error (IAE) and Integral of the Absolute Value of the Error-weighted Time (ITAE), and using a metric developed by that takes into account both the error information and the control signal. The Fuzzy-PI controller is compared with PI and gain schedule PI controllers previously used in the testing plant, whose results can be found in the literature. / Prop?em-se neste trabalho a concep??o, a avalia??o do desempenho e uma metodologia para sintonia dos par?metros iniciais das fun??es de pertin?ncia de sa?da de um controlador Fuzzy- PI, tipo Takagi-Sugeno-Kang, para o acompanhamento de refer?ncias de pH em um tanque reator com agita??o cont?nua. O controlador ? projetado para executar a neutraliza??o do pH em plantas industriais, principalmente em unidades encontradas em refinarias de petr?leo. O sistema emula, com base no modelo de Hammerstein, uma planta real que se ajusta ?s mudan?as no processo de neutraliza??o do pH, evitando ou reduzindo a necessidade de ressintonia. O desempenho do controlador ? avaliado pelos overshoots, pelos tempos de acomoda??o, pelos ?ndices Integral do valor absoluto do erro (IAE) e Integral do valor absoluto do erro com pondera??o do tempo (ITAE), e atrav?s de um ?ndice desenvolvido por Goodhart que leva em considera??o tanto informa??es do erro quanto do sinal de controle. O controlador Fuzzy-PI ? comparado com controladores PI e PI Escalonado utilizados previamente na planta de teste, cujos resultados est?o dispon?veis na literatura.

A identificação para controle é baseada especificamente na construção de modelos matemáticos a partir de dados experimentais, cuja finalidade é encontrar uma relação entre um conjunto de entradas e saídas de um processo dinâmico. Estes modelos são de fundamental importância para o projeto de controladores em processos industriais. No presente trabalho é realizada a identificação e o desenvolvimento do sistema de controle para uma planta piloto de neutralização de pH. O procedimento de identificação é baseado na coleta de dados reais do processo de neutralização de pH, operando em malha fechada. A estimativa dos modelos é realizada de duas formas: (1) estimar modelos que representem o comportamento de todo o sistema, incluindo os controladores PID do processo e (2) estimar modelos do processo com os dados coletados dos sinais de controle e as variáveis de saída do processo. Com os modelos do processo estimados projeta-se uma estratégia de controle MPC (Model Predictive Control), envolvendo dois esquemas de controle. O primeiro esquema calculará os set points ótimos que ingressarão nas malhas do processo. O segundo esquema calculará os sinais de controle ótimos que ingressarão diretamente no processo. O tipo de controlador MPC adotado é o QDMC (Quadratic Dynamic Matrix Control), permitindo restringir os sinais de entrada e saída do processo. A avaliação destes esquemas de controle é realizada mediante a mudança do set point das malhas do processo e a influência de perturbações. As perturbações são baseadas no aumento da vazão do ácido que ingressa no reator. / Identification for control system is based specifically on the mathematical models construction from experimental data, whose aim is to find a relationship between a set of inputs and outputs of a dynamic process. These models are fundamentally important for the industrial processes controllers design. In this work is performed the identification and development of the control system for a pH neutralization pilot plant. The identification procedure is based on the real data collected from pH neutralization process, operating in closed loop. The models estimation is performed in two forms: (1) estimating models that represent all system behavior, including process PID controllers and (2) estimating process models with collecting data of the control signals and process output variables. The process models parameters estimation is performed with the algorithms studied in Chapter 4. With the estimated process models is a MPC (Model Predictive Control) control strategy was designed, creating two control schemes. First scheme will compute the optimal set points that will enter to the process-loops. The second scheme will compute the optimal control signals that will enter to the process. The type of MPC controller adopted is a QDMC (Quadratic Dynamic Matrix Control), allowing restriction of the input and output signals. The control schemes evaluation is performed by changing the set point of the process-loops and the disturbance influence. This disturbance is based on acid flow increased that enters the reactor.