The models used by model predictive controllers (MPCs) to predict future outcomes are usually unconstrained forms like impulse or step responses and discrete state space models. Certain MPC algorithms allow constraints to be imposed on the inputs or outputs of a system; but they may be infeasible as they are not checked for consistency via the process model. Consistent constraint handling methods - which account for their interdependence and disambiguate the language used to specify constraints – would therefore be an attractive aid when using any MPC package. A rigorous and systematic approach to constraint management has been developed, building on the work of Vinson (2000), Lima (2007) and Georgakis et al. (2003) in interpreting constraint interactions. The method supports linear steady-state system models, and provides routines to obtain the following information: <ul> <li> effects of constraint changes on the corresponding input and output constraints, </li><li> feasibility checks for constraints, </li><li> specification of constraint-set size and</li><li> optimal fitting of constraints within the desirable input and output space.</li></ul> Mathematical rigour and unambiguous language for identifying constraint types were key design criteria. The outputs of the program provide guidance when handling constraints, as opposed to rules of thumb and experience, and promote understanding of the system and its constraints. The metrics presented are not specific to any commercial MPC and can be implemented in the user interfaces of such MPCs. The method was applied to laboratory-scale test rigs to illustrate the information obtained. / Dissertation (MEng)--University of Pretoria, 2011. / Chemical Engineering / unrestricted

O escopo desta dissertação é o desenvolvimento de um método para detectar os modelos da matriz dinâmica que estejam degradando o desempenho de controladores preditivos baseados em modelos. O método proposto se baseia na análise de correlação cruzada entre o erro nominal do controlador em malha fechada e a uma estimativa da contribuição de cada canal para o cálculo da saída, filtrada pela função de sensibilidade do controlador. Esse método pode ser empregado na auditoria de controladores com variáveis controladas em setpoints e/ou com variáveis que operem entre faixas, como é usual de se encontrar na indústria. Esta dissertação apresenta os resultados da aplicação bem sucedida do método no sistema de quatro tanques (JOHANSSON, 2000), para o qual três cenários foram avaliados. No primeiro cenário, o método localizou corretamente discrepâncias de ganho e de dinâmica de modelos de um controlador preditivo baseado em modelos (Model-based Predictive Controller, ou controlador MPC). No segundo, o método foi utilizado para avaliar a influência de uma variável externa para melhorar o desempenho de um controlador afetado por distúrbios não medidos. No terceiro cenário, o método localizou canais com modelos nulos que deveriam ser incluídos na matriz de controle de um controlador MPC de estrutura descentralizada. Os resultados deste estudo de caso foram comparados com aqueles obtidos pelo método proposto por BADWE, GUDI e PATWARDHAN (2009), constatando-se que o método proposto é mais robusto que o método usado na comparação, não demandando ajustes de parâmetros por parte do usuário para fornecer bons resultados. A dissertação inclui também um estudo de caso da aplicação industrial do método na auditoria de desempenho de um controlador preditivo linear de estrutura descentralizada, com doze variáveis controladas, oito manipuladas e quatro distúrbios não medidos, aplicado a um sistema de fracionamento de propeno e propano em uma indústria petroquímica. A auditoria permitiu reduzir o escopo de revisão do controlador a dezenove canais da matriz, sendo que quatorze destes correspondiam a canais com modelos nulos que deveriam ser incluídos na matriz. A eficácia do método foi comprovada repetindo-se a avaliação da qualidade de modelo para todas as variáveis controladas. / The scope of this dissertation is the development of a method to detect the models of the dynamic matrix that are affecting the performance of model-based predictive controllers. The proposed method is based on the cross correlation analysis between the nominal controller error and an estimate of the contribution of each channel to the controller output, filtered by the controller nominal sensitivity function. The method can be used in the performance assessment of controllers employing variables controlled at the setpoint and/or those controlled within ranges. This dissertation presents the results of the successful application of the method to the quadruple-tank process (JOHANSSON, 2000), for which three scenarios were evaluated. In the first scenario, the method correctly located gain and dynamic mismatches on a model-based predictive controller (MPC controller). In the second one, the method was used to evaluate the influence of an external variable to improve the performance of a controller affected by unmeasured disturbances. In the third scenario, the method located null models that should be included in the dynamic matrix of a decentralized MPC controller. The results of the three scenarios were compared with the ones obtained through the method proposed by BADWE, GUDI e PATWARDHAN (2009). The proposed method was considered more robust than the reference one for not requiring parameters estimation performed by the user to provide good results. This dissertation also includes a case study about the application of the method on the performance assessment of an industrial linear predictive controller of decentralized structure. The controller has twelve controlled variables, eight manipulated variables, and four unmeasured disturbances and is applied to a propylene-propane fractionation system of a petrochemical industry. The performance assessment allowed reducing the scope of the controller revision to nineteen channels of the models matrix, fourteen of which were null models that should be included in the controller. The efficacy of the proposed method was confirmed by repeating the model quality evaluation for all the controlled variables.

O escopo desta dissertação é o desenvolvimento de um método para detectar os modelos da matriz dinâmica que estejam degradando o desempenho de controladores preditivos baseados em modelos. O método proposto se baseia na análise de correlação cruzada entre o erro nominal do controlador em malha fechada e a uma estimativa da contribuição de cada canal para o cálculo da saída, filtrada pela função de sensibilidade do controlador. Esse método pode ser empregado na auditoria de controladores com variáveis controladas em setpoints e/ou com variáveis que operem entre faixas, como é usual de se encontrar na indústria. Esta dissertação apresenta os resultados da aplicação bem sucedida do método no sistema de quatro tanques (JOHANSSON, 2000), para o qual três cenários foram avaliados. No primeiro cenário, o método localizou corretamente discrepâncias de ganho e de dinâmica de modelos de um controlador preditivo baseado em modelos (Model-based Predictive Controller, ou controlador MPC). No segundo, o método foi utilizado para avaliar a influência de uma variável externa para melhorar o desempenho de um controlador afetado por distúrbios não medidos. No terceiro cenário, o método localizou canais com modelos nulos que deveriam ser incluídos na matriz de controle de um controlador MPC de estrutura descentralizada. Os resultados deste estudo de caso foram comparados com aqueles obtidos pelo método proposto por BADWE, GUDI e PATWARDHAN (2009), constatando-se que o método proposto é mais robusto que o método usado na comparação, não demandando ajustes de parâmetros por parte do usuário para fornecer bons resultados. A dissertação inclui também um estudo de caso da aplicação industrial do método na auditoria de desempenho de um controlador preditivo linear de estrutura descentralizada, com doze variáveis controladas, oito manipuladas e quatro distúrbios não medidos, aplicado a um sistema de fracionamento de propeno e propano em uma indústria petroquímica. A auditoria permitiu reduzir o escopo de revisão do controlador a dezenove canais da matriz, sendo que quatorze destes correspondiam a canais com modelos nulos que deveriam ser incluídos na matriz. A eficácia do método foi comprovada repetindo-se a avaliação da qualidade de modelo para todas as variáveis controladas. / The scope of this dissertation is the development of a method to detect the models of the dynamic matrix that are affecting the performance of model-based predictive controllers. The proposed method is based on the cross correlation analysis between the nominal controller error and an estimate of the contribution of each channel to the controller output, filtered by the controller nominal sensitivity function. The method can be used in the performance assessment of controllers employing variables controlled at the setpoint and/or those controlled within ranges. This dissertation presents the results of the successful application of the method to the quadruple-tank process (JOHANSSON, 2000), for which three scenarios were evaluated. In the first scenario, the method correctly located gain and dynamic mismatches on a model-based predictive controller (MPC controller). In the second one, the method was used to evaluate the influence of an external variable to improve the performance of a controller affected by unmeasured disturbances. In the third scenario, the method located null models that should be included in the dynamic matrix of a decentralized MPC controller. The results of the three scenarios were compared with the ones obtained through the method proposed by BADWE, GUDI e PATWARDHAN (2009). The proposed method was considered more robust than the reference one for not requiring parameters estimation performed by the user to provide good results. This dissertation also includes a case study about the application of the method on the performance assessment of an industrial linear predictive controller of decentralized structure. The controller has twelve controlled variables, eight manipulated variables, and four unmeasured disturbances and is applied to a propylene-propane fractionation system of a petrochemical industry. The performance assessment allowed reducing the scope of the controller revision to nineteen channels of the models matrix, fourteen of which were null models that should be included in the controller. The efficacy of the proposed method was confirmed by repeating the model quality evaluation for all the controlled variables.

Made available in DSpace on 2014-12-17T14:54:50Z (GMT). No. of bitstreams: 1 AndersonLOC.pdf: 927541 bytes, checksum: 73019c94d2a3901e38fc25a788ef32fd (MD5) Previous issue date: 2008-10-17 / This work addresses issues related to analysis and development of multivariable predictive controllers based on bilinear multi-models. Linear Generalized Predictive Control (GPC) monovariable and multivariable is shown, and highlighted its properties, key features and applications in industry. Bilinear GPC, the basis for the development of this thesis, is presented by the time-step quasilinearization approach. Some results are presented using this controller in order to show its best performance when compared to linear GPC, since the bilinear models represent better the dynamics of certain processes. Time-step quasilinearization, due to the fact that it is an approximation, causes a prediction error, which limits the performance of this controller when prediction horizon increases. Due to its prediction error, Bilinear GPC with iterative compensation is shown in order to minimize this error, seeking a better performance than the classic Bilinear GPC. Results of iterative compensation algorithm are shown. The use of multi-model is discussed in this thesis, in order to correct the deficiency of controllers based on single model, when they are applied in cases with large operation ranges. Methods of measuring the distance between models, also called metrics, are the main contribution of this thesis. Several application results in simulated distillation columns, which are close enough to actual behaviour of them, are made, and the results have shown satisfactory / Este trabalho aborda aspectos relacionados ? an?lise e ao desenvolvimento de controladores preditivos multivari?veis baseados em multi-modelos bilineares. O Controlador Preditivo Generalizado (GPC) Monovari?vel e Multivari?vel para o caso linear ? apresentado, sendo destacadas suas propriedades, caracter?sticas principais e aplica??es na ind?stria. O GPC bilinear, que ? o controlador base de todo o desenvolvimento desta Tese, ? apresentado atrav?s da abordagem da quasilineariza??o por degrau de tempo. Alguns resultados empregando este controlador s?o apresentados de forma a evidenciar o melhor desempenho do mesmo, quando comparado ao GPC linear, visto que os modelos bilineares representam melhor a din?mica de determinados processos. A quasilineariza??o por degrau de tempo, devido ao fato de ser uma aproxima??o, provoca um erro de predi??o, que limita o desempenho deste controlador ? medida que seu horizonte de predi??o aumenta. Devido ao referido erro de predi??o, o GPC bilinear com compensa??o iterativa ? mostrado de forma a minimizar o referido erro, buscando um melhor desempenho que o GPC bilinear cl?ssico. Alguns resultados utilizando o algoritmo de compensa??o iterativa s?o mostrados. O emprego dos multi-modelos ? abordado nesta Tese, buscando suprir a defici?ncia existente em controladores baseados em modelo ?nico, quando os mesmos s?o aplicados em processos com grandes faixas de opera??o. Formas de mensura??o de dist?ncia entre modelos, tamb?m chamadas de m?tricas, consistem na principal contribui??o desta Tese. Diversos resultados de aplica??o em colunas de destila??o simuladas, que se aproximam bastante do comportamento real das mesmas, foram realizados, e os resultados se mostraram satisfat?rios

O escopo desta dissertação é o desenvolvimento de um método para detectar os modelos da matriz dinâmica que estejam degradando o desempenho de controladores preditivos baseados em modelos. O método proposto se baseia na análise de correlação cruzada entre o erro nominal do controlador em malha fechada e a uma estimativa da contribuição de cada canal para o cálculo da saída, filtrada pela função de sensibilidade do controlador. Esse método pode ser empregado na auditoria de controladores com variáveis controladas em setpoints e/ou com variáveis que operem entre faixas, como é usual de se encontrar na indústria. Esta dissertação apresenta os resultados da aplicação bem sucedida do método no sistema de quatro tanques (JOHANSSON, 2000), para o qual três cenários foram avaliados. No primeiro cenário, o método localizou corretamente discrepâncias de ganho e de dinâmica de modelos de um controlador preditivo baseado em modelos (Model-based Predictive Controller, ou controlador MPC). No segundo, o método foi utilizado para avaliar a influência de uma variável externa para melhorar o desempenho de um controlador afetado por distúrbios não medidos. No terceiro cenário, o método localizou canais com modelos nulos que deveriam ser incluídos na matriz de controle de um controlador MPC de estrutura descentralizada. Os resultados deste estudo de caso foram comparados com aqueles obtidos pelo método proposto por BADWE, GUDI e PATWARDHAN (2009), constatando-se que o método proposto é mais robusto que o método usado na comparação, não demandando ajustes de parâmetros por parte do usuário para fornecer bons resultados. A dissertação inclui também um estudo de caso da aplicação industrial do método na auditoria de desempenho de um controlador preditivo linear de estrutura descentralizada, com doze variáveis controladas, oito manipuladas e quatro distúrbios não medidos, aplicado a um sistema de fracionamento de propeno e propano em uma indústria petroquímica. A auditoria permitiu reduzir o escopo de revisão do controlador a dezenove canais da matriz, sendo que quatorze destes correspondiam a canais com modelos nulos que deveriam ser incluídos na matriz. A eficácia do método foi comprovada repetindo-se a avaliação da qualidade de modelo para todas as variáveis controladas. / The scope of this dissertation is the development of a method to detect the models of the dynamic matrix that are affecting the performance of model-based predictive controllers. The proposed method is based on the cross correlation analysis between the nominal controller error and an estimate of the contribution of each channel to the controller output, filtered by the controller nominal sensitivity function. The method can be used in the performance assessment of controllers employing variables controlled at the setpoint and/or those controlled within ranges. This dissertation presents the results of the successful application of the method to the quadruple-tank process (JOHANSSON, 2000), for which three scenarios were evaluated. In the first scenario, the method correctly located gain and dynamic mismatches on a model-based predictive controller (MPC controller). In the second one, the method was used to evaluate the influence of an external variable to improve the performance of a controller affected by unmeasured disturbances. In the third scenario, the method located null models that should be included in the dynamic matrix of a decentralized MPC controller. The results of the three scenarios were compared with the ones obtained through the method proposed by BADWE, GUDI e PATWARDHAN (2009). The proposed method was considered more robust than the reference one for not requiring parameters estimation performed by the user to provide good results. This dissertation also includes a case study about the application of the method on the performance assessment of an industrial linear predictive controller of decentralized structure. The controller has twelve controlled variables, eight manipulated variables, and four unmeasured disturbances and is applied to a propylene-propane fractionation system of a petrochemical industry. The performance assessment allowed reducing the scope of the controller revision to nineteen channels of the models matrix, fourteen of which were null models that should be included in the controller. The efficacy of the proposed method was confirmed by repeating the model quality evaluation for all the controlled variables.

<p>This thesis aims to design a controller to apply medication to patients with hypothyroidism, a disease that occurs due to the underacting thyroid gland. The body cannot produce sufficient thyroid hormones, which leads to an increase in the production of hormones in the pituitary gland. The thyroid malfunctioning could lead to other associated conditions like nausea, fatigue, heart conditions, higher cholesterol, and elevated blood pressure. Thus, it is essential to ensure that the levels of thyroid hormones, Triiodothyronine (T3) and Thyroxine (T4), are healthy. The production of these hormones is governed by the hypothalamus-pituitary-thyroid (HPT) axis, a part of the endocrine system. This illness cannot be cured but can be regulated entirely through medication. The standard practice to control hypothyroidism in patients is to prescribe a constant daily dosage of synthetic T4 (i.e., levothyroxine) and, in some cases, an additional dose of synthetic T3 (i.e., Liothyronine). In this thesis, simulation studies are performed where two patients with varying levels of hypothyroidism are prescribed constant doses of synthetic hormones. The medications initially help the patients but are unsuccessful in maintaining healthy ranges. Using model predictive control, an observer-controller-based compensator is proposed to prescribe varying medication doses as inputs based on the patient's requirement. The inputs are quantized to be practically implemented in a real patient scenario. This compensator successfully improves the patient's hormone levels toward healthy values and ensures that the hormone trajectories follow the body's circadian rhythm.  </p>