Академический Документы
Профессиональный Документы
Культура Документы
Cesar da Costa
cost036@attglobal.net Universidade Estadual Paulista
Abstract
To optimize level control in non-linear regimes techniques, based on system identification theory, may be employed to search for the model which best represents the operating regime. In a set of tanks, equipped with level and flow transducers, valves and pumps remotely controlled, were implemented algorithms which allowed obtaining, with a few minutes of recording, the mathematical models for each operating regime. The optimization of controllers was also made, and it is perfectly implementable in industrial environments.
Resumo
Para optimizar o controlo de nvel em regime no-linear podem-se empregar tcnicas, baseadas na teoria de identificao de sistemas, para buscar o modelo ptimo do regime de funcionamento. Num sistema de tanques com transdutores de nvel e caudal, e com vlvulas e bombas monitorizveis e controlveis remotamente, implementaram-se algoritmos que permitiram obter, com alguns minutos de gravao, os modelos matemticos de cada regime de operao. A optimizao de controladores foi tambm feita e perfeitamente implementvel em ambientes industriais. Palavras-chave: identificao de sistemas, controlo de nvel, controlo de sistemas no-lineares, controlo industrial.
1 - INTRODUO
Em aplicaes industriais o controlo de nvel de reservatrios frequentemente acumulado com o controlo de outras variveis de interesse, como a temperatura ou o caudal. Os sistemas de controlo com melhor desempenho esto dotados de capacidade para interpretar e prever os efeitos cruzados entre variveis. Esta tarefa complica-se especialmente em casos onde existem no-linearidades importantes no processo, devendo-se para tal conseguir adaptar o controlador nova situao. Consequentemente, uma abordagem baseada em controlo preditivo, em vez de puramente reactivo, trar ganhos significativos no controlo de um sistema no-linear em que no se podem garantir condies de funcionamento. Sistemas no-lineares ou de modelao complexa, ou mesmo impossvel, so frequentemente sujeitos a tcnicas de identificao (Aguirre). Encontram-se exemplos de aplicao de algoritmos a sistemas variados desde avies (Narendra), a reactores (Gregorcic), at medidores de presso arterial (Pinheiro). Para optimizar o controlo de nvel em regime no-linear sem sobrecarregar os sistemas de controlo, podem-se empregar tcnicas baseadas na teoria de identificao de sistemas, para buscar o modelo que melhor representa o regime de funcionamento do processo (Nelles). Partindo de um sistema de tanques com transdutores de nvel e caudal, e com vlvulas e bombas monitorizveis e controlveis remotamente, procedeu-se identificao do modelo que melhor representa o processo por injeco de rudo branco. De seguida percorreu-se um largo espectro de regimes de funcionamento, bem como de perturbaes, para estimular as vrias no-linearidades existentes, aplicando-se, para todos estes casos tambm, mtodos de identificao dinmica de sistemas. Para a aplicao das tcnicas de identificao de sistemas foi desenvolvido software prprio, comunicando em tempo-real com os equipamentos por meio de uma placa (NI USB-6008, com 8 entradas analgicas de escala de tenso programvel e 2 sadas analgicas em tenso) ligada a um computador por USB. As entradas e sadas foram conectadas a hardware de condicionamento de
sinal, permitindo a implementao dos algoritmos conhecidos. Um perodo de dez minutos de gravao foi suficiente, para se obterem os modelos matemticos CRA e temporais de estrutura OE, ARX, ARMAX, BJ, de diferentes parmetros, correspondentes a todos os regimes de operao, pelo que a optimizao de controladores industriais por este mtodo pode igualmente ser conseguida em pouco tempo. Nas seguintes seces deste artigo, mostraremos o sistema, discutindo as tcnicas implementadas, os resultados obtidos, as principais concluses e a forma de traduzir em benefcio para a indstria a aplicao da abordagem proposta.
2 - IDENTIFICAO DE SISTEMAS
A identificao de um sistema real pode ser um processo iterativo, onde se partem de alguns pressupostos para determinar um modelo do sistema, que pode ou no cumprir com os critrios de validao, devendo-se ento modificar os parmetros ou a estrutura do modelo, ou mesmo voltar fase de testes para obter novos dados experimentais, que permitam recuperar eventuais falhas. fundamental para a correcta identificao do sistema obter um conjunto de dados vlido, portanto com uma frequncia de amostragem que respeite o teorema de Nyquist e com um nmero de amostras suficientemente elevado para ser representativo da resposta global do sistema. Com estes pontos cumpridos, ser determinante a obteno de um modelo com uma estrutura razovel, em termos de nmero de plos e zeros, face modelao previamente feita, e que verifique os critrios de validao da estimativa.
Nome
Diagrama de blocos
Descrio o modelo mais genrico possvel, onde se consideram funes de transferncia independentes para o rudo, e(k), e a entrada, u(k). Estas funes de transferncia, so da forma: 1.
BoxJenkins
G (z ) =
H (z ) =
num
podem ser totalmente distintos dos de G(z). A sigla ARMAX resume os conceitos mais importantes deste modelo, auto regression (pois os plos discretos tornam a sada presente dependente das sadas em instantes anteriores), moving average (se no existirem zeros temos um filtro de mdia mvel), extra input (entradas u(k) e e(k)) B(z) e C(z) so polinmios, o que faz com que o rudo e a entrada estejam sujeitos mesma dinmica, portanto, este modelo um caso particular do de Box-Jenkins em que o rudo e a varivel controlada tm os mesmos plos. O ARX uma simplificao do ARMAX considerando que o efeito do polinmio associado ao rudo no importante, ou seja, temos rudo aleatrio aplicado directamente dinmica do sistema. OE significa output error, sendo o significado deste nome bastante perceptvel, visto este modelo, ainda mais simples que o ARX, considerar que o rudo aleatrio est aplicado directamente sada do sistema. Tabela 1 Estrutura e resumo das caractersticas dos modelos mais estudados na identificao do sistema de tanques
ARMAX
ARX
OE
3 - SISTEMA DE TANQUES
No sistema de tanques mostrado nas duas figuras seguintes, pretende-se identificar a influncia da vlvula V7 (a vlvula de controlo de caudal entre tanques, Asco 203) no nvel do tanque 2, supondo que se tem um abastecimento, medido por um transmissor Brukert 8032, do tanque 1 de tal forma que o nvel deste se pode supor constante. Contudo, as outras vlvulas de controlo, Burkert 6213, vo tambm actuar dinamicamente sobre o sistema, e sero responsveis pela criao de outros regimes de funcionamento. Acresce que a
aco da bomba uma fonte acrescida de no linearidades, devido ao facto de o tanque 1 ser fechado, pelo que a sua presso interna, registada por transmissor Asco 8908, ser bastante voltil. Portanto o tanque 1 no se poder considerar um referencial de estabilidade e as intricadas relaes entre os dois tanques vo ser fonte de no-linearidades fortes.
y (k ) = y (k 1) +
caudal de entrada, q(k) o de sada, e y(k) a altura da coluna de lquido no tanque. Aplicando a
Figura 3 Programa de Simulink para proceder identificao do sistema parando o processo Dada a grande capacidade dos tanques, o perodo de amostragem aplicado foi de 3 segundos. Assim, diminui-se a quantidade de dados a processar, o que acelera significativamente alguns
algoritmos, e a quantidade de rudo, embora mantendo a definio necessria. A identificao foi feita colocando o processo em torno dos vrios pontos de funcionamento, e iniciando a gravao em seguida. Para cada ponto de funcionamento os dados recolhidos constituram uma matriz de 184 valores, que se dividiu em dados de teste (1 a 93) e dados de validao (94 a 184). Efectuou-se a extraco da mdia como operao de pr-processamento, para normalizar os dados obtidos para vrios nveis e identificar-se apenas a dinmica.
4 - RESULTADOS DA IDENTIFICAO
Procedeu-se primeiro identificao do modelo para o caso mais simples, em que o tanque 1 apresenta um nvel constante de 60% e o tanque 2 ronda os 30%, com a bomba a velocidade constante e equilibrando o nvel do tanque 1. De seguida passaram-se por outros seis regimes de funcionamento, sujeitos a diferentes especificaes de nvel dos dois tanques e de funcionamento da bomba, para alm de diferentes perturbaes, pela diferente e aleatria actuao das vlvulas de purga, criando diferentes caudais de sada, para estimular as vrias no-linearidades existentes. Aplicaram-se para todos estes casos mtodos de identificao dinmica de sistemas, obtendo-se os modelos matemticos correspondentes, de tipo CRA e temporais de estrutura OE, ARX, ARMAX, BJ, de diferentes parmetros de ordem e atraso.
Figura 4 Resposta ao degrau unitrio do modelo por correlao Sabendo que o processo apresenta um atraso de duas unidades de tempo, aproximou-se o comportamento com modelos de primeira e segunda ordem com um atraso de duas unidades de tempo, para todas as estruturas atrs descritas, Box-Jenkins, ARMAX, ARX e OE. A adequao dos modelos, fit, foi estimada de acordo com a equao (1), uma mtrica habitual, onde se mede a melhoria conseguida por estimar y(k) com o modelo, y (k ) , em vez de simplesmente tomar a mdia.
fit = 100
184
i =94
yi yi [%] y i y med
(1)
Todos os modelos de primeira ordem apresentaram graus de fit a rondar os 60%, exceptuando-se o ARX com um fit de aproximadamente 47. Os modelos de segunda ordem (ordem das funes de transferncia que compem o modelo) com o mesmo atraso melhoraram muito o grau de aproximao das curvas aos dados experimentais de validao, tendo todos os modelos um fit a rondar os 81%. As estimativas dos modelos face aos dados reais apresentam-se na Figura 5.
Figura 5 Estimativas dos modelos de 1 e 2 ordem (esquerda e direita respectivamente) Na Figura 5 verifica-se que os modelos de segunda ordem seguem muito mais proximamente a resposta real, de tal forma que quase impossvel distinguir diferenas entre eles. Nos modelos de 1 ordem a diferena mais notria. Efectuando a anlise de resduos constata-se tambm que melhoria nos resultados no tempo ao aumentar de 1 para 2 ordem, acresce que no h overfitting. A componente dos dados que no explicada por alguns modelos, nomeadamente o OE a azul, contnua a ser no-correlacionado e passa a ser independente, portanto tem-se a melhor descrio dos dados possvel. A autocorrelao mostra que os resduos so no-correlacionados, enquanto a correlao cruzada mostra que so independentes, estando-se em ambos os casos totalmente dentro do intervalo de confiana de 99% traado.
Figura 6 Anlise de resduos dos modelos de 1 e 2 ordem (esquerda e direita). Os resduos de 2 ordem so independentes para todos os modelos, mas apenas o OE apresenta autocorrelao sempre dentro dos limites Abandonamos por isso a anlise dos modelos de 1 ordem, notando o facto de que nos modelos de 3 e superiores comea a haver overfitting aos dados, pois apesar de se melhorar muito pouco o fit, os resduos deixam de ser independentes. Isto , os modelos de ordem superior comeam a ter plos e zeros que no descrevem a dinmica do sistema. O mximo grau de fit possvel foi obtido por um OE de terceira ordem (81.8%) e um Box-Jenkins de quinta ordem (82.6%), ambos de atraso de duas unidades, quando um OE de segunda ordem apresenta um fit de 81.6%. Verifica-se portanto que o fit mximo dos dados ronda os 82, pelo que, um
modelo OE de 2 ordem com um fit de 81.6 pode ser encarado como uma soluo bastante boa, visto ser um modelo bastante simples com resultados equiparados aos mais elaborados. Os modelos de 2 ordem apresentam uma resposta ao degrau unitrio bastante semelhante, bem como o fit, mas a anlise de resduos revelou que o OE era o mais simples que respeitava os intervalos de confiana, pelo que foi este o escolhido.
Figura 7 Resposta ao escalo dos modelos de 2 ordem Recorrendo a um pequeno abuso de notao, o modelo ptimo identificado apresenta a seguinte expresso de sada: y (k ) =
Bomba em velocidade baixa e irregular, tanque 1 a 80% e tanque 2 a 60% com purga pequena.
BJ de 4 ordem atraso 0
Tabela 2 Estrutura e resumo das caractersticas dos modelos mais estudados Para que se possa constatar a grande diferena na resposta do sistema de tanques a estes vrios pontos de funcionamento, mostra-se a resposta ao escalo unitrio dos modelos de quatro regimes.
Figura 8 Resposta ao escalo de quatro modelos ptimos Verifica-se que mesmo num sistema simples, as no-linearidades presentes influenciam fortemente o comportamento do sistema, pelo que, quando existem desvios significativos do regime de funcionamento ser expectvel que todas as variveis se modifiquem, pelo que importante identificar o modelo ptimo, para que o controlador do processo possa ser optimizado.
Figura 9 Resposta ao escalo (azul em baixo) e aco de controlo (verde acima) com controlador I, resposta muito lenta mesmo com controlo completamente irrealizvel Com a introduo de controladores com componentes integral, o sistema fica bastante lento e tambm oscilatrio, com aces de controlo irrealizveis em permanncia (da ordem de 700%), pelo que qualquer opo com integrao no vivel. A adio de componente derivativa completamente contra-indicada dada a proximidade de vrios regimes da instabilidade. A nica opo possvel fazer o controlo com controladores proporcionais apenas. Aumentando o ganho onde a margem de ganho grande, como no regime 1, e diminuindo onde a margem de ganho diminuta, como em todos os outros. Com este controlador consegue-se ter um maior valor final da resposta do regime 1, abdicando de pouca margem de ganho e mantendo a caracterstica da resposta. Nos outros regimes trata-se sobretudo de atenuao para garantir uma maior estabilidade sem que o real valor da aco de controlo seja muito distante do alcanvel. A introduo de um controlador proporcional de ganho 1,15 no regime 1, no coloca o sistema em oscilao, apresenta uma pequena melhoria de desempenho, custa de uma reduo para 29.2 dB da margem de ganho e com a introduo de valores da ordem dos 110% durante alguns momentos, visvel na seguinte Figura 10.
Figura 10 Resposta ao escalo (azul em baixo) e aco de controlo (verde acima) com controlador P de ganho 1.15, a aco de controlo quase totalmente realizvel Daqui conclui-se que o controlo tradicional de um sistema fortemente no-linear e com regimes de funcionamento to dspares est severamente limitado. Consequentemente, uma abordagem baseada em controlo preditivo, em vez de puramente reactivo, trar ganhos significativos no controlo de um sistema no-linear em que no se podem garantir condies de funcionamento. Em qualquer dos regimes, a implementao de tcnicas de identificao de sistemas, em menos de dez minutos de dados, permite determinar um modelo que representa fielmente o comportamento do
sistema. Portanto, em vez de controlo reactivo com uma componente mnima de inteligncia e resultados medocres no desempenho do controlador, ser bastante melhor identificar o sistema, o que rpido e leve computacionalmente, para depois implementar uma estratgia de controlo preditivo, seguindo a estrutura apresentada na seguinte Figura 11.
Figura 11 Estrutura de controlo preditivo onde com a qual a identificao de sistemas permite optimizao do controlador
5 - CONCLUSES
Identificou-se de um sistema de tanques real estando presentes fortes no-linearidades. Os resultados apresentados ilustram a dificuldade em controlar um nvel num sistema com diversas fontes de perturbao e constrangimentos de funcionamento. Consequentemente, o sistema empregue emula bastante bem um sistema industrial real, comprovando que embora o controlo seja difcil, sempre possvel identificar a dinmica do sistema para cada regime de funcionamento. Aps a aquisio de dados, comeou-se por utilizar o algoritmo CRA para verificar qual o atraso do sistema, analisando-se depois diversos modelos capazes de o descrever, Box-Jenkins, ARMAX, ARX e OE. Seleccionou-se o OE na maioria dos casos, visto ser mais simples que os restantes e apresentar um grau de aproximao da mesma ordem de grandeza. A metodologia subsequente a esta escolha foi analisada em detalhe, sendo comparados diferentes modelos segundo a anlise de resduos e a qualidade da aproximao a dados de validao tambm gravados. Para os vrios regimes estudados foram escolhidos os modelos mais representativos. Sendo sempre suficiente o perodo de gravao de 10 minutos, para um perodo de amostragem de 3 segundos. Os modelos com representao ptima de cada regime so de tipo e ordem diversa, o que uma consequncia das no-linearidades do sistema. A implementao de controladores do processo dependente do regime de funcionamento, pelo que se constatou ser difcil afinar um controlador para todos os regimes de funcionamento, sobretudo porque vrios esto nas imediaes da instabilidade. Assim sendo, como os modelos so boas representaes do sistema, a optimizao do controlador passa pela implementao de uma estrutura de controlo preditivo, a qual pode identificar o modelo do processo em pouco tempo e assim garantir a melhorias na resposta do sistema.
AGRADECIMENTOS
Os autores manifestam a sua gratido ao apoio da Escola Superior de Tecnologia de Setbal, Instituto de Telecomunicaes e Fundao para a Cincia e Tecnologia (SFRH/BD/46772/2008).
REFERNCIAS BIBLIOGRFICAS
Aguirre, LA, Introduo Identificao de Sistemas: Tcnicas Lineares e No-Lineares Aplicadas a Sistemas Reais (2 Edio), UFMG. Gregorcic, G, Lightbody, G, A Comparison of Multiple Model and Pole-Placement Self-Tuning for the Control of Highly Nonlinear Processes, Anais da 11th Irish Signals and Systems Conference, Dublin, Irlanda, 303-311. nd Ljung, L, System Identification - Theory for the User (2 edition), PTR Prentice Hall, Upper Saddle River, EUA. Ljung, L, Glad, T, Modeling of Dynamic Systems, Prentice Hall, Englewood Cliffs, EUA. Narendra, KS, Balakrishnan, J, Ciliz, MK, Adaptation and Learning Using Multiple Models, Switching and Tuning, IEEE Control Systems Magazine, Junho 1995, 37-51. Nelles, O, Nonlinear System Identification, Springer, Berlim. Ogata, K, Modern Control Engineering (4th Edition), Prentice Hall, Englewood Cliffs, EUA. Pinheiro, E, Postolache, O, Modelling of Oscillometric Blood Pressure Monitor from white to black box models, Recent Advances in Biomedical Engineering, GR Naik (Ed.), In-Tech, Viena, ustria. Shapiro, AH, The Dynamics and Thermodynamics of Compressible Fluid Flow. Wiley & Sons, Nova Iorque.