Universidad Andrés BelloFacultad de Ingeniería

Ingeniería en Automatización y Robótica

CONTROL AVANZADO

TEMA: CONTROL PREDICTIVO: DEFINICIÓN Y ESTRUCTURA DEL CONTROL PREDICTIVO BASADO EN MODELO

PARTE I

Profesor: Dr. John Kern M.

Santiago - 201521/09/2015 1

1.-Temario

• 1.- Temario• 2.- Introducción• 3.- Objetivo General

– 3.1.- Objetivos Específicos• 4.- Importancia del Tema• 5.- Alcances• 6.- Estado del Arte

– 6.1 Introducción de los Controladores Predictivos– 6.2 Perspectiva Histórica– 6.3 Problema y Evolución de los Sistemas de Control– 6.4 Tendencias Actuales de los Controladores

Predictivos en la Industria• 7.- Referencias21/09/2015 2

• El estado actual y futuras tendencias en el campo del controlde procesos industriales indican que la elección de loscontroladores se puede considerar como un factorimportante para el desarrollo y la eficiencia de los procesos,la misma que está relacionado directamente con el costo finaldel producto.

• El avance tecnológico obliga a las empresas a reemplazar suscontroladores por otros modernos que le presente mayorfacilidad y manipulación por parte del operario.

• La decisión de los controles depende de varios factores, talescomo el coste, la seguridad, la estabilidad la exactitud elcorrecto funcionamiento entre otros.

2.- Introducción

21/09/2015 3

21/09/2015 4

Conocer la importancia y la situación actualque tiene los controladores predictivos enel sector industrial.

3.- Objetivo general

1.- Realizar una introducción sobre los controladores predictivos.

2.- Describir una perspectiva histórica de los estudios y desarrollo de los diferentes tipos de los controladores predictivos

3.- Analizar los problemas y evolución de los sistemas de control predictivo

4.- Describir las tendencias actuales de los controladores predictivos en la Industria

3.1.- Objetivos Específicos

21/09/2015 5

IMPORTANCIA DEL TEMA En la actualidad, los controladores predictivos se han

incrementado haciendo posible mejorar los sistemasautomáticos a nivel industrial.

Hoy en día, no solamente se trata de controlar losdiferentes sistemas de producción por medios tradicionalessino que hora se trata de utilizar sistemas de control quesean más fiables y robustos.

Al estudiar el controlador predictivo dentro de los sistemasde control estamos analizando las ventajas queactualmente presta este tipo de controlador a los sistemasautomáticosEs importante realizar un estudio sobre el control predictivodebido a que actualmente tiene una gran aplicación en losprocesos industriales modernos.

21/09/2015 6

4.- Importancia de tema

Conocer a nivel industrial la importancia de los controladores predictivos• Principales problemas de control que se encuentran en la industria

de procesos.• El estado de aplicación de las tecnologías avanzadas.• El grado de satisfacción de los usuarios .• Las expectativas que cada una genera.

Tendencias actuales de los controladores predictivos en la Industria • Éxito.• Características de un controlador predictivo Honeywel.• Fabricantes de los controladores predictivos.

5.- Alcances

21/09/2015 7

Introducción de los Controladores Predictivos

Perspectiva Histórica

Problema y Evolución de los Sistemas de Control

Tendencias Actuales de los Controladores Predictivos en la Industria

6.- Estado del arte

21/09/2015 8

6.1 Introducción (1/2)

21/09/2015 9

INTRODUCCIÓN El Control Predictivo Basado en Modelo (CPBM),conocido también como Model Based Predictive Control(MBPC) o simplemente Control Predictivo (MPC),

El Control Predictivo (MPC) o control predictivo basadoen modelos (MBPC) como a veces se le conoce, es laúnica técnica de control avanzado, es decir, másavanzado y potente que el control PID estándar [5].

El control PID tiene ciertas limitaciones en el controlindustrial, lo cual impide que sea más rentable y máseficiente en el funcionamiento de la planta.

El término Control Predictivo no designa a una estrategia de control particularsino a un conjunto de métodos de control que hacen uso explícito de un modelodel proceso para obtener la señal de control minimizando una función objetivo.

21/09/2015 10

6.1 Introducción (2/2)

Control Predictivo

Predice la evolución del proceso en los

instantes futuros

Minimización de una función

objetivo

Utilización de un horizonte de control finito

Es fácil de entender y

ejecutar

• En 1963 Propoi introduce el concepto de horizonte deslizante,una de las ideas centrales del control predictivo.

• A finales de los 70 se desarrolló el algoritmo de Control deMODELO Predictivo Heurístico (MPHC), más tarde conocidopor Control de Modelo Algorítmico (MAC) y el algoritmo deControl de Matriz Dinámica (DMC).

• En los años 80 Existe gran aplicación del control predictivo enel sector petroquímico.

• En 1984 Greco desarrolla el Control Adaptativo MultivariableMultipaso ("Multistep Multivariable Adaptive Control"MUSMAR)

•

6.2 Perspectiva Histórica (1/3)

21/09/2015 11

• En 1987 D.W Clarke estableció los primeros conceptos sobreControl Predictivo Generalizado (Generalized PredictiveControl GPC).

• En 1987 Richalet desarrolla el Control Predictivo Funcional("Predictive Functional Control " PFC).

• En 1989 Clarke y Mohtadi presenta un estudio sobre la visiónde conjunto del Control de Modelo Predictivo (ModelPredictive Control (MPC).

• En las décadas de los 90 E.F. Camacho y C. Bordóns desarrollóestudios sobre Modelos de Primer Orden más Tiempo Muerto(POMTM).

•

6.2 Perspectiva Histórica (2/3)

21/09/2015 12

• En los 90s aparece una nueva línea de trabajo sobrecontroladores predictivos con estabilidad garantizada.

• Otra de las líneas de investigación abierta en los últimos añoses el control predictivo robusto.

• En este contexto uno de los mayores fabricantes de sistemade control distribuido, Honeywell, incorpora control predictivorobusto en uno de sus productos ("Robust MultivariablePredictive Control RMPC).

• Actualmente existe estudios y aplicaciones de loscontroladores predictivos a sistemas no lineales o híbridos [3],[1].

6.2 Perspectiva Histórica (3/3)

21/09/2015 13

6.3 Problemas y Evolución de los Sistemas de Control (1/6)

Los resultados de un estudio realizado por Takatsu en lasindustrias de Japón para la Sociedad de Automatización yControl: son indicativos de las necesidades futuras de laindustria japonesa en el ámbito del control. En este informese analizan los siguientes aspectos [6]:

1. Principales problemas de control que se encuentranen la industria de procesos.

2. El estado de aplicación de las tecnologías avanzadas.3. El grado de satisfacción de los usuarios.4. Las expectativas que cada una genera.

21/09/2015 14

6.3.1 Principales problemas de control

1983 (%) 1989 (%) 1995 (%)

Retardo 24Perturbaciones 21Interacción 17Respuesta 16Estabilidad 11

Retardo 24Interacción 21Perturbaciones 17Cambios 16No Lineal 11

Interacción 24Perturbaciones 22Retardo 21Cambios 14No Lineal 7

Los tres primeros problemas siguen siendo los mismos en los tres años que seha realizado la encuesta y parece que a lo largo del tiempo se resuelvenproblemas básicos como estabilidad y respuesta y se atacan problemas másdifíciles como dinámica no lineal

Tabla 1: Principales problemas de control [4]

21/09/2015 15

6.3.2 Factores claves de éxito y fracaso

Tabla 2: Principales factores claves de éxito [4]

Tabla 3: Principales factores claves de fracaso [4]

Ausencia de análisis del proceso. Inexactitud delmodeloSelección de los sensoresFalta de rechazo a las perturbacionesSelección de la estrategia de controlSelección de los actuadoresSelección del equipo de controlEspecificaciones inapropiadasConfiguración rígida del sistema

21%

14%10%

7%6%5%5%5%

Selección de la estrategia de controlSelección del Equipo de ControlEspecificaciones ApropiadasConfiguración flexible del sistemaOperación de EmergenciaInterface con el OperarioAnálisis de Proceso

14%12%10%10%10%

8%8%

De estas tablas se desprende que la elección de la estrategia decontrol no es el único factor a tener en cuenta para garantizar unbuen funcionamiento del sistema de control.

21/09/2015 16

6.3.3 Estado de las distintas técnicas de control

Tabla 4: Estado de las distintas técnicas [4]

Obsérvese que todas crecieron excepto el control adaptativo y elautoajuste que tuvieron un ligero descenso.

21/09/2015 17

Técnica 1989 1995Compensación de retardoBorrosoControl PredictivoGain-schedulinPID avanzadoAutoajusteDesacoploBasado en reglasFiltro de KalmanNeuronalLQObservadorControl AdaptativoH∞

29.6%9.9%

25.4%25.7%24.8%32.2%17.5%6.3%9.1%0%

8.2%8.2%

10.3%0%

52.4%38%

37.2%32.5%29.4%29.1%28.6%17.9%15.5%11.8%11%9.8%7%

9.3%

6.3.4 Grado de Satisfacción de Distintas Técnicas

Técnica 1989 1995Control PredictivoPID avanzadoCompensación de retardoGain-schedulinBorrosoLQNeuronalDesacoploFiltro de KalmanAutoajusteObservadorBasado en reglasControl AdaptativoH∞

76%77%72%78%67%79%

-64%70%60%67%43

50%-

94%89%89%87%83%70%69%66%66%65%63%61%56%50%

Tabla 5: Grado de satisfacción de distintas técnicas [4]

Como conclusión interesante se destaca el hecho de queprácticamente todos los usuarios de Control Predictivo estánsatisfechos.21/09/2015 18

Según esto, el PID avanzado, compensación deretardo, borroso, desacoplo y MPC serántécnicas ampliamente usadas con grandesexpectativas. El control neuronal despiertagrandes expectativas pero tiene ciertasdificultades de implementación, mientras queel Autoajuste se implementa con facilidad peropierde expectativas. Las técnicas como LQR,filtro de Kalman, H∞ o adaptativo semantienen como "sin demasiadas expectativasy no fácilmente implementables".Este análisis indica que el Control PredictivoBasado en Modelo se puede considerar unatecnología suficientemente introducida en laindustria y que además sigue despertandomuchas expectativas

Figura 1: Expectativas yPosibilidades Técnicas [6]

6.3.5 Análisis de las diferentes técnicas decontrol industrial

21/09/2015 19

6.4 Tendencias actuales de los controladores predictivos en la industria

• La situación actual de aplicaciones de MPC en la industria estábien reflejada en el sector petroquímico (3000 aplicaciones).

• La mayoría de las aplicaciones son en procesos multivariables,registrándose casos como un controlador con 40 entradas y80 salidas.

• Sorprendentemente, MPC ha tenido menor impacto en otrotipo de industrias como la robótica.

21/09/2015 20

• El éxito actual del MPC en la industria se debe a tres razones principales [4]:

1. Permite al controlador tratar con todas las característicasimportantes de la dinámica del proceso.

2. Permitiendo al controlador conducir la salida a latrayectoria de referencia deseada.

3. Es un controlador que evita en lo posible su violación,resultando en un control más preciso en torno al puntoóptimo de operación.

6.4.1 Éxito actual del MPC en la Industria

21/09/2015 21

Control continuo en tiempo real

Mejoramiento en comunicación de datos

Interfaces con los operadores, a través de pantallas gráficas

Mejor rendimiento

Trabajo multivariable Estable y robusto

Escalable a una serie de actuadores y sensores

Mejoramiento en el procesamiento de datos

6.4.2 Característica de un controlador predictivo robusto multivariable fabricado por Honeywell

21/09/2015 22

6.4.3 Empresas fabricantes de controladores predictivos

21/09/2015 23

7.- Referencias

[1] Bordons Alba Carlos (2000), “Control Predictivo: Metodología, Tecnología yNuevas Perspectivas” Departamento de Ingeniería de Sistemas y AutomáticaUniversidad de Sevilla I Curso de Especialización en Automática.[2] Camacho Eduardo F. y Bordons Carlos, Control Predictivo: Pasado, Presente yFuturo, Escuela Superior de Ingenieros. Universidad de Sevilla, 41092 Sevilla,España.[3] Catálogo Honeywell Inc “Model Predictive Control”.www.honeywellonramp.com/TechnicalResources/Pages/Model-Predictive-Control.aspx .[4] Pérez de la Parte María de las Mercedes (2005) “Tesis Doctoral ControlPredictivo con Modos Deslizantes” Universidad de la Rioja Sevilla.[5] Maciejowski J.M. (2002), “Predictive Control with Constraints” Personeducation.[6] Takatsu Haruo, Itou Toshiaki, (1996), “Report and topics of the controltechnology investigation in Japanese industry” , Proceedings of the 35th

Conference on Decision and Control Kobe, Japan.

21/09/2015 24