5.2.1 Continuous Control SystemsIn continuous control, the usual objective is to maintain the value of an output variable at a desired level, similar to the operation of a feedback control system as defined in the previous chapter (Section 4.1.3). However, most continuous processes in the practical world consist of many separate feedback loops, all of which have to be controlled and coordinated to maintain the output variable at the desired value. Examples of continuous processes are the following:Control of the output of a chemical reaction that depends on temperature, pressure, and input flow rates of several reactants. All of these variables and/or parameters are continuous.Control of the position of a work part relative to a cutting tool in a contour milling operation in which complex curved surfaces are generated. The position of the part is defined by x-, y-, and z- coordinate values. As the part moves, the .v, v, and z values can be considered as continuous variables and/or parameters that change over time to machine the part.There are several ways to achieve the control objective in a continuous process control system. In the following paragraphs, we survey the most prominent categories. Regulatory Control. In regulatory control, the objective is to maintain process performance at a certain level or within a given tolerance band of that level. This is appropriate, for example, when the performance attribute is some measure of product quality, and it is important to keep the quality at the specified level or within a specified range. In many applications, the performance measure of the process, sometimes called the index of performance, must be calculated based on several output variables of the process. Except for this feature, regulatory control is to the overall process what feedback control is to an individual control loop in the process, as suggested by Figure 5.2.The trouble with regulatory control (and also with a simple feedback control loop) is that compensating action is taken only after a disturbance has affected the process out-put. An error must be present for any control action to be taken. The presence of an error means that the output of the process is different from the desired value. The following control mode, feed forward control, addresses this issue.

Feed forward Control. The strategy in feed forward control is to anticipate the effect of disturbances that will upset the process by sensing them and compensating for them before they can affect the process. As shown in Figure 5.3, the feed forward control elements sense the presence of a disturbance and take corrective action by adjusting a process parameter that compensates for any effect the disturbance will have on the process. In the ideal case, the compensation is completely effective. However, complete compensation is unlikely because of imperfections in the feedback measurements, actuator operations, and control algorithms, so feed forward control is usually combined with feedback control, as shown in our figure. Regulatory and feed forward controls are more closely associated with the process industries than with discrete product manufacturing.Steady-State Optimization. This term refers to a class of optimization techniques in which the process exhibits the following characteristics: (1) there is a well-defined index of performance, such as product cost, production rate, or process yield; (2) the relationship between the process variables and the index of performance is known; and (3) the values of the system parameters that optimize the index of performance can be determined mathematically. When these characteristics apply, the control algorithm is designed to make adjustments in the process parameters to drive the process toward optimal state. The control system is open loop, as seen in Figure 5.4. Several mathematical techniques are available for solving steady-state optimal control problems, including differential calculus, calculus of variations, and various mathematical programming methods.

Adaptive Control. Steady-state optimal control operates as an open loop system. II works successfully when there are no disturbances that invalidate the known relationship between process parameters and process performance. When such disturbances are present in the application, a self-correcting form of optimal control can be used, called adaptive control. Adaptive control combines feedback control and optimal control by measuring the relevant process variables during operation (as in feedback control) and using a control algorithm that attempts to optimize some index of performance (as in optimal control).

Adaptive control is distinguished from feedback control and steady state optimal control by its unique capability to cope with a time-varying environment. It is not unusual for a system to operate in an environment that changes over time and for the changes to have a potential effect on system performance. If the internal parameters or mechanisms of the system are fixed, as in feedback control or optimal control, the system may perform quite differently in one type of environment than in another. An adaptive control system is designed to compensate for its changing environment by monitoring its own performance and altering some aspect of its control mechanism to achieve optimal or near-optimal performance. In a production process, the "time-varying environment consists of the variations in processing variables, raw materials, tooling, atmospheric conditions, and the like, any of which may affect performance.The general configuration of an adaptive control system is illustrated in Figure 5.5. To evaluate its performance and respond accordingly, an adaptive control system performs three functions, as shown in the figure: 1. Identification function. In this function, the current value of the index of performance of the system is determined, based on measurements collected from the process. Since the environment changes over time, system performance also changes. Accordingly, the identification function must be accomplished more or less continuously over time during system operation.

2.Decision function. Once system performance has been determined, the next function is to decide what changes should be made to improve performance. The decision function is implemented by means of the adaptive system's programmed algorithm. Depending on this algorithm, the decision may be to change one or more input parameters to the process, to alter some of the internal parameters of the controller, or to make other changes.3.Modification function. The third function of adaptive control is to implement the decision. Whereas decision is a logic function, modification is concerned with physical changes in the system. It involves hardware rather than software. In modification, the system parameters or process inputs are altered using available actuators to drive the system toward a more optimal state.Adaptive control is most applicable at levels 2 and 3 in our automation hierarchy (Table 5.2). Adaptive control has been the subject of research and development for several decades; it was originally motivated by problems of high-speed flight control in the age of jet aircraft. The principles have been applied in other areas as well, including manufacturing. One notable example is adaptive control machining, in which changes in process variables such as cutting force, power, and vibration are used to effect control over process parameters such as cutting speed and feed rate.On-Line Search Strategies. On-line search strategies can be used to address a special class of adaptive control problem in which the decision function cannot be sufficiently defined; that is, the relationship between the input parameters and the index of performance is not known, or not known well enough to use adaptive control as previously described. Therefore, it is not possible to decide on the changes in the internal parameters of the system to produce the desired performance improvement. Instead, experiments must be performed on the process. Small systematic changes are made in the input parameters of the process to observe the effect of these changes on the output variables. Based on the results of these experiments, larger changes are made in the input parameters to drive the process toward improved performance.

5.2.1 Sistemas de Control ContinuoEn el control continuo, el objetivo habitual es la de mantener el valor de una variable de salida a un nivel deseado, similar a la operacin de un sistema de control de realimentacin como se define en el captulo anterior (Seccin 4.1.3). Sin embargo, la mayora de los procesos continuos en el mundo prctico consisten de muchos bucles de realimentacin separada, todos los cuales tienen que ser controlada y coordinada para mantener la variable de salida en el valor deseado. Ejemplos de procesos continuos son los siguientes: Control de la produccin de una reaccin qumica que depende de la temperatura, la presin y las tasas de flujo de entrada de varios reactivos. Todas estas variables y / o parmetros son continuas. Control de la posicin de una pieza de trabajo con relacin a una herramienta de corte en una operacin de fresado del contorno en el que se generan superficies curvas complejas. La posicin de la parte se define por x-, y-, y z- valores de coordenadas. Como los movimientos de piezas, el .v, v, y los valores Z puede ser considerado como variables y / o parmetros continuos que cambian con el tiempo para mecanizar la pieza.Hay varias maneras de lograr el objetivo de control en un sistema de control de proceso continuo. En los prrafos siguientes, examinamos las categoras ms importantes.Control reglamentario. En el control reglamentario, el objetivo es mantener el rendimiento del proceso a un nivel determinado o dentro de una banda de tolerancia determinado de ese nivel. Esto es apropiado, por ejemplo, cuando el atributo de rendimiento es alguna medida de la calidad del producto, y es importante para mantener la calidad en el nivel especificado o dentro de un rango especificado. En muchas aplicaciones, la medida de la ejecucin del proceso, a veces llamado el ndice de rendimiento, debe calcularse sobre la base de varias variables de salida del proceso. Excepto para esta funcin, el control regulador es el proceso general de lo que el control de realimentacin es un bucle de control individual en el proceso, como se sugiere en la Figura 5.2.El problema con el control reglamentario (y tambin con un simple lazo de control de retroalimentacin) es que la accin de compensacin slo se toma despus de una perturbacin ha afectado el proceso hacia fuera puesto. Un error debe estar presente para cualquier accin de control que deban tomarse.La presencia de un error significa que la salida del proceso es diferente del valor deseado. El modo de control siguiente, control de alimentacin directa, aborda esta cuestin.

Control de la alimentacin hacia adelante. La estrategia de control de avance de alimentacin es de anticipar el efecto de las perturbaciones que alterar el proceso mediante la deteccin de ellos y compensar antes de que puedan afectar el proceso. Como se muestra en la Figura 5.3, los elementos de control de alimentacin directa detectan la presencia de una perturbacin y tomar medidas correctivas mediante el ajuste de un parmetro de proceso que compensa cualquier efecto de la perturbacin tendr en el proceso. En el caso ideal, la compensacin es completamente efectiva. Sin embargo, es poco probable compensacin completa debido a las imperfecciones en las mediciones de retroalimentacin, las operaciones de accionamiento, y algoritmos de control, as que el control de alimentacin hacia adelante normalmente se combina con control de realimentacin, como se muestra en nuestra figura. Controles de regulacin y la alimentacin de avance estn ms estrechamente relacionados con las industrias de proceso que con la fabricacin de productos discreta.Optimizacin en estado estable. Este trmino se refiere a una clase de tcnicas de optimizacin en el que el proceso presenta las siguientes caractersticas: (1) existe un ndice bien definido de rendimiento, tales como el costo del producto, tasa de produccin o rendimiento del proceso; (2) la relacin entre las variables de proceso y el ndice de rendimiento se conoce; y (3) los valores de los parmetros del sistema que optimizan el ndice de rendimiento se pueden determinar matemticamente. Cuando se aplican estas caractersticas, el algoritmo de control est diseado para hacer ajustes en los parmetros del proceso para conducir el proceso hacia estado ptimo. El sistema de control es de circuito abierto, como se ve en la Figura 5.4. Varias tcnicas matemticas estn disponibles para la solucin de problemas de control ptimo de estado estacionario, incluyendo el clculo diferencial, clculo de variaciones, y diversos mtodos de programacin matemtica.

Control Adaptativo. Control ptimo estado estacionario funciona como un sistema de lazo abierto. II funciona con xito cuando no hay perturbaciones que invalidan la conocida relacin entre los parmetros de proceso y el rendimiento del proceso. Cuando tales alteraciones estn presentes en la aplicacin, una forma de auto-correccin de control ptimo se puede utilizar, llamado control adaptativo. El control adaptativo combina control de realimentacin y control ptimo mediante la medicin de las variables de proceso pertinentes durante el funcionamiento (como en el control de realimentacin) y usando un algoritmo de control que intenta optimizar algn ndice de rendimiento (como en un control ptimo).El control adaptativo se distingue de control de realimentacin y control ptimo estado estacionario por su capacidad nica para hacer frente a un entorno variable en el tiempo. No es raro que un sistema funcione en un entorno que cambia con el tiempo y para que los cambios tengan un efecto potencial sobre el rendimiento del sistema. Si se fijan los parmetros internos o mecanismos del sistema, como en control de realimentacin o de control ptimo, el sistema puede realizar de manera muy diferente en un tipo de medio ambiente que en otro. Un sistema de control adaptativo est diseado para compensar su entorno cambiante de seguimiento de su propio rendimiento y la alteracin de algn aspecto de su mecanismo de control para lograr un rendimiento ptimo o casi ptimo. En un proceso de produccin, el "ambiente variable en el tiempo" se compone de las variaciones en las variables de proceso, materias primas, herramientas, condiciones atmosfricas, y similares, cualquiera de los cuales pueden afectar el rendimiento.La configuracin general de un sistema de control adaptativo se ilustra en la Figura 5.5. Para evaluar su rendimiento y responder en consecuencia, un sistema de control adaptativo realiza tres funciones, como se muestra en la figura:1. Funcin de identificacin. En esta funcin, el valor actual del ndice de rendimiento del sistema se determina, basndose en mediciones recogidos del proceso. Desde el medio ambiente cambia con el tiempo, el rendimiento del sistema tambin cambia. En consecuencia, la funcin de identificacin debe llevarse a cabo ms o menos continuamente con el tiempo durante el funcionamiento del sistema.

2. Funcin de decisin. Una vez que el rendimiento del sistema se ha determinado, la siguiente funcin es decidir qu cambios deben hacerse para mejorar el rendimiento. La funcin de decisin se implementa por medio de los sistemas adaptativos algoritmo programadas. En funcin de este algoritmo, la decisin puede ser para cambiar uno o ms parmetros de entrada en el proceso, para modificar algunos de los parmetros internos del controlador, o para hacer otros cambios.3. Funcin de modificacin. La tercera funcin de control adaptativo es poner en prctica la decisin. Mientras que la decisin es una funcin lgica, la modificacin tiene que ver con los cambios fsicos en el sistema. Se trata de hardware en lugar de software. En la modificacin, los parmetros del sistema o entradas del proceso se alteran usando los actuadores disponibles para conducir el sistema hacia un estado ms ptimo.Control adaptativo es ms aplicable en los niveles 2 y 3 en nuestra jerarqua de automatizacin (Tabla 5.2). Control adaptativo ha sido objeto de investigacin y desarrollo durante varias dcadas; fue motivada originalmente por problemas de control de vuelo de alta velocidad en la era de los aviones a reaccin. Los principios se han aplicado en otras reas, incluyendo la fabricacin. Un ejemplo notable es el mecanizado de control adaptativo, en que los cambios en las variables de proceso, tales como la fuerza de corte, el poder, y la vibracin se utilizan para llevar a cabo el control de los parmetros del proceso, tales como velocidad de corte y la velocidad de avance.Estrategias de bsqueda en lnea. Estrategias de bsqueda en lnea se pueden utilizar para hacer frente a una clase especial de problema de control adaptativo en el que la funcin de decisin no puede ser suficientemente definido; es decir, la relacin entre los parmetros de entrada y el ndice de rendimiento no se conoce o no se conoce suficientemente bien como para utilizar el control adaptativo como se describi anteriormente. Por lo tanto, no es posible decidir sobre los cambios en los parmetros internos del sistema para producir la mejora del rendimiento deseado. En su lugar, los experimentos deben realizarse en el proceso. Cambios sistemticos pequeos se hacen en los parmetros de entrada del proceso para observar el efecto de estos cambios en las variables de salida. Basndose en los resultados de estos experimentos, los cambios ms grandes se hacen en los parmetros de entrada para conducir el proceso hacia la mejora de rendimiento.

10