Disponible en: http://www.redalyc.org/articulo.oa?

id=223121549007


Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal
Sistema de Informacin Cientfica
Marlen Lorenzo, Alberto Aguado, Hctor J. Garcini
Sistema de control predictivo multivariable para un evaporador cudruple efecto
ICIDCA. Sobre los Derivados de la Caa de Azcar, vol. XL, nm. 1, enero-abril, 2006, pp. 40-53,
Instituto Cubano de Investigaciones de los Derivados de la Caa de Azcar
Cuba
Cmo citar? Fascculo completo Ms informacin del artculo Pgina de la revista
ICIDCA. Sobre los Derivados de la Caa de
Azcar,
ISSN (Versin impresa): 0138-6204
revista@icidca.edu.cu
Instituto Cubano de Investigaciones de los
Derivados de la Caa de Azcar
Cuba
www.redalyc.org
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
ICIDCA No. 1, 2006 40
Marlen Lorenzo
1
, Alberto Aguado
2
, Hctor J. Garcini
3
1. Instituto Cubano de Investigaciones de los Derivados de la Caa de Azcar (ICIDCA)
e.mail: marlen.lorenzo@icidca.edu.cu
2. Instituto Ciberntica Matemtica y Fsica (ICIMAF),
Calle 15 # 551, e/ C y D, Vedado, Habana 4
3. Departamento de Automtica y Computacin, Facultad de Ingeniera Elctrica,
ISPJAE Calle 114 # 11901, Marianao, Ciudad de la Habana
RESUMEN
Se desarrolla una metodologa y los programas necesarios para la aplicacin de contro-
ladores predictivos, segn el mtodo de Controlador de Matriz Dinmica (DMC), al caso
de un evaporador de mltiple efecto, que es un proceso multivariable fuertemente inter-
conectado. Se probaron dos variantes, en ambiente de simulacin: una con seis contro-
ladores monovariables desacoplados y otra con un controlador multivariable nico, obte-
nindose con ambas variantes resultados prometedores, que adems son de fcil aplica-
cin en la prctica. El mtodo DMC es una opcin viable para el control de sistemas mul-
tivariables estables en lazo abierto.
Palabras clave: sistemas multivariables, control predictivo, mtodo de Controlador de
Matriz Dinmica, control de evaporadores.
ABSTRACT
A methodology and the necessary programs are developed for the application of predic-
tive controllers, according to the Dynamic Matrix Controllers method (DMC), to the case
of multivariable systems with strong input-output interrelation. Two variants have been
tried: the first one with six separated SISO controllers and the other with a single MIMO
controller. Promising results have been obtained with both variants which are easily
applicable in practice. As a conclusion, it is possible to say that the DMC method is a via-
ble option to control open loop selfstable multivariable systems.
Key words: MIMO system, predictive control, Dynamic Matrix Controllers method, eva-
porator controls.
INTRODUCCIN
Los controladores predictivos permiten trabajar en situaciones complejas de control,
donde no es suficiente el uso de los mtodos tradicionales, y adems, dan posibilidades de
lograr cierta optimizacin del proceso. Han alcanzado un nivel apreciable de aceptacin
debido a que dan solucin a situaciones de exigencias crecientes de calidad, seguridad y
gestin econmica de la planta (1).
El Control Predictivo Basado en Modelos (CPBM), se puede considerar que es un con-
trol de naturaleza abierta, con contribuciones tanto acadmicas e investigativas, como en el
mundo industrial, alcanzando en los ltimos aos un nivel significativo de aceptacin
industrial en aplicaciones prcticas de control de procesos.
El CPBM es una estrategia de control que se basa en la utilizacin de forma explcita de
un modelo del proceso para calcular predicciones, ptimas en algn sentido, del valor de
las variables controladas a lo largo de un horizonte temporal u horizonte mvil especifica-
do por el usuario. Se usa para calcular el valor de las variables manipuladas, de manera que
en ese horizonte las variables controladas alcancen sus valores de referencia. Por lo tanto,
el trmino Control Predictivo no designa a una estrategia de control particular, sino a un
conjunto de mtodos de control que hacen uso explcito de un modelo del proceso para
obtener la seal de control minimizando una funcin objetivo.
Es esencial la estrategia de horizonte mvil, mediante la cual se utiliza solamente el pri-
mer valor de una secuencia de acciones de control que resulta de la optimizacin de una
funcin objetivo. Esta toma en cuenta la informacin disponible en el perodo de control
actual y en el perodo siguiente se recalcula nuevamente la secuencia de control ptima
incorporando las nuevas informaciones obtenidas del proceso (2) (3) (4).
El CPBM se puede considerar como un buen compromiso entre el comportamiento ade-
cuado del sistema controlado y la simplicidad del algoritmo y del ajuste del control, por lo
que constituye una herramienta eficaz y accesible para los Ingenieros de Control Automtico.
Es capaz de resolver problemas de control que presentan cierta dificultad (procesos con ml-
tiples variables que interaccionan, retardos, dinmica compleja, etc.) en los que los algorit-
mos de control clsicos no alcanzan a obtener la calidad exigida. Estas aplicaciones tienden
a aumentar debido a una serie de factores: exigencias crecientes de calidad, ahorro de ener-
ga, seguridad, flexibilidad en la produccin, necesidad de integrar decisiones econmicas y
sistemas de control, diseo integrado de plantas y sistemas de control, etc (5).
El objetivo principal de este trabajo es el desarrollo de una metodologa y sus aplicacio-
nes desarrolladas en MATLAB, necesarias para aplicar el mtodo DMC de control predicti-
vo en un evaporador de cudruple efecto (sistema multivariable de 6 entradas y 6 salidas
con gran interaccin entre las mismas). Esta metodologa incluye: la seleccin de las varia-
bles de control, la identificacin de las matrices dinmicas necesarias y el clculo del con-
trol ptimo segn un criterio cuadrtico generalizado.
Controlador de la Matriz Dinmica (DMC)
El controlador DMC fue publicado en 1980 por Cutler y Ramaker (6) de la Shell Oil Co.
y ha sido ampliamente aceptado en el entorno industrial, principalmente por la industria
petroqumica (7). Actualmente, se puede considerar como algo ms que un algoritmo, debi-
do a que como producto puede resolver los problemas de identificacin y/u optimizacin
de la planta. Por todo lo anterior, esta formulacin ha sido ampliamente utilizada en la
industria.
Este tipo de control presenta como ventajas: su simplicidad, permite su utilizacin casi
de manera intuitiva; no requiere de informacin previa del proceso a modelar, por lo que la
identificacin es relativamente simple; posibilita describir dinmicas complejas, que com-
prendan retardos o fase no mnima y la prediccin es simple y menos propensa a errores, al
no tener trminos recursivos. Su gran xito proviene de su capacidad para tratar procesos
multivariables y su principal desventaja, es que es slo vlida para procesos estables (8) (9).
ICIDCA No.1, 2006 41
El controlador DMC utiliza un modelo de respuesta ante el salto escaln para capturar
la dinmica del proceso. La perturbacin se considera determinstica y constante a lo largo
del horizonte de prediccin y control. La formulacin sera la siguiente:
donde:
y(t): es la salida del proceso o variable controlada.
u(t): es la variable manipulada o seal de control.
: es el operador de diferencia temporal.
n(t): representa una perturbacin externa o no medible.
v(t): es una perturbacin medible.
h(i) y d(i) son coeficientes de la respuesta al escaln unitario aplicado respectivamente a
u(t) y y(t).
Con lo que y(t) puede expresarse como una combinacin lineal de infinitos valores pasa-
dos de los cambios en la entrada. A partir de este modelo se deben calcular las prediccio-
nes de la salida en instantes futuros de tiempo t+j en el modelo [1], a lo largo de un hori-
zonte de prediccin j =1, ..., N2.
Predicciones
Para efectuar el clculo de las predicciones y(t+j), simplemente se puede t sustituir por
t+j en el modelo [1]. Adems, con la finalidad de facilitar la solucin del problema de opti-
mizacin, es conveniente separar aquellos trminos de las sumatorias que dependen slo de
valores pasados y que por tanto son conocidos en el instante, de los que dependen de las
acciones presentes y futuras u(t+k) y que son nuestras variables de decisin o control (5)
(8). Se obtiene:
En la expresin anterior, el valor de las perturbaciones futuras es desconocido, por lo
que se debe hacer alguna hiptesis sobre el mismo. Se supone que la mejor estimacin de
n(t+j) es su valor actual n(t), lo que puede expresarse mediante:
en el lado derecho de la ecuacin slo hay magnitudes conocidas en t . Sustituyendo [3] en
[2] se obtiene:
ICIDCA No. 1, 2006 42
( ) ( ) ( ) ( ) ( ) ( ) t n i t v i d i t u i h t y
1 i 1 i
+ +

[1]
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) j t n i j t v i d
i j t v i d i j t u i h i j t u i h j t y
j i
j
i j i
j
i
+ + +
+ + + + + + +

1
1 1 1

[2]
( ) ( ) ( ) ( ) ( ) ( ) ( ) i t v i d i t u i h t y t n j t n
i i
+

1 1
[3]

+
+ +
+ + + + + + +
1 1 1
1 1 1
) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) (
i i j i
j
i j i
j
i
i t v i d i t u i h t y i j t v i d
i j t v i d i j t u i h i j t u i h j t y
[5]
La prediccin se pudiera escribir de forma compacta, como:
donde p(j): representa la respuesta libre del sistema.
La respuesta libre del sistema es aquella parte de la respuesta que no depende de las
acciones de control futuras y se puede calcular como:
Esta ltima expresin no resulta muy til para calcular los valores de la respuesta libre
del sistema p(j), porque requiere de un nmero infinito de sumandos. No obstante, en pro-
cesos que son asintticamente estables, los coeficientes h y d de las respuestas al escaln
en u y v tienden a valores constantes a partir de un determinado tiempo suficientemente
grande. Teniendo en cuenta esa consideracin, la ecuacin [7] puede escribirse entonces
como:
donde para el valor entero N se cumple:
de modo que, en general, la aplicabilidad del modelo basado en la respuesta al escaln o a
saltos est limitada a procesos estables, aunque puede extenderse al caso de procesos con
caractersticas de integrador (10). Debe notarse, adems, que en la ecuacin [9] se requieren
valores futuros de la perturbacin v(t), los que suelen considerarse iguales al valor presen-
te. Esta ltima hiptesis sin embargo, se corrige en cada perodo de muestreo teniendo en
cuenta la estrategia de horizonte mvil que se utiliza.
Ley de control
Se desea que las predicciones de la salida estn prximas a los valores de referencia
deseados r(t+j) por lo tanto, puede plantearse el problema del control como el de obtener la
secuencia de valores presentes y futuros de la variable manipulada u(t), que minimizan a la
funcin objetivo siguiente:
Donde se penalizan las desviaciones de las predicciones de la salida y(t+j) de sus valo-
res deseados r(t+j) y tambin los cambios de la variable manipulada u(t+j) con un cierto
peso , que seleccionada adecuadamente, permite conseguir un control suficientemente
ICIDCA No. 1, 2006 43
( ) ( ) ( ) ( ) j p i j t u i h j t y
j
i
+ + +

1
[6]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )

+ +
+ + + + +
j
i
i i i
i j t v i d
i t v i d i j d i t u i h i j h t y j p
1
1

) (
[7]
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )

+ +
+ + + + +
j
i
N
i
N
i i
i j t v i d
i t v i d i j d i t u i h i j h t y j p
1
1

) (
[8]
( ) ( ) ( ) ( ) 2 , , 1 , , 0 , 0 N N j j i j d i j d i h i j h K > + + [9]
( ) ( ) ( ) [ ]
2
1
0
2
2
1

+ +
]
]
]
,

,
+ +
Nu
j
N
N j
j t u j t r j t y J [10]
suave. Debe tenerse en cuenta que valores mayores del coeficiente de peso , conducen a
sistemas ms estables pero ms lentos, por lo que en su seleccin habr que establecer el
compromiso ms conveniente al caso particular de que se trate.
En la solucin del problema del control predictivo, habitualmente, se impone alguna
condicin o estructura sobre los valores de u(t+j). Por ejemplo, usualmente la variable
manipulada permanece constante despus de un cierto nmero (Nu) de perodos de control
futuros. Nu se conoce como el "horizonte de control" y es menor o igual que N2. Esta con-
dicin permite en muchos casos reducir la dimensionalidad del problema de optimizacin
de N2-N1 a Nu incgnitas, facilitando los clculos y favoreciendo la obtencin de solucio-
nes estables. De manera que se hace:
Adems, se debe tener en cuenta que N1 y N2 se conocen generalmente como los hori-
zontes mnimo y mximo de prediccin. El valor de N1 se selecciona generalmente igual o
ligeramente mayor que el nmero de perodos de retardo puro presente en el proceso a con-
trolar, teniendo en cuenta que el control seleccionado para el tiempo t, slo tendr efecto
despus de transcurrido el tiempo de retardo puro. No tiene sentido entonces, penalizar las
desviaciones que no pueden corregirse por el control en t. La seleccin de N2, mayor que
N1 y tambin generalmente que Nu, se hace teniendo en cuenta la dinmica del proceso
(para procesos lentos debe considerarse un horizonte de prediccin mayor y viceversa).
Sustituyendo las ecuaciones [5] y [8] en [10] y despus de realizar una laboriosa mani-
pulacin algebraica, se llega a la siguiente forma cuadrtica en los incrementos del control:
donde los vectores u de valores futuros y e
0
de errores de la respuesta libre se definen
como:
Adems, la matriz H denominada "matriz dinmica", contiene los coeficientes del mode-
lo de respuesta al paso escaln, estructurados en la forma siguiente:
La matriz dinmica H est formada por Nu columnas de las respuestas ante el escaln,
apropiadamente desplazadas hacia abajo.
Si no se consideran restricciones en los valores de las variables, el vector u que mini-
miza a [14], puede obtenerse en forma analtica, derivando a J con respecto a u e igualan-
do a cero, se obtiene la solucin:
ICIDCA No. 1, 2006 44
( ) Nu j j t u + para 0
[11]
[ ]
0 0 0
2 e e u H e u I H H u J
T T T T
+ + + [12]
( ) ( ) ( )] 1 1 [ + + Nu t u t u t u u
T
L
[13]
( ) ( ) ( ) [ ]
2 1 1 1 0
2 1 1 1
N N N
T
p N t r p N t r p N t r e + + + +
+
L
[14]
]
]
]
]
]
]
]
]
,
,
,
,
,
,

+
+


0
0 0
0 0
1 2 2
1 2 1 1
1 1
Nu N N
N
N
h h
h h h
h h
H
L L L L
L L L L L L
L L L L L
L
L L
[15]
que ofrece Nu valores de los cambios a aplicar en la variable manipulada. De ellos sola-
mente se aplica el primero, correspondiente al instante t. En el siguiente perodo de control
t+1 se realizan de nuevo todos los clculos, de acuerdo con la estrategia de horizonte mvil.
Estos problemas pueden resolverse numricamente con algoritmos especficos bastante efi-
cientes y robustos, que permiten trabajar con cientos o miles de variables.
Extensin al caso multivariable
La formulacin bsica del controlador DMC para una entrada y una salida puede exten-
derse fcilmente al caso de sistemas multivariables. Las ecuaciones bsicas se mantienen
prcticamente igual a excepcin de que las matrices y vectores cambian de dimensin para
poder incluir todas las entradas y las salidas. (5) (10) Al tratarse de modelos lineales, se
puede aplicar el principio de superposicin para obtener el valor de las salidas ante las
diversas entradas.
Considerando el caso que se muestra en la figura 1, para un proceso con n entradas y m
salidas, una perturbacin medible (v) y otras que no lo son, se puede formular un modelo
interno en el que cada salida depende de todas y cada una de las entradas y la perturbacin
medible a travs de un modelo de respuesta al salto escaln, y que est afectado adems por
un trmino n
i
que representa las perturbaciones no medibles y que constituye la incerti-
dumbre del modelo, tal como:
ICIDCA No. 1, 2006 45
[ ]
0
1
e H I H H u
T T

+
[16]
Figura 1. Sistema multivariable
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( )
( )
( ) ( )
( ) ( ) ( )
( )
( ) ( ) t n i t v h i t u h i t u h t y
t n i t v h i t u h i t u h t y
t n i t v h i t u h i t u h t y
m
i
n im
i
n imn
i
im m
i
n i
i
n n i
i
i
i
n i
i
n n i
i
i
+ + + +
+ + + +
+ + + +

0
1
0 0
1 1
2
0
1 2
0
2
0
1 21 2
1
0
1 1
0
1
0
1 11 1

L
M
L
L
[17]
Con este modelo y con una metodologa paralela al caso monovariable, se puede dedu-
cir una expresin para las predicciones de las salidas, que resultara:
En este caso los horizontes de prediccin pueden ser distintos para cada variable. Se
observa el efecto de cada cambio en las variables de entrada manipuladas sobre todas las
salidas simultneamente, as como el efecto de las perturbaciones y la historia del sistema
a travs de las respuestas libres del sistema. Se puede representar de manera genrica: los
vectores de salida, de seales de control y respuesta libres, de la manera siguiente:
Debe tenerse en cuenta que la respuesta libre de la salida i depende tanto de los valores
pasados de y
i
, como de los valores pasados de todas las seales de control. Con estas con-
sideraciones, las ecuaciones de control son iguales a las del caso monovariable, cuando la
matriz dinmica H toma la forma:
Donde cada submatriz H
ij
contiene los coeficientes del modelo ante el paso escaln de la
i-sima salida ante la j-sima entrada.
De manera similar se pueden definir trayectorias r
i
(t+j) deseadas para que cada variable
controlada alcance su referencia w
i
(t) en el futuro, con diferentes valores de
i
para cada
salida en particular; horizontes de control (Nu
i
) para cada variable manipulada y una fun-
cin objetivo que tenga en cuenta las desviaciones de las predicciones de cada variable con-
trolada sobre cada referencia interna (r
i
(t+j)) as como los esfuerzos de control de cada
variable manipulada:
ICIDCA No. 1, 2006 46
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) j t p j i t u h j i t u h j t y
j t p j i t u h j i t u h j t y
j t p j i t u h j i t u h j t y
m
j
i
n imn
j
i
im m
j
i
n n i
j
i
i
j
i
n n i
j
i
i
+ + + + + + +
+ + + + + + +
+ + + + + + +

1 1
1 1
2
1
2
1
1 21 2
1
1
1
1
1 11 1

L
M
L
L
2 , 1 N N j K
[18]
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( ) ( ) [ ]
T
m m m
T
n n n
T
m m m
j t p t p j t p t p j p
j t u t u j t u t u t u
j t y t y j t y t y t y
+ + + +
+ +
]
]
]
,

,
+ + + +

, , 1 , , , , 1
1 , , , , 1 , ,
, , 1 , , ; , 1
1 1 1
1 1 1
1 1 1
K K K
K K K
K K K
[19]
]
]
]
]
]
]
,
,
,
,

mn m m
n
n
H H H
H H H
H H H
H




2 1
2 22 21
1 12 11
L
M O M M
L
L
[20]
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) [ ]

+ + + + +
+
]
]
]
]
,
,

,
(
,
\
,
(
j
+ + + +
(
,
\
,
(
j
+ +
1
0
2 2
1 1
2
1
2 2
1 1 1

Nu
j
n n
N
N j
m m m
j t u j t u
j t r j t y j t r j t y J


L
L
[21]
Los coeficientes dan un peso relativo al cumplimiento de cada consigna de control.
El problema de control se plantea ahora de forma similar, cmo encontrar los valores de
u
i
(t+j) para j=0,..., Nu-1 e i=1,..., m, tales que las salidas predichas evolucionen de la
forma deseada y se cumplan al mismo tiempo las restricciones del problema sobre las varia-
bles manipuladas y controladas, que mantienen igual formulacin. La solucin se obtiene
formalmente resolviendo el correspondiente problema de programacin cuadrtica y no
presenta, excepto en su dimensionalidad, ningn problema adicional con respecto al caso
de una entrada y una salida.
Es importante sealar que el problema se resuelve globalmente teniendo en cuenta todas
las interacciones presentes entre variables controladas, manipuladas y perturbaciones
medibles.
Tambin es posible no asignar una consigna a una variable controlada, sino nicamen-
te imponer la condicin de que est en un determinado rango mediante las correspondien-
tes restricciones sobre el valor de sus predicciones. (5)
El programa est desarrollado en MATLAB (MATrix LABoratory), por ser unas de las
herramientas ms tiles para poner a punto mtodos numricos en distintas ramas de la
ingeniera, ya que al ser una herramienta de alto nivel diseada para el trabajo con matri-
ces, realiza clculos matemticos de gran complejidad con mayor eficiencia y con menor
tiempo de procesamiento.
Modelo experimental del evaporador de cudruple efecto
Los evaporadores de cudruple efecto son equipos que se utilizan habitualmente en la
industrias alimentara, farmacutica y azucarera. Constituyen procesos relativamente com-
plejos y su control adecuado es importante para garantizar la eficiencia energtica y la cali-
dad de la produccin.
En la figura 2 se representa esquemticamente un evaporador de cudruple efecto, que
es tpico de la industria azucarera cubana:
En este esquema se sigui la siguiente nomenclatura:
p: presin en la calandria del primer efecto.
V
p
: Vlvula de control del vapor, que se utiliza para controlar la presin en la calandria del
primer efecto.
n
i
: Nivel en la calandria del efecto i.
V
ni
: Vlvula de control de entrada de alimentacin del efecto i, que se utiliza para el control
del nivel de la calandria del mismo.
V
c
: Vlvula de control, que se utiliza para el control de la concentracin de salida del lti-
mo efecto.
El objetivo de este equipo en una fbrica de azcar es concentrar el jugo de la caa extra-
do y diluido en los molinos, desde una concentracin inicial de un 10-15 % de slidos
hasta la concentracin final de alrededor de un 60 %. En un esquema de control tpico para
los evaporadores de mltiple efecto, se incluyen generalmente lazos de control: de nivel de
ICIDCA No. 1, 2006 47
Figura 2. Esquema del evaporador de cudruple efecto.
jugo, de presin vapor en la calandria del primer efecto y concentracin de salida del jugo.
Tambin es frecuente encontrar un lazo de control de vaco en el ltimo efecto, accionando
sobre el flujo de agua que se alimenta a un condensador baromtrico al que fluye el vapor
del ltimo efecto. En este trabajo se omite este ltimo lazo y se considera un vaco cons-
tante.
El nivel equivalente del jugo en cada efecto tiene una influencia considerable sobre el
coeficiente de transferencia de calor y por tanto sobre la eficiencia energtica del proceso;
generalmente trata de regularse a un valor de alrededor del 30% de la longitud de los tubos.
La presin del vapor que se alimenta al primer efecto determina la intensidad de la evapo-
racin y debe regularse a un valor aproximado de 10 psi. Finalmente, el mantenimiento de
la concentracin de salida en valores de alrededor de 60 Brix (60 % de slidos) es el objeti-
vo fundamental del control de los evaporadores.
Las variables manipuladas que se consideran en el ejemplo, cuya seleccin coincide con
la prctica habitual, son: las posiciones de las vlvulas de alimentacin de jugo a cada efec-
to, que se usan para la regulacin de los niveles; la posicin de la vlvula de salida del jugo
del ltimo efecto para la regulacin de la concentracin y la posicin de la vlvula de ali-
mentacin de vapor al primer efecto.
Por lo tanto, se est en presencia de un objeto multivariable con 6 variables controladas
y 6 variables de control que adems es multiconectado, ya que cada una de las variables de
control perturba de manera directa o indirecta a las restantes variables controladas. Esta
ltima caracterstica, justifica la utilizacin de un controlador multivariable que compense
implcitamente las fuertes interconexiones existentes entre las variables principales.
Para la simulacin del control de los evaporadores se ha utilizado un modelo lineal
experimental simplificado, pero que respeta la esencia multivariable y multiconectada del
proceso real. El modelo, en su forma discreta consta de las siguientes ecuaciones de primer
orden:
Todas las variables que aparecen en este modelo son desviaciones adimensionales
expresadas en por ciento, calculadas con respecto a un estado de equilibrio del evaporador.
Por ltimo, e
1
(k), ..., e
6
(k) son las componentes de ruido que representan la inexactitud del
modelo y otros factores aleatorios que influyen sobre las salidas y que se consideran proce-
sos de ruido blanco, con media cero y varianza infinita.
ICIDCA No. 1, 2006 48
( ) ( ) ( ) ( ) ( ) k e k V k p k V k p
p p 1
1 25 . 0 1 82 . 0 51 . 0 + + + [22]
( ) ( ) ( ) ( ) ( )
( ) ( ) ) ( 1 15 0 - 3 . 0
1 105 . 0 3 . 0 1 16 . 0 ) 1 ( 91 . 0 8 . 0
2 2 2
1 1 1 1
k e K Vn . k Vn
k V k V k Vn k n k Vn k n
p p
+
+ +
[23]
( ) ( ) ( ) ( ) ( )
) (
1 24 0 - 5 . 0 1 27 . 0 ) 1 ( 90 . 0 53 . 0
3
3 3 2 2 2 2
k e
K Vn . k Vn k Vn k n k Vn k n
+
+ +
[24]
( ) ( ) ( ) ( ) ( )
) (
1 23 0 - 49 . 0 1 25 . 0 ) 1 ( 90 . 0 51 . 0
4
4 4 3 3 3 3
k e
K Vn . k Vn k Vn k n k Vn k n
+
+ +
[25]
( ) ( ) ( ) ( ) ( )
) (
1 25 0 - 5 . 0 1 305 . 0 ) 1 ( 93 . 0 61 . 0
5
4 4 4 4 4
k e
K Vc . k Vc k Vn k n k Vn k n
+
+ +
[26]
( ) ( ) ( ) ( ) k e k Vc k c k Vc k c
6
) 1 ( 26 . 0 1 95 . 0 52 . 0 + + + [27]
Se desarrollaron dos algoritmos: uno para el caso en que se enfoca el anlisis desde el
punto de vista de desacople entre las variables (Controlador DMC con enfoque multivaria-
ble desacoplado y otro, para el caso en que se analiza como un sistema no desacoplado
(Controlador DMC con enfoque multivariable sin desacople).
Discusin de los resultados obtenidos con la simulacin
Se analizan los resultados obtenidos con ambos controladores para llegar a la determi-
nacin de cul es el ms eficiente. Se ha seleccionado para todas las corridas la referencia
igual al [111111] y el peso relativo de cada consigna de control gamma =[111111]. Todos
los tiempos estn en segundos. Se muestran los resultados en grficos para facilitar su inter-
pretacin, donde a cada curva le corresponde una smbolo diferente: entrada 1 - estrella;
entrada 2 - tringulo; entrada 3 - rombo; entrada 4 - crculo; entrada 5 - cuadrado y entra-
da 6- pentgono.
Resultados obtenidos con el controlador desacoplador
Se realizaron varias corridas hasta obtener una que se considera satisfactoria, con los
siguientes ajustes: Nu = [10 30 30 5 5 10], alfa =[0.995 0.998 0.998 0.997 0995 0.998],
y beta = [1 1 1 0.001 0.2 1], , para la cual las salidas de los controladores son suaves
como puede verse en la figura 3.
En la figura 4 se observa el comportamiento de las salidas aprecindose un adecuado
comportamiento dinmico de todas, no existen sobreimpulsos ni oscilaciones y las res-
puestas son suficientemente rpidas.
Finalmente, se realiza una simulacin para comprobar la respuesta del controlador ante
la presencia de ruido, para lo cual se adicion ruido a todas las salidas, con caractersticas
cercanas al ruido blanco y una amplitud del 5 %.
Para obtener una salida del controlador apropiada, fue necesario reajustar los valores del
controlador: Nu = [10 30 30 5 5 10], beta =[500 2000 500 10 200 50], alfa =[0.995
0.998 0.998 0.997 0995 0.998]. Como se puede apreciar, los valores de peso ? se han
incrementado a fin de conseguir un control suave, ya que las salidas del controlador pasa-
ron a ser muy oscilatorias. Las salidas se mantienen siguiendo las referencias, como se
muestran en la figura 5
ICIDCA No. 1, 2006 49
Figura 3. Respuesta temporal de las salidas de controlador desacoplado ajustado.
Controlador DMC con enfoque multivariable sin desacople
Despus de varias corridas se logra obtener una respuesta satisfactoria, llegando a un
compromiso entre la calidad de la respuesta y el tiempo de procesamiento, con los siguien-
tes ajustes: Nu = [15 15 15 15 15 15], beta =[1 1 1 0.0001 0.2 1] y alfa =[0.995 0.999
0.998 0.995 0995 0.997]. Se observa el comportamiento de las entradas al proceso, las mis-
mas mantienen un comportamiento dinmico adecuado (figura 6) al igual que las salidas
controladas (figura 7).
Finalmente, se realiz la simulacin para comprobar la respuesta del controlador ante la
presencia de ruido. Para ello fue necesario reajustar el valor beta =[60 50 50 20 30 50].
Como se puede apreciar, los reajustes de los valores de son mucho menores que los del
caso desacoplado. En la figura 8 se muestra el comportamiento de las salidas, las cuales con-
tinan siguiendo las trayectorias deseadas, aunque se muestra un ligero empeoramiento de
la respuesta de la tercera salida con un mximo sobreimpulso del 3 %.
ICIDCA No. 1, 2006 50
Figura 4. Respuesta temporal de las salidas del sistema ante el ajuste final con el controlador des-
acoplado.
Figura 5. Respuesta temporal de las salidas controladas, con el controlador desacoplado ante la pre-
sencia de ruido
Por ltimo, se muestran los resultados obtenidos para los mejores ajustes de ambos algo-
ritmos, en un mismo grfico (figura 9), para facilitar la comparacin de los resultados: las
salidas obtenidas con el controlador DMC con las seales desacopladas se muestran en
rayas discontinuas y las obtenidas con el controlador multivariable, en lnea continua.
ICIDCA No. 1, 2006 51
Figura 6. Respuesta temporal de las entradas al sistema ante el ajuste final.
Figura 7. Respuesta temporal de las salidas del sistema ante el ajuste final.
Figura 8. Respuesta temporal de las salidas controladas con el controlador multivariable ante la pre-
sencia de ruido.
Como se observa, las salidas obtenidas con la aplicacin del controlador desacoplado sin
presencia de ruido son mucho ms rpidas que las obtenidas con el controlador multivariable.
CONCLUSIONES
Se puede concluir de acuerdo a los resultados obtenidos:
Para el sistema de evaporador mltiple efecto, cuando el sistema est exento de la pre-
sencia de ruidos, o el mismo es despreciable, se obtiene una mejor respuesta con el con-
trolador multivariable con desacople. Sin embargo, el controlador multivariable sin des-
acople tiene una mejor tolerancia a la presencia del mismo.
ICIDCA No. 1, 2006 52
Figura 9. Respuestas temporales de las salidas con ambos algoritmos.
El controlador multivariable sin desacople presenta una mayor carga computacional debi-
do a la dimensionalidad del problema a resolver.
No obstante, se considera que ambos controladores dan una salida apropiada de control.
Por todo lo anterior, se puede plantear que el algoritmo de Controlador de Matriz
Dinmica (DMC) puede ser utilizado eficientemente en el control de un sistema de evapo-
radores cudruple efecto.
REFERENCIAS BIBLIOGRFICAS CITADAS
1. De Prada, C. Fundamentos de Control Predictivo de Procesos. Manuales de Ingeniera
Qumica. Universidad de Valladolid. II Jornada de Control de Procesos (ponencia): p. 141
- 147, Marzo 1997.
2. Camacho, E.; Bordns, C. Model Predictive Control in the Process Industry. Londres:
Springer-Verlag, 1995.
3. Camacho, E.; Bordns, C. Model Predictive Control. Madrid: Springer, 1999.
4. Aguado, A.; Martnez, M.: Identificacin y control Adaptativo. Madrid: Prentice Hall--
XV, 2003.p. 281.
5. Prada, C. Fundamentos del control predictivo de Procesos (Capitulo 11). Instrumentacin
y Control de Procesos. Ingeniera Qumica, marzo 1997.
6. Cutler, C.; Ramaker, B. Dynamic Matrix Control- A Computer Control Algorithm. In:
Automatic Control Conference, San Francisco, 1980.
7. Qin, S.; Badgwell, T. An Overview of Industrial Model Predictive Control Technology. In
Chemical Process Control: Assessment and New Directions for Research. In: AIChE
Symposium Series 316, 93. Je_rey C. Kantor, Carlos E. Garcia and Brice Carnahan Eds.
232-256 ,1997.
8. Gamero, F. Modelacin e implementacin de control predictivo en un microrobot aut-
nomo. Universidad Autnoma de Barcelona, julio 1999.
9. Sez, D. Tpicos de control avanzado - Apuntes 1. Control Predictivo basados en mode-
los, marzo, 2002.
10. Bordns, C. Control Predictivo: metodologa, tecnologa y nuevas perspectivas. Curso de
Especializacin en Automtica. Universidad de Sevilla, 2000.
REFERENCIAS BIBLIOGRFICAS CONSULTADAS
1. Control Predictivo Basado en Modelos (MBPC). Cap-1 Universidad Nacional de ingenie-
ra del Per, Facultad de Ingeniera elctrica y electrnica. INTERNET, 2004.
<http://fiee.uni.edu.pe/wdoc/200004A/cont_pred_1.html>[Consultado 10 Sept. 2005]
ICIDCA No. 1, 2006 53