control no lineal
TRANSCRIPT
CONTROL NO LINEAL DE PROCESOS QUÍMICOS
DEBER DE SINTESIS DE PLANTAS Y PROCESOS
ROMMEL ANDRÉS POZO [email protected]
Quito, Abril 2015
• A pesar de este conocimiento, los procesos químicos han sido tradicionalmente
controlados por medio de sistemas lineales de análisis y diseño de herramientas.
• Obviamente, el uso de una técnica de sistema lineal es bastante limitante, si un
proceso químico es altamente no lineal.
• Avances en la teoría de control no lineal, combinado con los avances de
hardware informático; ahora permiten, estrategias avanzadas de control no lineal
a ser implementadas con éxito en procesos químicos
• Ray (1983) examina el campo del control de proceso multivariable, con sistemas
no lineales que juegan un papel pequeño.
• Uno de los objetivos de este trabajo es revisar estas nuevas técnicas de control
que se basan explícitamente en una representación dinámica no lineal del
proceso químico, así como las técnicas que han existido durante décadas.
Interacciones multivariables entre variables manipuladas y controladas, variables
de estado no medidos, las restricciones en las variables manipuladas.
• Los procesos de manufactura de sustancias presentan muchos problemas de
control difíciles, incluyendo el comportamiento dinámico no lineal.
• Otras características del proceso común que causan dificultad para controlar los
sistemas lineales y no lineales por igual se muestran en la Tabla I. Una serie de
críticas a partir de mediados de la década de 1970 discutió la limitación de la
llamada teoría de control moderna para el manejo de muchos de estos problemas
(FOA, 1973; Lee y Weekman, 1976;. Kestenbaum et al, 1976).
• Los recientes esfuerzos de investigación se han centrado en la prestación de
técnicas de diseño de sistemas de control para manejar muchas de las
características que se muestran en la Tabla I. Control Adaptativo (Seborg et al.,
1986) fue promovida como una técnica para resolver el problema no lineal por
'relinearizing " el modelo de proceso, como el proceso se trasladó a diferentes
regiones de funcionamiento "lineales", así como para estimar los parámetros
(sistema lineal basado generalmente) variable en el tiempo.
Se desarrollaron para dar cuenta de la incertidumbre del modelo; Técnicas
robustas del sistema de control de diseño (Doyle, 1982 Doyle y Stein, 1981).
• Control del modelo interno (IMC) (García y Morari, 1982) fue desarrollado para
proporcionar un marco transparente para el diseño de sistemas de control de
procesos y de manejar de manera explícita las limitaciones variables
manipuladas.
• El énfasis principal en este artículo de revisión es en las técnicas que utilizan un
modelo explícito, no lineal del proceso de diseño del sistema de control o
aplicación.
• Categorías para las técnicas de control no lineal: (a) especial o ad hoc
estrategias; (b) modelo interno; (C) diferencial geométrica; (d) la síntesis de
sistema de referencia; (E) robusto diseño del sistema de control; (F) modelo
predictivo; Control (g) con oscilaciones abierto o lazo cerrado.
• Después de la revisión de estas técnicas, se verá necesidades de investigación
en el control de procesos no lineales.
• Incluso si se utilizan técnicas de diseño del sistema de control lineal, la
verificación se realiza normalmente a través de simulación utilizando un modelo
de proceso no lineal.
• Se hace hincapié en que el control debe convertirse en una parte esencial del
proceso y el reactor de diseño, ya que algunas de las decisiones más importantes
que afectan el control se hacen durante la operación de planta piloto y las etapas
de diseño de procesos de estado estacionario.
• Shinnar (1986) afirma que la mayoría de los problemas de investigación que
enfrenta el control de procesos están relacionados con la sensibilidad del modelo.
• Este documento se basa en el control de los procesos químicos que se
describen en los modelos de parámetros concentrados, es decir, sistemas que
puede ser modelado por seta de fmt orden ecuaciones algebraicas diferenciales
ordinarias.
• Dónde variables x = estatales, u = variables manipuladas, p = parámetros,
perturbaciones 1 = carga (medido o no medida), variables y = salida o medidos, 0
= tiempo muerto entre variables manipuladas y estatales, y 4 = tiempo muerto
entre el Estado y medido variables.
• Loffler y Marquardt (1990) han discutido recientemente las técnicas para reducir
el orden de los modelos de procesos algebraicas diferenciales no lineales.
• Debe tenerse en cuenta que la mayoría de las estrategias de control revisados
en este trabajo se basan en el control de los procesos que se rigen por bajo
orden, modelos de parámetros simples y concentrados.
• Koppel muestra que, después de una perturbación pulso cuadrado de la
concentración de entrada, el sistema de control lineal trae las variables de salida
de nuevo al estado estacionario deseado, sin embargo, las variables manipuladas
puede ir a un nuevo valor de estado estacionario, dependiendo de la longitud de
tiempo de la perturbación.
• Todos estos resultados proporcionan una justificación adicional para el control
no lineal de los procesos químicos.
• La limitación de rendimiento (PID) controladores proporcional integral derivativo
convencionales, lineales aplicadas a los procesos no lineales se muestra por
Chang y Chen (1984), que utilizan las ganancias del controlador como parámetro
de bifurcación en su análisis.
V-XIII. Las técnicas de control de diseño del sistema La principal desventaja al controlador PID es que no se basa en un modelo de
proceso (también una ventaja); conocimiento de la dinámica del proceso, como el
tiempo muerto o no linealidad, no se utiliza explícitamente en la ley de control.
• En 1963 desarrollaron un procedimiento para sistemas óptimos de control de
retroalimentación para los procesos no lineales mediante el uso de elementos de
control no lineales.
• Se presentó un total de 13 ejemplos, con los controladores no lineales que se
presentan para cada caso óptimo lineal.
• Un controlador no lineal se muestra para producir resultados superiores a un
controlador lineal, por ejemplo un CSTR analizado con más detalle que los otros
ejemplos más genéricos.
• Marroquin y Luyben (1972) han estudiado cuatro configuraciones diferentes de
un sistema de control en cascada de temperatura en un reactor discontinuo, con
(a) la ganancia de controlador maestro variado por el error en el bucle principal,
(b) la ganancia de controlador maestro variado por el error en el bucle esclavo,
ganancia (c) el controlador esclavo variado por el error en el bucle esclavo, y la
ganancia (d) el controlador esclavo variado por el error en el bucle principal.
• La variable primaria fue controlada, la temperatura del reactor y la variable
controlada secundaria, fue temperatura de la camisa.
• El controlador no lineal fue más versátil que los controladores lineales
estudiados, pero era difícil de ajustar, y sus respuestas eran difíciles de predecir.
• Debido a estos problemas, se desarrollaron los controladores de doble rango
que operan como aproximaciones lineales a trozos del controlador no lineal.
• El controlador PID no lineal mantiene bucle cerrado con un comportamiento
dinámico constante, mientras que el controlador PID lineal tiene las respuestas
que varían de sobre-amortiguado a bajo con amortiguación, dependiendo de la
condición de funcionamiento.
Aportación de magnitud No lineal. Los controladores resultantes son controladores de retroalimentación hacia
adelante, alimentación lineales o no lineales.
• Ellos encontraron que los controladores lineales dieron un control de calidad, por
lo que hay poca justificación para el control no lineal de rechazo de
perturbaciones para este proceso.
• El Control no Lineal de alimentación directa se comparó con el avance lineal
hacia delante, con estrategias de control en bucle abierto y con la incertidumbre
del modelo.
• Enfoques de Transformación de Variable
Otro enfoque para el control no lineal es para seleccionar alguna función de las
magnitudes de medida que crea una relación más lineal entre las variables de
entrada y de salida.
• Las Técnicas lineales estándar de diseño del sistema de control se pueden
utilizar para el control de las variables de proceso transformadas o extensas.
• Las estrategias de control globales son inherentemente multivariable y no lineal,
y dan lugar a sistemas que mantienen las características de circuito cerrado, más
de una región de operación y más grande que las estrategias de control lineales
simples.
• Ellos muestran que un sistema de control puede ser desarrollado, que utiliza una
ganancia del controlador no lineal, que es inversamente proporcional a la
ganancia de proceso entre el pH medido y acción de control; la ganancia total del
bucle es entonces constante.
Generalmente no se requiere: El conocimiento exacto del modelo no lineal, ya que
los parámetros del controlador se afinan en línea.
• Una desventaja del enfoque variable transformada, es el desacoplo del control
de las variables transformadas (o extensas), no necesariamente asegura un
control estricto.
VII. Enfoques modelo interno • García y Morari (1982) han presentado el control modelo interno (IMC) como una
estructura general que utiliza un modelo de proceso lineal en paralelo con el
proceso real.
• La acción de control resultante es equivalente a un controlador para un sistema
aperiódico lineal.
• Una desventaja de la estructura de control NLIMC, tal como se presenta en la
literatura, es que los procesos inestables en lazo abierto no pueden ser
manejados desde la formulación, es equivalente a un observador en lazo abierto
en las variables de estado.
• Una limitación principal de esta técnica es que se asume un modelo perfecto;
sugieren que una técnica de estimación de parámetros en línea se debe añadir
para actualizar el modelo.
• La técnica que se desarrolló no tiene en cuenta las limitaciones de variables de
estado y no puede manejar sistemas en los que los cambios de ganancia del
proceso en la región de operación.
• El modelo de proceso utilizado es un modelo de tres estados, mientras que la
planta simulada es un modelo de cuatro estados.
• La razón de que este enfoque puede ser utilizado para lazo abierto, es que sirve
para procesos inestables, que indicar la identificación de variables es implícito en
la técnica de adaptación de salida.
• Esta técnica puede considerarse un caso límite de las técnicas de control de
varios pasos, modelo no lineal de predicción que se revisan en la sección XI.
Resumen de los modelos internos Enfoques. • Estas técnicas son fáciles de entender y son extensiones directas del enfoque
IMC lineal.
• Se utilizan enfoqes de una o de dos etapas, que por lo general resulta en una
acción de control similar a un control mínimo, prototipo para sistemas lineales.
• En los últimos años la geometría diferencial se ha utilizado como una
herramienta eficaz para el análisis y diseño de sistemas de control no lineal,
similar a la forma en que las transformadas de Laplace y el álgebra lineal se han
utilizado para el análisis lineal del sistema de control y diseño (Isidori, 1989).
• Tres formas de diseñar transformaciones de realimentación de estado se han
utilizado para el control de proceso químico.
En lazo cerrado (Kravaris y Chung, 1987) trabaja en la entrada / salida;
• Ecuación de Estado, Linealización (. Hunt et al, 1983) hace el bucle cerrado del
modelo lineal del estado.
• Una ley de realimentación con compensador de estado se encuentra de manera
que la relación entre la entrada de referencia, u, y la ecuación de estado dinámico
es lineal (Hunt et al., 1983) después de una transformación de coordenadas, un
tipo de asignación de polos de ley de control de realimentación de estado es
generalmente luego desarrollado (por ejemplo, Hoo y Kantor, 1985).
• La ley de realimentación del compensador de estado se encuentra de manera
que la relación entre la entrada de referencia, u, y la salida, y, es lineal (Kravaris y
Chung, 1987) Cualquier técnica de diseño lineal se puede utilizar para el
controlador.
• Un diagrama de bloques de la estructura de control a linealizar a nivel mundial
se muestra en la Figura 4. Kravaris y Chung (1987) muestran que la ley de
realimentación de estado compensador (r = orden relativo) produce un
comportamiento lineal de entrada / salida y entre la salida y la entrada de
referencia v. La elección de una función de transferencia del controlador lineal con
los resultados del formulario, en una función de transferencia a lazo cerrado
críticamente amortiguado. Una serie de procesos químicos importantes tienen un
orden relativo de 1; este enfoque producirá una frontera en el circuito cerrado de
respuesta para estos procesos.
• Krener (1984) ha desarrollado un enfoque que encuentra una transformación de
coordenadas y estado de realimentación, que se forma un orden K, es un sistema
lineal aproximado donde s y v, son los estados y entradas transformadas.
• Hoo y Kantor (1985) muestran transformaciones de linealización de un modelo
CSTR de dos estados (Uppal et al., 1974) y utilizar el control de asignación de
polos en el sistema de entrada lineal resultante.
• Las soluciones explícitas para la acción de control se obtienen para los sistemas
que son lineales en la variable manipulada.
• Un controlador PI sencillo se utiliza en las variables de insumo-producto lineales.
• Un observador de estado de bucle abierto se utiliza para estimar las variables de
estado no medidos.
• Un modelo no lineal de dos estados sencillo se utiliza para controlar una planta;
el rendimiento de bucle cerrado es significativamente mejor que el control PI.
• IFE se utiliza como la variable manipulada; y la modificación ad hoc mejora el
rendimiento del controlador de linealización de entrada / salida, con el SFAS la
variable manipulada.
• (1989) Se estudia un CSTR con temperatura de la camisa, como la variable
manipulada y muestran que el controlador no lineal que se desarrolla emula la
forma de un controlador PID con parámetros variables.
• Alvarez-Gallegos y Alvarez-Gallegos (1988) utilizan linealización en la ecuación
de estado para el control de los procesos de fermentación continua.
• Con la concentración de biomasa como la variable controlada, sólo la
concentración de alimentación del sustrato se puede utilizar como la variable
manipulada.
• Doyle y Morari (1990) utiliza un enfoque basado en el sector cónica para
sintetizar de forma robusta (estabilidad y rendimiento) controladores, utilizando
linealización en la ecuación de estado, linealización aproximada y control lineal (P,
PI).
• Las variables controladas y variables manipuladas son la concentración y la
temperatura del refrigerante, respectivamente.
• Si la temperatura es la variable controlada, a continuación, la variable
manipulada debe ser caudal de alimentación del reactor, para que la temperatura
sea lineal se extrae de los estados.
• Se obtienen buenos resultados con la variable manipulada ruido y con errores en
las condiciones iniciales de las variables de estado del modelo.
• El concepto de un controlador que "invierte" un proceso (polos del controlador
anulan los ceros del proceso) está bien establecido en la teoría de control lineal.
• Kravaris y Daoutidis (1990) extienden la idea de sistema lineal de colocación de
polos del controlador en el reflejo del proceso de avión a sistemas no lineales;
este enfoque se limita a sistemas de segundo orden.
• Se obtiene convergencia a un estado de equilibrio entre una amplia variedad de
condiciones iniciales; sin embargo, el control de retroalimentación proporcional de
las variables transformadas conduce a compensar en las variables físicas.
• Alsop y Edgar (1990) utilizan un enfoque aproximado de linealización y un bajo
orden, no lineal, el modelo de MIMO de una columna de destilación para el control
de un modelo riguroso de la columna.
• El modelo utilizado para fines de control se basa en un modelo agregado de
orden inferior, que se obtiene a partir de un modelo de orden completo utilizando
técnicas de perturbación singular.
• (1987) Utilizan una técnica de estimación bilineal para un modelo no lineal
destilación, agregando un orden inferior y desarrollan una ley de control basada
en el trabajo por Isidori (1989) correspondiente a la alteración de
desacoplamiento.
• (1990) Utilizan linealizaciones de ecuaciones de estado (basado en una
transformación de realimentación de estado perturbación-dependiente) para
controlar una polimerización por radicales libres CSTR.
• El esquema de control multivariable se justificaba porque el control no lineal de
temperatura por sí sola no garantiza la estabilidad en lazo cerrado.
• Daoutidis y Kravaris (199Oa) desarrollar estructuras de control de
retroalimentación de salida para los procesos no lineales de fase mínima.
• Este documento ofrece una clara interpretación geométrica diferencial no lineal
de control de modelo interno, con un mínimo, y no hay realizaciones inversas de
proceso mínimo.
Enfoque geométrico para el Control de Feedback óptima. • (1990) Desarrollan un enfoque geométrico para sintetizar las leyes de control de
realimentación del estado para el seguimiento de arcos singulares en problemas
de control óptimo.
• Dado que estas técnicas se basan en las transformaciones del Estado y de
entrada de control, todos los estados deben ser medidos o estimados.
• Una desventaja al enfoque de linealización en la ecuación de estado es que las
especificaciones de rendimiento no pueden expresarse fácilmente en términos de
las variables de proceso originales.
• En general, un buen control de las variables transformadas, no asegura que las
variables de proceso originales serán adecuadamente controladas.
• La síntesis del sistema de referencia (RSS) es una de las técnicas que utilizan
un modelo del proceso y una respuesta de proceso deseada para determinar una
ley de control de realimentación.
• Si el proceso es lineal de entrada, y luego una solución explícita de la variable
manipulada surge; si el proceso es no lineal en la entrada, entonces se obtiene
generalmente una solución implícita.
• (1989) Han mostrado ejemplos de RSS para ambos procesos lineales y no
lineales, con respuestas lineales y no lineales.
• El controlador RSS tenía mucho mejores respuestas a los grandes cambios del
punto de ajuste de temperatura, en comparación con un controlador lineal.
• Su análisis muestra que el predictor Smith asume que el modelo presente de
ajuste sigue siendo el mismo para las unidades td de tiempo en el futuro, mientras
que el controlador RSS utiliza la dinámica del proceso, de traducir el modelo de
falta de coincidencia en el futuro.
• En otro caso, se controla un subconjunto de las variables de estado, lo que
resulta en un sistema de control cuadrado.
• Un proceso no lineal bastante simple, de un solo estado es considerado como
un ejemplo de control no lineal.
• (1989) Muestran que los modelos de estado de equilibrio no lineal combinados
con las dinámicas aproximadas, se pueden utilizar con eficacia para el control no
lineal utilizando GMC.
• Riggs y Rhinehart (1988) comparan un enfoque GMC (control basado en modelo
de proceso, PMBC) y no lineal IMC para un reactor de tanque agitado continuo
exotérmico (CSTR) y afirman que PMBC es más robusto.
• El sistema de control no lineal se comparó con el control en tiempo óptimo.
• (1990) Extienden este enfoque para manejar un proceso de pH (que tiene una
ecuación de salida implícita no lineal).
• Al igual que otros enfoques de modelo inversas, RSS produce un controlador
inestable cuando la planta tiene ceros en el semiplano derecho.
• (1990b) Amplían este enfoque para manejar los controladores no lineales
(diseñados utilizando linealización aproximada), utilizando de nuevo el ejemplo de
intercambio de calor.
XI. Enfoques control predictivo • Durante la última década, ha habido un uso creciente de las técnicas del modelo
de control predictivo lineal (LMPC).
• DMC se basa en la selección de un conjunto de L movimientos futuros variables
manipulados (horizonte de control); para minimizar una función objetivo basada
en una suma de los cuadrados de las diferencias entre las salidas del modelo
predicho y una trayectoria variable de salida deseada sobre un horizonte de
predicción, R, como se muestra en la Figura 5. Aunque la optimización de DMC
se lleva a cabo para una secuencia de control de futuro, se mueve, sólo el
próximo movimiento de control se implementa.
• Trastornos de la incertidumbre del modelo y de proceso son manejados por el
cálculo de una perturbación aditiva como la diferencia entre la medición del
proceso y la predicción del modelo en el paso de tiempo actual.
• Cuadrar el control matricial dinámico (QDMC) (García y Morshedi, 1986), fue
desarrollado para incorporar explícitamente restricciones del proceso, tanto en las
variables manipuladas y las salidas de proceso.
• Una extensión directa de los métodos de control predictivo basado en modelo
lineal se produce cuando se utiliza un modelo de proceso dinámico no lineal, en
lugar de un modelo de convolución lineal.
• El objetivo del control predictivo no lineal (NLPC) es para seleccionar un
conjunto de movimientos de control futuros (horizonte de control) con el fin de
minimizar una función basada en una trayectoria de salida deseada en un
horizonte de predicción, como se muestra es la figura anterior.
• Dado que muchas de las variables de estado son no medidas, una decisión
debe ser tomada por las condiciones iniciales adecuadas para las variables de
estado al inicio del horizonte de predicción.
• Para los sistemas inestables en lazo abierto, normalmente se debe utilizar un
procedimiento de identificación-variable de estado (explícita o implícitamente), de
modo que las variables de estado modelo, no difieren significativamente de las
variables de estado reales.
• Mala respuesta dinámica y offset puede ocurrir si se miden y se utilizan como
condiciones iniciales con planta / modelo, desajuste de todas las variables de
estado en estado estacionario.
• (1989a) Se aplica una técnica de control predictivo no lineal en general a un
proceso de electrometalurgia, que tiene un tiempo de muestreo de largo (2,7 h).
• Este enfoque solución resulta en más variables de decisión ya que los valores
de las variables de estado en cada punto de la función de proximidad se incluyen
como variables de decisión.
• García (1984) utiliza un modelo no lineal para tener en cuenta el efecto de
control anterior, se utiliza más una linealización del modelo, para la optimización
del control de futuros movimientos.
• (1990) Utilizan un modelo lineal para determinar una secuencia de control de los
movimientos futuros.
• Estos movimientos futuros se implementan en un modelo no lineal del proceso,
que generalmente dará resultados diferentes que la predicción del modelo lineal.
• El modelo lineal se actualiza mediante el uso de la sustitución sucesiva, hasta
que la aproximación de una solución del modelo sea no lineal.
• Este enfoque se aplica a un modelo de polimerización por lotes, tanto con SISO
y control MIMO.
• (1990) Asumen que la dinámica lineal se pueden separar de un modelo de
proceso no lineal discreto y utilizar una estrategia similar a la linealización,
ecuación de estado (Hunt et al., 1983) para proporcionar una transformación
exacta del modelo no lineal a un modelo lineal.
• Una formulación similar a la de control de matriz dinámica se utiliza entonces
para el control predictivo no lineal.
• Muestran que este enfoque de control predictivo no lineal adaptativo supera el
control adaptativo predictivo lineal, control PI, y su no adaptación, la estrategia de
control predictivo no lineal en un ejemplo CSTR.
Un enfoque de programación no lineal para proceso de identificación. • La planta / modelo desajuste puede ser debido a un número de factores,
incluyendo: parámetros inciertos, variables de estado desconocido,
perturbaciones no medidas que influyen en el proceso de error, en la estructura
del modelo de proceso (orden o el tipo de modelo diferente), y ruido de medición.
• La programación no lineal proporciona una formulación natural para
identificación del proceso si se utiliza el control predictivo no lineal.
• El objetivo del enfoque basado en la optimización es minimizar una medida de
coincidencia del modelo / planta en un horizonte de estimación, mediante el uso
de parámetros de proceso, variables de estado no medidas y cargas como
variables de decisión.
• Para obtener una medición única de salida, la función objetivo puede expresarse
como donde las variables de decisión son las variables no medidas estables, al
inicio del horizonte de estimación, los parámetros estimados, y las cargas sobre el
horizonte.
(1985) El control adaptativo predictivo. • Li y Biegler (1990) utilizan el código de la estimación de parámetros GREG
(Caraecoteios y Stewart, 1985), en relación con su enfoque no lineal de múltiples
etapas (Li y Biegler, 1989) para controlar los procesos químicos inciertos.
• Un algoritmo de control predictivo se utiliza para añadir el componente B para el
control de punto final, sin añadir el exceso de B. Un promedio de reducción del
30-40% en el tiempo de proceso por lotes se obtiene, en comparación con el
control de corriente en bucle abierto por el operador del proceso.
• Un controlador proporcional se utiliza como el bucle interior de una estrategia de
control en cascada para estabilizar el proceso (Biegler, 1990).
• Aunque no se menciona en su artículo, Brengel y Seider realizar la estimación
de estado variable implícita y miden ambas variables de estado.
• Li y Biegler (1989) incorporan tiempo muerto en su enfoque de múltiples pasos
para el control no lineal y utilizan un ejemplo CSTR con tiempo muerto entre las
variables de estado.
• Zafiriou (1990) utiliza la teoría de operador (principio Contracción) para estudiar
las propiedades de robustez en el modelo lineal, controladores predictivos sujetos
a restricciones de entrada y de salida (las restricciones "duras" hacen que el
controlador predictivo sea no lineal).
Relación entre Control lineal inferencial y la NLPC. • Los mismos resultados se obtuvieron a partir de la técnica de estimación de
Bequette (1990,1991) si se utilizó un horizonte de estimación de un solo paso, y si
las variables de estado no medidos en el modelo fueron meramente integrados en
el tiempo en lugar de ser estimado en cada paso de tiempo.
Resumen de Control Predictivo Enfoques. • Enfoques de control predictivo no lineal parecen manejar muchas más de las
características del proceso común, que las otras técnicas de control no lineal.
• Son extensiones de técnicas predictivas (modelo lineal) que se han aplicado con
éxito a una serie de problemas de control multivariable en la industria durante la
última década.
• A pesar de que el objetivo de este trabajo es revisar las técnicas de control de
retroalimentación no lineales, hay algunas técnicas de lazo abierto no lineales
dignas de mención.
• Bruns y Bailey (1975) utilizan controladores "push-pull" para controlar un sistema
no lineal de un solo estado cerca de un punto de funcionamiento inestable en lazo
abierto.
• Bruns y Bailey (1977) extienden esta técnica a un modelo CSTR-tw de estado
variable de la variable manipulada, la temperatura del refrigerante y la variable
controlada es la temperatura del reactor.
• Alvarez-Gallegos y Alvarez-Gallegos (1982) han aplicado un control óptimo de
procesos multivariables de entrada lineal discretas a un proceso de fermentación.
• (1989) Desarrollan un enfoque de diseño basado en la robustez de los modelos
de procesos bilineal.
• Lu y Holt (1990) utilizan un procedimiento de optimización mínimo-máximo para
encontrar el control óptimo para un proceso discreto, no lineal.
• Agarwal y Seborg (1987a) han ampliado las estrategias de control de auto-ajuste
lineal SISO para sistemas SISO no lineales discretos.
• Wong y Seborg (1986a, b) desarrollar un modelo no lineal de orden inferior de
una columna de destilación, encontrando, que correlacionan el proceso ganancia
y constantes de tiempo en función de los insumos y de los estados.
• Un enfoque similar para el desarrollo de un modelo no lineal de bajo orden ha
sido utilizado por Alsop (1987) en el control de la columna de destilación usando
técnicas geométricas diferenciales.
• La ventaja obvia de este enfoque es que no se necesitan modelos de espacio de
estado no lineales complejas, ya que los modelos no lineales de bajo orden se
construyen a partir comportamiento de la entrada-salida de la planta.
• Manousiouthakis (1990) ha utilizado un enfoque de teoría de juegos a la robusta
síntesis controlador que es aplicable a sistemas no lineales por igual lineales.
• Manousiouthakis sugiere que, para los sistemas lineales, la brecha entre las dos
medidas (minimax a maximin) para el control lineal proporciona una gama para
cualquier mejora que el control no lineal puede ofrecer más de control lineal.
• Daoutidis y Kravaris (1990b) desarrollar un enfoque para evaluar las
configuraciones de control alternativas para procesos químicos.
XIV. Resumen de Control de Procesos Químicos No Lineales • Técnicas para el control de procesos químicos no lineales han sido revisados,
desde las estrategias iniciales que implican modificaciones de hardware simples
en la década de 1950 hasta los últimos enfoques de control predictivo basado en
la programación no lineal.
• Basado en programación-lineal (de control predictivo no lineal), técnicas parecen
manejar la mayoría de las características del proceso químico común. De
particular importancia es la habilidad de manejo restricción explícita.
• Por el contrario, los investigadores de control de procesos químicos estaban
utilizando directamente las técnicas de control desarrolladas en otros campos,
donde los problemas de control fueron significativamente diferentes de problemas
de procesos químicos.
• Esto ya no es una crítica válida de control de procesos químicos en general, ya
que muchas de las técnicas más exitosas (como el control predictivo basado en
modelos) fueron desarrollados por investigadores en el control de procesos
químicos.
• Los investigadores en el control del proceso químico no lineal no se limita a
traducir los resultados de otros campos para procesar los problemas de control.
• Estos enfoques pueden ser considerados una malla entre los campos de
optimización y simulación, sino que representan un enfoque práctico para el
manejo de los problemas de control de procesos químicos comunes.
• También es importante que una estrategia de control no lineal particular, sea
comparado con otras estrategias no lineales; es aún más importante que las
técnicas no lineales pueden comparar (bastante) con las mejores técnicas
disponibles sistema lineal.
• Para una comparación justa, los controladores lineales deben tener acceso a las
mismas medidas utilizadas por los controladores no lineales.
• Por ejemplo, la comparación de un controlador no lineal que tiene mediciones de
temperatura y composición, con un controlador lineal con mediciones de solo
temperatura es muy justo.
• Se han realizado una serie de trabajos en la literatura que comparan control no
lineal multivariable, con control lineal descentralizada (SISO-PI); parece que, en
muchos casos, una estrategia lineal multivariable tendría un rendimiento
adecuado.
• Hay una gran necesidad de construir una "caja de herramientas" de los modelos
de procesos químicos no lineales que son más complejos, o se componen de una
serie de modelos simples.
• La mayor parte de las técnicas de controladores no lineales asumen que todas
las variables de estado se miden o se han estimado.
• Cualquier modelo (ya sea lineal o no lineal) es una representación simplificada
del proceso real.
• Existe una necesidad de herramientas de detección rápidas (similar a la RGA
para sistemas lineales) para determinar si vale la pena el rigor para desarrollar
una estrategia de control no lineal para un proceso en particular.
• Una capa de supervisión será necesaria para determinar si la información del
proceso se dispone de suficiente, para verificar que el modelo no lineal es lo
suficientemente precisa como para fines de control.
• Tal vez un enfoque de sistema experto debe utilizarse para cambiar entre el
control de bucle abierto lineal, y algoritmos no lineales.
• La mayoría de las técnicas del sistema de control no lineales tienen una meta de
obtener un sistema lineal.
• Si se utilizan transformaciones de variables, el objetivo es la obtención de un
sistema lineal transformado y luego utilizando técnicas de diseño de sistemas de
control lineal.