A identificação de modelos é usualmente a tarefa mais significativa e demorada no trabalho de implementação e manutenção de sistemas de controle que usam Controle Preditivo baseado em Modelos (MPC) tendo em vista a complexidade da tarefa e a importância que o modelo possui para um bom desempenho do controlador. Após a implementação, o controlador tende a permanecer com o modelo original mesmo que mudanças de processo tenham ocorrido levando a uma degradação das ações do controlador. Este trabalho apresenta uma aplicação industrial de re-identificação em malha fechada. A metodologia de excitação da planta utilizada foi apresentada em Sotomayor et al. (2009). Tal técnica permite obter o comportamento das variáveis de processo sem desligar o MPC e sem modificar sua estrutura, aumentando assim, o automatismo e a segurança do procedimento de re-identificação. O sistema re-identificado foi uma coluna debutanizadora de uma refinaria brasileira sendo que os modelos fazem parte do controle preditivo multivariável dessa coluna de destilação. A metodologia foi aplicada com sucesso podendo-se obter os seis novos modelos para atualizar o controlador em questão, o que resultou em uma melhoria de seu desempenho. / Model identification is usually the most significant and time-consuming task of implementing and maintaining control systems based on models (MPC) concerning the complexity of the task and the importance of the model for a good performance of the controller. After being implemented the MPC tends to remain with the original model even after process changes have occurred, leading to a degradation of the controller actions. The present work shows an industrial application of closed-loop re-identification. The plant excitation methodology used here was presented in Sotomayor et al. (2009). Such technique allows for obtaining the behavior of the process variables with the MPC still working and without modifying the MPC structure, increasing automation and safety of the re-identification procedure. The system re-identified was a debutanizer column of a Brazilian refinery being the models part of the multivariable predictive control of this distillation column. The methodology was applied with reasonable success managing to obtain 6 new models to update this MPC, and resulting in improved control performance.

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.

Colunas de destilação de alta pureza são sistemas de difícil controle. Apresentam longo tempo de resposta, comportamento altamente não linear e grande interação entre as variáveis. Os controladores preditivos são muito utilizados para o controle de colunas de destilação. Porém, em colunas de alta pureza, a incorporação de um único modelo linear geralmente acarreta em um controle de fraco desempenho. Isto pois, a representação do processo é deficiente, já que não considera variações nos ganhos e nas dinâmicas, típicas de um comportamento não linear. Estas incertezas podem, inclusive, provocar a instabilidade do controle o que resultaria em produtos que não atendam à especificação. Este trabalho tem por objetivo avaliar o desempenho dos controladores de horizonte de predição infinito com um modelo interno e com múltiplos modelos tendo o HYSYS(TM) como simulador de uma coluna de separação benzeno/tolueno e o MATLAB(TM) como ambiente para o controle supervisório. Observa-se que o controlador com apenas um modelo não é capaz de estabilizar o processo para perturbação nos valores de referência das variáveis controladas, ao contrário do controlador com múltiplos modelos. / High-purity distillation columns are systems which are typically difficult to control. The main reason for this is a strongly nonlinear and interactive system associated with a very sluggish response. Model Predictive Control is widely used for control of distillation columns. However, for high-purity columns, the use of a single linear model in the controller usually leads to a poor performance of the control system. The reason for this is the poor system representation, since variation in the system gains and time constants are not taken into account in the computation of the control law. Model uncertainties can produce instability in the control system and consequent deterioration of the product quality. The goal of this work is to evaluate the performance of infinite horizon MPC with a single internal model and with multiple models. HYSYS(TM) is used as simulator for the benzene/toluene column, and MATLAB(TM) is used as a platform for supervisory control. It is observed that the controller with a single model is not capable of stabilizing the process for disturbance in the set point of the controlled variables. Opposite to that behavior the controller with multiple models has a good performance.

Controle preditivo baseado em modelo (MPC) recebeu ampla aceitação na indústria química nos últimos 30 anos. O funcionamento básico dessa técnica é a utilização de um modelo para calcular o comportamento de uma planta em função das entradas que ela receberia nos próximos instantes. Define-se um objetivo, cuja principal contribuição é dada por uma medida da distância entre a condição predita da planta e um valor desejado previamente estipulado. Esse objetivo pode incluir ainda, por exemplo, penalizações sobre o esforço de controle necessário para levar a planta a uma condição mais próxima do desejável. São incorporadas restrições como limites físicos da planta e dos atuadores e formula-se um problema de otimização, buscando o ponto ótimo dessa função objetivo e respeitando as restrições. Neste trabalho é abordado o problema de controle preditivo baseado em modelo para sistemas que apresentem integradores e/ou tempos mortos. Estes elementos tornam mais difícil o controle de processos baseado apenas em técnicas clássicas. Apresenta-se aqui um modelo em espaço de estados que permite a representação dessas dinâmicas de modo suficientemente preciso. A formulação de modelo apresentada permite ainda a incorporação de informações sobre distúrbios medidos. É feita uma demonstração da estabilidade desse controlador quando o modelo por ele utilizado é idêntico ao comportamento real da planta. Numa aplicação real do controlador proposto, seria necessário estimar os estados da planta a partir das medidas das saídas. Em geral, utiliza-se um Filtro de Kalman para realizar esta tarefa. São estudados aqui os efeitos que a presença desse filtro teria sobre o desempenho do sistema em malha fechada. É proposto um observador baseado numa mudança heurística feita sobre o Filtro de Kalman e que permite, em certos casos, uma melhoria de desempenho. São apresentados os resultados de simulações de uma planta de óxido de etileno com o intuito de ilustrar a atuação do controlador estável desenvolvido e do observador proposto. / Model Predictive Control (MPC) has gained wide acceptance in chemical industry in the last 30 years. The basic principle of this technique is to use a model to calculate plants future behavior based on the inputs it would receive in the next sampling periods. It must be set an objective, mainly composed of some measure of the distance between plants predicted state and a previously specified condition. Objective value may also include, for example, penalty on control effort necessary to drive the plant closer to the desired state. It is possible to include constraints, such as physical limits of the plant or of the actuators and therefore to pose an optimization problem, searching the best value of the objective function that satisfies all constraints. This work addresses the problem of MPC applied to integrating systems and/or processes with dead-time. These kinds of plants are often difficult to control using only classical techniques. It is presented here a state space model to represent both cases accurately. Measured disturbances may also be incorporated to the model. Finally, it is shown that the proposed controller is stable when its internal model represents exactly plants dynamics. In any real application of this controller, it would be necessary to estimate plants states from outputs measures. In general, Kalman Filter solves this problem. It is studied in this work the effects caused by filters inclusion on closed loop performance. A new observer is proposed, based on a heuristic improvement over Kalman Filter which induces, for some systems, improved performance. Numerical simulation has been performed over a model of an ethylene oxide plant, illustrating the use of this stable controller and the proposed observer.

Made available in DSpace on 2014-12-17T14:08:39Z (GMT). No. of bitstreams: 1 LuizHGP_DISSERT.pdf: 1454316 bytes, checksum: 0866b81b5bfb98284278c13af6a47bdc (MD5) Previous issue date: 2009-08-07 / A pesquisa tem como objetivo desenvolver uma estrutura de controle preditivo neural, com o intuito de controlar um processo de pH, caracterizado por ser um sistema SISO (Single Input - Single Output). O controle de pH ? um processo de grande import?ncia na ind?stria petroqu?mica, onde se deseja manter constante o n?vel de acidez de um produto ou neutralizar o afluente de uma planta de tratamento de fluidos. O processo de controle de pH exige robustez do sistema de controle, pois este processo pode ter ganho est?tico e din?mica n?olineares. O controlador preditivo neural envolve duas outras teorias para o seu desenvolvimento, a primeira referente ao controle preditivo e a outra a redes neurais artificiais (RNA s). Este controlador pode ser dividido em dois blocos, um respons?vel pela identifica??o e outro pelo o c?lculo do sinal de controle. Para realizar a identifica??o neural ? utilizada uma RNA com arquitetura feedforward multicamadas com aprendizagem baseada na metodologia da Propaga??o Retroativa do Erro (Error Back Propagation). A partir de dados de entrada e sa?da da planta ? iniciado o treinamento offline da rede. Dessa forma, os pesos sin?pticos s?o ajustados e a rede est? apta para representar o sistema com a m?xima precis?o poss?vel. O modelo neural gerado ? usado para predizer as sa?das futuras do sistema, com isso o otimizador calcula uma s?rie de a??es de controle, atrav?s da minimiza??o de uma fun??o objetivo quadr?tica, fazendo com que a sa?da do processo siga um sinal de refer?ncia desejado. Foram desenvolvidos dois aplicativos, ambos na plataforma Builder C++, o primeiro realiza a identifica??o, via redes neurais e o segundo ? respons?vel pelo controle do processo. As ferramentas aqui implementadas e aplicadas s?o gen?ricas, ambas permitem a aplica??o da estrutura de controle a qualquer novo processo

Submitted by Erbet Costa (erbetcosta@gmail.com) on 2017-10-31T19:35:36Z No. of bitstreams: 1 Dissertacao_Erbet_Almeida_Costa.pdf: 3538679 bytes, checksum: 101fbb1c3db9a787db3ff1b96e9e5078 (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-10-31T19:44:58Z (GMT) No. of bitstreams: 1 Dissertacao_Erbet_Almeida_Costa.pdf: 3538679 bytes, checksum: 101fbb1c3db9a787db3ff1b96e9e5078 (MD5) / Made available in DSpace on 2017-10-31T19:44:58Z (GMT). No. of bitstreams: 1 Dissertacao_Erbet_Almeida_Costa.pdf: 3538679 bytes, checksum: 101fbb1c3db9a787db3ff1b96e9e5078 (MD5) / Fundação de Amparo à Pesquisa do Estado da Bahia - Fapesb. / Este trabalho apresenta o desenvolvimento de uma estratégia de controle preditivo com garantia da estabilidade nominal, aplicável a sistemas com polos estáveis distintos e integradores repetidos. A lei de controle, livre de erro de regime permanente, é obtida dentro de um problema de otimização em uma camada através da utilização de um modelo em espaço de estados de ordem mínima baseado na resposta ao degrau do sistema. A estabilidade do sistema em malha fechada é alcançada adotando o horizonte de predição infinito e uso de um conjunto apropriado de restrições terminais suavizadas. O método proposto é experimentado através da simulação nos sistemas Barra e Bola e Prato e Bola considerando os cenários servomecanismo e de atenuação de distúrbios e, também, desassociação entre a planta e o modelo, incluindo o caso não-linear. Os resultados mostram não apenas a efetividade do controlador proposto no sentido da teoria de estabilidade e convergência, mas também apontam para uma questão fundamental do ponto de vista prática, a saber, a garantia de factibilidade do problema de otimização.

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2010 / Bibliografia: f. [121]-128 / O estudo da teoria de controle tem cada dia mais desempenhado um papel fundamental na área tecnológica, contribuindo sempre para os avanços em engenharia. Por outro lado, os processos a serem controlados estão cada vez mais desafiadores no meio industrial / The study of the control theory has played each day a more fundamental role in the technological area, always contributing for advances in engineering. On the other hand, the controlled industrial processes are becoming more challenging, with nonlinear ch

A retroalimentação de controladores preditivos que utilizam modelos em espaço de estado pode ser realizada de duas formas: (a) correção por bias, em que as saídas preditas são corrigidas adicionando-se um valor proporcional a discrepância encontrada entre o valor medido atual e sua respectiva predição e por (b) retroalimentação dos estados, onde se determinam as condições iniciais através da estimação dos estados, e a partir de uma melhor condição inicial se realizam as predições futuras usadas no cálculo das ações de controle. Nesta dissertação estas duas abordagens são comparadas utilizando a Planta Laboratorial de Seis Tanques Esféricos. As técnicas de Filtro de Kalman Estendido (EKF) e Filtro de Kalman Estendido com Restrições (CEKF) foram empregadas para estimar os estados não medidos. Inicialmente foram feitos testes off-line destes algoritmos de estimação. Para estes testes são utilizados uma série de dados da planta laboratorial do estudo de caso, na qual são estudadas as influências de diversos fatores de ajuste que determinam a qualidade final de estimação. Estes ajustes serviram de base para a aplicação destes algoritmos em tempo real, quando então, estimadores de estados estão associados ao sistema de controle do processo baseado em um algoritmo de controle preditivo. Após se ter certificado a qualidade das estimações de estado, partiu-se para sua utilização como uma alternativa de retroalimentação de controladores preditivos. Estes resultados foram comparados com os obtidos através da correção simples por bias. Os resultados experimentais apontam para uma marginal piora devido à retroalimentação por estimadores de estados frente à correção por bias, pelo menos para o caso do controlador preditivo linear utilizado na comparação. Entretanto, espera-se que resultados melhores sejam obtidos no caso de modelos preditivos não-lineares, uma vez que nestes casos o modelo é bem mais sensível à qualidade da condição inicial. / The feedback of controllers that use predictive models in state space can be accomplished in two ways: (a) bias correction, where the predicted outputs are corrected by adding a value proportional to the discrepancy found between the current measurement and its respective prediction; and by (b) state feedback, which establishes the initial conditions through the states estimation, and from a better initial condition are carried out the future predictions used in the calculation of control. In this thesis these two approaches are compared using a Laboratorial Plant of Six Spherical Tanks. The techniques of Extended Kalman Filter (EKF) and Constraint Extended Kalman Filter (CEKF) were used to estimate the unmeasured states. Initially, tests were carried out off-line for theses estimation algorithms. For such testing are used a dataset of the plant in case study, in which are studied the influences of several adjustment factors that they determine the final quality of estimation. These adjustments were used of base for the application of these algorithms in real time, when then state estimators are associated with the system of process control based on a predictive control algorithm. After having ascertained the quality of the state estimates, begins its use as an alternative for feedback of predictive controllers. These results were compared with those obtained by the simple correction of bias. The experimental results show a marginal worsening due to feedback from state estimated compared with bias correction, at least for the case of linear predictive controller used in the comparison. However, one expects that better results will be obtained in the case of non-linear predictive models, since in these cases the model is much more sensitive to the quality of the initial condition.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2012-10-21T13:19:16Z (GMT). No. of bitstreams: 0 / Neste trabalho realizou-se um estudo sobre a influência da utilização de poliestireno de propósito geral (GPPS), encontrado principalmente em materiais descartáveis, como matéria-prima para a produção de poliestireno expansível (EPS), em reações de polimerização em suspensão do estireno. O objetivo principal é introduzir uma variável de fácil manipulação, a fração mássica de GPPS (em relação à massa da fase dispersa) na carga de reação, para o controle da distribuição de tamanho das partículas de EPS produzidas. Outra vantagem seria a maximização da produção em relação à quantidade de monômero utilizada, pois parte da massa reacional é substituída pelo GPPS. Os experimentos foram conduzidos de modo a verificar a influência da fração mássica de GPPS e da freqüência de agitação na distribuição de tamanhos das partículas de EPS. Também foi analisada a influência da sua concentração na curva de conversão de monômero. Os resultados experimentais demonstraram o bom desempenho da fração mássica de GPPS como variável de controle da distribuição de tamanho das partículas de EPS. À medida que a concentração de GPPS é acrescida ocorre o aumento do tamanho das partículas e o estreitamento da curva de distribuição. Em conjunto com a freqüência de agitação, esta variável pode ser utilizada para a obtenção de partículas em diferentes tamanhos e dispersões. Outra etapa do trabalho consistiu no desenvolvimento de uma estratégia para o controle de temperatura para a polimerização em suspensão, visando obter um polímero com as condições especificadas (peso molecular médio ponderal). Utilizou-se, para este fim, um controlador preditivo baseado em um modelo empírico do processo. Este modelo consiste em uma rede neural feedforward com três camadas, com treinamento off-line, realizado por um algoritmo de otimização utilizando a técnica de algoritmos genéticos em conjunto com mínimos quadrados. Ainda, de modo a considerar os desvios do processo ocorridos em relação ao modelo, uma técnica de atualização on-line dos pesos da rede foi implementada. A partir dos resultados experimentais foi possível observar que um bom desempenho para o sistema de controle proposto, tanto para a atuação como regulador quanto para servo, mantendo a temperatura no perfil desejado durante todo o período de reação, foi obtido. Com isso, um polímero com as propriedades especificadas e dentro de um estreito limite para sua qualidade foi obtido.

[pt] O objetivo deste trabalho é investigar a utilização de um Sistema de Inferência Fuzzy (Fuzzy Inference System) para projetar um sistema de controle semiautônomo adequado a veículos militares, a partir do qual serão definidos valores para o Nível de Intervenção de um controlador automático. São apresentados conceitos básicos sobre a aplicação de Sistemas de Infer ência Fuzzy para a concepção de um ponderador de sinais e sobre a teoria de Controladores Preditivos Baseados em Modelo (Model Predictive Controllers), utilizados na implementação do sistema proposto. A partir da modelagem matemática do sistema dinâmico veicular foram obtidos resultados de simulações do veículo militar enquanto operado em situações perigosas e em que se faça necessária a intervenção do controlador, por exemplo, na presença de ameaças inimigas hostis ou em manobras altamente desestabilizadoras. O comportamento da variável de intervenção do controlador é apresentado por meio de suas curvas de evolução, e indica o seu aumento de acordo com o crescimento do nível de ameaça à qual o veículo está exposto. Os resultados são analisados criticamente, e conclui-se que o uso do sistema proposto resulta em um aumento qualitativo na segurança do veículo, tornando-o um sistema militar mais eficiente, com maior capacidade operacional, além de melhorar as habilidades de seu condutor. / [en] The purpose of this work is to investigate the use of Fuzzy Inference Systems to design an appropriate semi-autonomous control system for military vehicles, from which the choice of the automatic controller intervention level would be achieved. Basic concepts about the application of Fuzzy Inference Systems for the design of a weighted signal generator and about the Model Predictive Controllers theory are presented. These concepts were used for the implementation of the proposed semiautonomous control system. From the mathematical model of the vehicular dynamic system, results were obtained through simulated tests where the military vehicle was being operated in hazardous situations and in which the intervention of the automatic controller was necessary, e.g., in the presence of hostile enemy threats or in highly destabilizing maneuvers. The behavior of the controller s intervention variable is presented through its evolution curves and indicates its increase accordingly to the growth of the threat level to which the vehicle is exposed. The results are criticyzed, and it is concluded that the use of the proposed system will result in a qualitative increase in vehicle s safety, making it a more efficient military system, with greater operational capacity and enhancing the skills of its driver.