Procesos Multivariables
Transcript of Procesos Multivariables
Outline
InteracciónControl de procesos multivariables usando
lazos de control simplesRGAEmparejamiento de lazosControl por desacoplo
Prof. Cesar de Prada ISA-UVA 2
Interacción
Prof. Cesar de Prada ISA-UVA 3
Estos coches
• ¿Se pueden controlar independientemente?
• ¿Existe interacción entre ellos?
Un ejemplo
Interacción
Prof. Cesar de Prada ISA-UVA 4
Unidos por un muelle
Estos coches
• ¿Se pueden controlar independientemente?
• ¿Existe interacción entre ellos?
Interacción
Prof. Cesar de Prada ISA-UVA 5
Barra rígida
Estos coches
• ¿Se pueden controlar independientemente?
• ¿Existe interacción entre ellos?
Prof. Cesar de Prada ISA-UVA 6
Reactor
Reactor
TT
T
CoolantProduct
Interacción entrada / salida entre las variables
Interacción en lazo abierto / No necesariamente igual a la interacción en lazo cerrado
uReactant
AT
ComposiciónTemperatura
Sistemas MIMO (Multi Input Multi Output)
Prof. Cesar de Prada ISA-UVA 7
u1
u2
y1
y2
y3
=
)s(U)s(U
)s(G)s(G)s(G)s(G)s(G)s(G
)s(Y)s(Y)s(Y
2
1
3231
2221
1211
3
2
1Interacción
Direcciones de ganancia
Prof. Cesar de Prada ISA-UVA 8
Grados de libertad
¿Como determinar el número de variables que se pueden controlar sin error en un proceso?
¿Como formar lazos de control?
v1
Hot Oil
v2
v3
L1
v7
v5 v6
Hot Oil
F1 T1 T3
T2
F2
T4T5
F3 T6
T8
F4
L1
v8
T7
P1F5
F6T9
Prof. Cesar de Prada ISA-UVA 9
Grados de libertad
Un requisito básico :
Número de válvulas (actuadores) ≥ número de variables controladas
v1
Hot Oil
v2
v3
L1
v7
v5 v6
Hot Oil
F1 T1 T3
T2
F2
T4T5
F3 T6
T8
F4
L1
v8
T7
P1F5
F6T9
Esta es una condición necesaria para satisfacer los objetivos de control, pero no suficiente!
Prof. Cesar de Prada ISA-UVA 10
CONTROLABILIDAD
Se dice que un proceso es controlable, si las variables controladas pueden mantenerse en estado
estacionario en sus valores de consigna, a pesar de las perturbaciones que puedan afectar al proceso.
Matemáticamente, un proceso es controlable si la matriz de ganancia del mismo puede invertirse, esto es, si su determinante K ≠ 0.
DKK
MVMV
KKKK
CVCV
2d
1d
2
1
2221
1211
2
1
+
=
Modelo de un proceso 2x2
Controlabilidad
Prof. Cesar de Prada ISA-UVA 11
FA, xA
FS, xAS = 0FM, xAM
SssAs
AAA
ssAs
AAAM
SA
AAAM
SAMSAM
FFFxFF
FFFxx
FFxFx
FFFFFF
∆
+
−+∆
+
−=∆⇒
+=
∆+∆=∆⇒+=
22 )()()1(
En el proceso de mezclado
• Son controlables de forma independiente FM, xAM?
• Existe interacción en el proceso?
Prof. Cesar de Prada ISA-UVA 12
FA, xA
FS, xAS = 0FM, xAM
0)()(
)1()(
)( 222 ≠+−
=+−
−+
−=
SA
A
SA
AA
SA
AA
FFF
FFxF
FFxFKDet
Sí, este sistema es controlable!
¿Sería controlable el sistema si xAS es distinto de cero?
∆∆
+
−
+
−=
∆∆
S
A
ssAs
AA
ssAs
AA
AM
M
FF
FFxF
FFFx
xF
22 )()()1(
11
Interacción
Prof. Cesar de Prada ISA-UVA 13
G11
G21
G12
G22u2
u1y1
y2
=
=
)s(U)s(U
)s(G)s(G)s(G)s(G
)s(Y)s(Y
2
1
2221
1211
2
1
Lazo abierto
Interacción
Prof. Cesar de Prada ISA-UVA 14
G11
G21
G12
G22u2
u1
y1
y2
R1
R2
w1
w2
Control con controladores SISO R
Lazo cerrado
Prof. Cesar de Prada ISA-UVA 15
G11
G21
G12
G22u2
u1
y1
y2
R1
R2
w1
w2
)yw(RG)yw(RGuGuGy
)yw(RG)yw(RGuGuGy
2222211121
2221212
2221211111
2121111
−+−==+=
−+−==+=
2222
22211
222
1212
22111
2121
111
1111
wRG1
RG)yw(RG1
RGy
)yw(RG1
RGwRG1
RGy
++−
+=
−+
++
=
Interacción
Prof. Cesar de Prada ISA-UVA 16
2121212222111
2121
121212222111
1212122221111
2222
22211
222
1212
111
2121
111
1111
wRGRG)RG1)(RG1(
RGwRGRG)RG1)(RG1(
RGRG)RG1(RGy
)wRG1
RG)yw(RG1
RGw(RG1
RGwRG1
RGy
−+++
−++−+
=
+−−
+−
++
+=
G11
G21
G12
G22u2
u1
y1
y2
R1
R2
w1
w2
2222
22211
222
1212
22111
2121
111
1111
wRG1
RG)yw(RG1
RGy
)yw(RG1
RGwRG1
RGy
++−
+=
−+
++
=
Interacción (Lazo 1)
Prof. Cesar de Prada ISA-UVA 17
2121212222111
2121
121212222111
1212122221111 w
RGRG)RG1)(RG1(RGw
RGRG)RG1)(RG1(RGRG)RG1(RGy
−+++
−++−+
=
G11
G21
G12
G22u2
u1
y1
y2
R1
R2
w1
w2
w1 y w2 influyen en y1
Si G12 ó G21 son = 0 no hay cambio de dinámica sobre un sistema SISO u1 --- y1
Si R2 pasa a manual se modifica la dinámica del lazo 1
2222111
2121
111
1111 w
)RG1)(RG1(RGw
)RG1(RGy
+++
+= 1
111
1111 w
)RG1(RGy
+=
Prof. Cesar de Prada ISA-UVA 18
Interacción
TT
u1
q T
Condensado
Fv
u2
FT
u2
u1 Tq
Prof. Cesar de Prada ISA-UVA 19
Reactor
Reactor
TT
T
RefrigeranteProducto
Interacción entrada salida en ambas variables
Interacción en lazo abierto
uReactante
AT
Prof. Cesar de Prada ISA-UVA 20
Reactor
Reactor
TT
T
RefrigeranteProducto
TC
Interacción entrada salida en ambas variables
Interacción en lazo cerrado
uReactante
AT
AC
Interacción
Medir el grado de interacción ¿Se puede funcionar con lazos simples? En caso afirmativo, ¿Cual es el mejor
emparejamiento de variables entrada-salida?
Prof. Cesar de Prada ISA-UVA 21
u1
u2
y1
y2
Matriz de ganancias estacionarias
Prof. Cesar de Prada ISA-UVA 22
=
2
1
2221
1211
2
1
uu
kkkk
yy
No es una buena medida de interacción:
Depende de las unidades en las que se exprese
No refleja el hecho característico de la interacción multivariable: los cambios en un lazo cuando otros pasan de automático a manual
Matriz de Ganancias Relativas (RGA) Matriz de Bristol
Prof. Cesar de Prada ISA-UVA 23
2221
1211
2
1
21
yy
uu
λλλλ
G
u1
u2
y1
y2
λ11
G
u1
u2
y1
y2
λ11 mide el cambio de ganancia entreu1 e y1 en los experimentos:
im;cteyj
i
jk;cteuj
i
j,i
m
k
uy
uy
≠∀=
≠∀=
∂∂
∂∂
=λ
RGA
Prof. Cesar de Prada ISA-UVA 24
Deseable1j,i =λ
0j,i =λ
∞=λ j,i
Puede emplearse para hacer una adecuada selección de pares entrada-salida para controlar un sistema MIMO escogiendo la mínima interacción en estado estacionario o a una frecuencia dada
cteyj
i
cteuj
i
j,i
uy
uy
=
=
∂∂
∂∂
=λ
0j,i <λ
2.08.0y8.02.0y
uu
2
1
21
Inestabilidad
RGA
Prof. Cesar de Prada ISA-UVA 25
G
u1
u2
y1
y2
λ11
2221212
2121111
ukuk0yukuky
∆+∆==∆∆+∆=∆
21122211
2211
22
21122211
1111
22
21122211
ctey1
1
122
21121111
kkkkkk
kkkkk
k
kkkkk
uy
uk
kkuky
2
−=
−=λ
−=
∆∆
∆−∆=∆
=
21122211
2211
21122211
2112
21122211
2112
21122211
2211
2
1
21
kkkkkk
kkkkkk
kkkkkk
kkkkkk
yy
u u
−−−
−−
−
Columna
Prof. Cesar de Prada ISA-UVA 26
V
L
x1
x2
Muy fuerte interacción con el emparejamiento ( L x1) (V x2)
Inestabilidad asegurada con el emparejamiento ( L x2) (V x1)
−
−9.99,89,89,9
xx
V L
2
1RGA
−−
=35.038.082.099.0
)0(G
%%
%%
RGA
Prof. Cesar de Prada ISA-UVA 27
T1)G(G)G()G(RGA −×=Λ=
=×=Λ
−
=
−=
−
−
4.06.06.04.0
)G(G)G(
1.03.02.04.0
G
4321
G
T1
1
La suma de los elementos de una fila o columna de la RGA es 1
Es independiente del escalado de u e y
Para procesos asimétricos, la inversa puede sustituirse por la pseudoinversa Matlab RGA = G.*pinv(G)’
Prof. Cesar de Prada ISA-UVA 28
−
−
=×=Λ
=
=
−
04.004.1014.005.091.0
yy
)G(G)G(
u u u 0.08-0.140.260.02-0.35-0.46
pinv(G) uuu
5.040132
yy
2
1T1
321
3
2
1
2
1
y1 debe emparejarse con u1
y2 debe emparejarse con u2
RGA
Prof. Cesar de Prada ISA-UVA 29
El unico emparejamiento SISO admisible resulta ser:
y1 ---- u1 y2 ---- u2 y3 ---- u3
con una interacción mayor en el tercer lazo
−−=
40.51.5427.141.10.317.163.45.308.16
G
−−−
−
03.295.008.045.097.041.048.199.050.1
yyy
u u u
3
2
1
321
RGA
Columna de destilación
Prof. Cesar de Prada ISA-UVA 30
1
2
Prof. Cesar de Prada ISA-UVA 31
Experimento en lazo abierto 1
5055
1s60e648.0
1seKG
s7.21
11
sd11
11
11
+=
+τ=
−−
1s7.84e815.0
1seKG
s4.34
21
sd21
21
21
+=
+τ=
−−
1
2
Prof. Cesar de Prada ISA-UVA 32Prof. Cesar de Prada ISA-UVA 32
Experimento en lazo abierto 2
47.953
1s3.54e894.0
1seKG
s6.21
12
sd12
12
12
+−
=+τ
=−−
1s9.41e236.0
1seKG
s61.6
22
sd22
22
22
+−
=+τ
=−−
Prof. Cesar de Prada ISA-UVA 33Prof. Cesar de Prada ISA-UVA 33
Cuidado con los experimentos!
1s8.72e99.0
1seKG
s7.22
11
sd11
11
11
+=
+τ=
−−
Cambio del 2 %
1s65.66e38.0
1seKG
s9.30
21
sd21
21
21
+=
+τ=
−−
En sistemas no –lineales, cambios grandes pueden dar resultados no correctos
5051
Prof. Cesar de Prada ISA-UVA 34
Planificar bien el experimento
1s67.66e82.0
1seKG
s36.22
12
sd12
12
12
+−
=+τ
=−−
1s02.57e35.0
1seKG
s5.4
22
sd22
22
22
+−
=+τ
=−−
47.949
Prof. Cesar de Prada ISA-UVA 35Prof. Cesar de Prada ISA-UVA 35
RGA
−−
=236.0815.0894.0648.0
K
−
−=
265.0265.1265.1265.0
RGA
−
−=
1.91.81.81.9
RGA
−−
=35.038.082.099.0
K
Wrong gain matrix can indicate wrong pairing of variables
Prof. Cesar de Prada ISA-UVA 36
Sintonía: Control de la composición de cabeza con el lazo de impurezas de fondo en manual
IMC tuning λ=50 min. Kp = 2.19, Ti = 70.85 min.
Prof. Cesar de Prada ISA-UVA 37
Sintonía: Control de las impurezas del fondo con el lazo de composición de cabeza en manual
IMC tuning λ=35 min. Kp = -5.47, Ti = 45.2 min.
Interacción entre lazos de control
CONTROLProcess 1
INTERACT 12PV1
response toCO2
INTERACT 21PV2
response toCO1
CONTROLProcess 2
PROCESS 11PV1
response toCO1
PROCESS 22PV2
response toCO2
+- ++
+- ++
1y
2y
1setpointy
2setpointy
1u
2u
Prof. Cesar de Prada ISA-UVA 38
Prof. Cesar de Prada ISA-UVA 39
Cambio del lazo de impurezas de fondode manual a automatico
La dinámica del lazo de composición de cabeza cambia mucho, al igual que la del fondo
Prof. Cesar de Prada ISA-UVA 40
Cambio del lazo de composición de cabeza de manual a automático
La dinámica del lazo de impurezas de fondo cambia mucho, al igual que la de la cabeza
Proceso de mezcla
Prof. Cesar de Prada ISA-UVA 41
Balance caudal:AT FT
F , x
F1 , x1
F2 , x2
u1
u221 FFF +=
Balance de Composición
2211 x Fx Fx F +=
2ss
221
2111
ss2
21
212
2221
221122112
21
2211121
2121
2211
F)F F(
)xx( FF)F F(
)xx(Fx
F)F F(
)x Fx F(x)F F(F)F F(
)x Fx F(x)F F(x
FFF F Fx Fx Fx
∆+−
−∆+−
=∆
∆+
+−++∆
++−+
=∆
∆+∆=∆++
=
Linearización en un cierto punto estacionario
Prof. Cesar de Prada ISA-UVA 42
Proceso de mezcla
∆∆
+−
−+−
=
∆∆
2
1
ss2
21
211
ss2
21
212
FF
11)F F(
)xx( F)F F(
)xx(F
Fx
Matriz de ganancias estacionarias
Eliminando F2 entre ambas ecuaciones
2
211 xx
xx . F F−−
= 21
2
2
21F,F xx
xx
xxxx
11 −
−=
−−
=λ
2211222121112211121112 xFxFxFxFxFxFFxxFxFFxxFxFFxFx +=++−=+−=⇒−=−
21 FFF += 2211 x Fx Fx F +=
Proceso de mezcla(Cont.)
Prof. Cesar de Prada ISA-UVA 43
La matriz de ganancias relativas RGA es:
¿Cuál es el mejor emparejamiento entre variables manipuladas y controladas? ¿De qué dependerá la respuesta?
1F 2F
F
x
1F 2F
21
2
xxxx
−−
21
1
xxxx
−−
21
1
xxxx
−−
21
2
xxxx
−−
Proceso de mezcla
Prof. Cesar de Prada ISA-UVA 44
Para x = 0.602
F
1F 2F
x
0.67 0.33
0.33 0.67Para x = 0.32
F
1F 2F
x
0.2 0.8
0.8 0.2Suponiendo x1 = 0.8 x2 = 0.2
RGA(jω)
Prof. Cesar de Prada ISA-UVA 45
))j(G(RGA ω
La RGA se formuló originalmente sobre la matriz de ganancias estacionarias, frecuencia 0, pero puede evaluarse y dar información útil a cualquier otra frecuencia
Prof. Cesar de Prada ISA-UVA 46
Dos enfoques alternativos
MULTILOOP vs Centralizado
L
F
T
A
Multiloop: varios controladores PID independientes
Centralizado
L
FT
A
Controlador
Centralizado
Desacoplo
Prof. Cesar de Prada ISA-UVA 47
G
u1 y1
y2
R1
w1
R2
w2u2
D
Encontrar la matriz D, tal que GD se comporte como una matriz diagonal o casi diagonal
Prof. Cesar de Prada ISA-UVA 48
Desacoplo en estado estacionario
G
u1 y1
y2G(0)-1
R1
w1
R2
w2u2
Si D = G(0)-1 , entonces G(s) G(0)-1 es diagonal en estado estacionario de modo que, en reposo, no hay interacción. Fácíl de implementar y calcular, G(0)-1 = inversa de la matriz de ganancias estacionarias.
Estructura de control con desacoplo
Prof. Cesar de Prada ISA-UVA 49
CONTROLProcess 1
CONTROLProcess 2
DECOUPLER 12PV1
decoupled fromCO2
DECOUPLER 21PV2
decoupled fromCO1
+- ++ ++
+- ++ ++
1feedbacku
2feedbacku
1totalu
2totalu
1y
2y
1setpointy
2setpointy
)(12 sD
)(21 sD
)(11 sG
)(21 sG
)(12 sG
)(22 sG
2decoupleu
1decoupleu
PROCESS 11PV1
response toCO1
INTERACT 21PV2
response toCO1
PROCESS 22PV2
response toCO2
INTERACT 12PV1
response toCO2
2x2 Multivariable Decoupling
Requiere 4 modelos dinámicos– Process 11 (como CO1 impacta en PV1)– Interact 12 (como CO2 impacta en PV1)– Interact 21 (como CO1 impacta en PV2)– Process 22 (como CO2 impacta en PV2)
Estos models deben construirse a partir de datos de planta, validados e incluidos en el diseño del controlador.
El desacople de lazos no es una técnica muy empleada industrialmente porque su empleo requiere un esfuerzo significativo de modelado, sintonía y mantenimiento.
Prof. Cesar de Prada ISA-UVA 50
Prof. Cesar de Prada ISA-UVA 51
Interacción, reguladores PI
94.595
Prof. Cesar de Prada ISA-UVA 52
Desacoplo en estadoestacionario
−−
=
−−
=−
−
37.2888.1049.2303.10
35.038.082.099.0
)0(G1
1
G
u1
y1
y2
R1
w1
R2
w2
u2
−−
37.2888.1049.2303.10
Prof. Cesar de Prada ISA-UVA 53
Con matriz de desacoplo en ss
94.595
Prof. Cesar de Prada ISA-UVA 54
2.63
Con matriz de desacoplo en ss
Control multivariable
Prof. Cesar de Prada ISA-UVA 55
G
u1 y1
y2
w1R
w2 u2
El controlador recibe señales de todas las salidas y simultáneamente calcula todas las señales de control teniendo en cuenta la interacción
Control Predictivo multivariable
Prof. Cesar de Prada ISA-UVA 56
ReactorFT
FT
FC
FC
TT AT
MBPC
Temp Conc.
Refrigerante
Producto a tratar
u1u2
DMC, GPC, EPSAC, HITO, PFC,....