You are on page 1of 24

Universidad Andrés Bello

Facultad 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.
21/09/2015

Santiago - 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.- Referencias
21/09/2015

2

• La decisión de los controles depende de varios factores.. la seguridad. 21/09/2015 3 . la misma que está relacionado directamente con el costo final del producto. tales como el coste. • El avance tecnológico obliga a las empresas a reemplazar sus controladores por otros modernos que le presente mayor facilidad y manipulación por parte del operario. la estabilidad la exactitud el correcto funcionamiento entre otros.Introducción • El estado actual y futuras tendencias en el campo del control de procesos industriales indican que la elección de los controladores se puede considerar como un factor importante para el desarrollo y la eficiencia de los procesos.2.

Objetivo general Conocer la importancia y la situación actual que tiene los controladores predictivos en el sector industrial.. 21/09/2015 4 .3.

.1...Describir las tendencias actuales de los controladores predictivos en la Industria 5 .Realizar una introducción sobre los controladores predictivos.Describir una perspectiva histórica de los estudios y desarrollo de los diferentes tipos de los controladores predictivos 3.3. 21/09/2015 2..Objetivos Específicos 1..Analizar los problemas y evolución de los sistemas de control predictivo 4.

no solamente se trata de controlar los diferentes sistemas de producción por medios tradicionales sino que hora se trata de utilizar sistemas de control que sean más fiables y robustos.Importancia de tema IMPORTANCIA En la actualidad. 21/09/2015 6 . los controladores predictivos se han DEL TEMA incrementado haciendo posible mejorar los sistemas automáticos a nivel industrial..4. Hoy en día. Al estudiar el controlador predictivo dentro de los sistemas de control estamos analizando las ventajas que actualmente presta este tipo de controlador a los sistemas automáticos Es importante realizar un estudio sobre el control predictivo debido a que actualmente tiene una gran aplicación en los procesos industriales modernos.

Tendencias actuales de los controladores predictivos en la Industria • Éxito. • Fabricantes de los controladores predictivos. • El estado de aplicación de las tecnologías avanzadas. • Las expectativas que cada una genera.. 21/09/2015 7 .5.Alcances Conocer a nivel industrial la importancia de los controladores predictivos • Principales problemas de control que se encuentran en la industria de procesos. • El grado de satisfacción de los usuarios . • Características de un controlador predictivo Honeywel.

.Estado del arte Introducción de los Controladores Predictivos Perspectiva Histórica Problema y Evolución de los Sistemas de Control Tendencias Actuales de los Controladores Predictivos en la Industria 21/09/2015 8 .6.

21/09/2015 9 .1 Introducción (1/2) INTRODUCCIÓN El Control Predictivo Basado en Modelo (CPBM).6. es la única técnica de control avanzado. es decir. El control PID tiene ciertas limitaciones en el control industrial. El Control Predictivo (MPC) o control predictivo basado en modelos (MBPC) como a veces se le conoce. lo cual impide que sea más rentable y más eficiente en el funcionamiento de la planta. conocido también como Model Based Predictive Control (MBPC) o simplemente Control Predictivo (MPC). más avanzado y potente que el control PID estándar [5].

Minimización de una función objetivo Predice la evolución del proceso en los instantes futuros 21/09/2015 Utilización de un horizonte de control finito Control Predictivo Es fácil de entender y ejecutar 10 .6.1 Introducción (2/2) El término Control Predictivo no designa a una estrategia de control particular sino a un conjunto de métodos de control que hacen uso explícito de un modelo del proceso para obtener la señal de control minimizando una función objetivo.

• A finales de los 70 se desarrolló el algoritmo de Control de MODELO Predictivo Heurístico (MPHC).2 Perspectiva Histórica (1/3) • En 1963 Propoi introduce el concepto de horizonte deslizante. • En 1984 Greco desarrolla el Control Adaptativo Multivariable Multipaso ("Multistep Multivariable Adaptive Control" MUSMAR) • 21/09/2015 11 . • En los años 80 Existe gran aplicación del control predictivo en el sector petroquímico. una de las ideas centrales del control predictivo. más tarde conocido por Control de Modelo Algorítmico (MAC) y el algoritmo de Control de Matriz Dinámica (DMC).6.

2 Perspectiva Histórica (2/3) • En 1987 D. • En 1989 Clarke y Mohtadi presenta un estudio sobre la visión de conjunto del Control de Modelo Predictivo (Model Predictive Control (MPC). • 21/09/2015 12 .W Clarke estableció los primeros conceptos sobre Control Predictivo Generalizado (Generalized Predictive Control GPC). Bordóns desarrolló estudios sobre Modelos de Primer Orden más Tiempo Muerto (POMTM).F. Camacho y C. • En 1987 Richalet desarrolla el Control Predictivo Funcional ("Predictive Functional Control " PFC). • En las décadas de los 90 E.6.

2 Perspectiva Histórica (3/3) • En los 90s aparece una nueva línea de trabajo sobre controladores predictivos con estabilidad garantizada. Honeywell. 21/09/2015 13 . [1]. • Actualmente existe estudios y aplicaciones de los controladores predictivos a sistemas no lineales o híbridos [3]. • Otra de las líneas de investigación abierta en los últimos años es el control predictivo robusto. incorpora control predictivo robusto en uno de sus productos ("Robust Multivariable Predictive Control RMPC). • En este contexto uno de los mayores fabricantes de sistema de control distribuido.6.

El grado de satisfacción de los usuarios. Las expectativas que cada una genera. 2.3 Problemas y Evolución de los Sistemas de Control (1/6) Los resultados de un estudio realizado por Takatsu en las industrias de Japón para la Sociedad de Automatización y Control: son indicativos de las necesidades futuras de la industria japonesa en el ámbito del control.6. En este informe se analizan los siguientes aspectos [6]: 1. 4. 3. El estado de aplicación de las tecnologías avanzadas. Principales problemas de control que se encuentran en la industria de procesos. 21/09/2015 14 .

3.6.1 Principales problemas de control 1983 Retardo Perturbaciones Interacción Respuesta Estabilidad (%) 24 21 17 16 11 1989 Retardo Interacción Perturbaciones Cambios No Lineal (%) 24 21 17 16 11 1995 Interacción Perturbaciones Retardo Cambios No Lineal (%) 24 22 21 14 7 Tabla 1: Principales problemas de control [4] Los tres primeros problemas siguen siendo los mismos en los tres años que se ha realizado la encuesta y parece que a lo largo del tiempo se resuelven problemas básicos como estabilidad y respuesta y se atacan problemas más difíciles como dinámica no lineal 21/09/2015 15 .

2 Factores claves de éxito y fracaso Tabla 2: Principales factores claves de éxito [4] Selección de la estrategia de control Selección del Equipo de Control Especificaciones Apropiadas Configuración flexible del sistema Operación de Emergencia Interface con el Operario Análisis de Proceso 14% 12% 10% 10% 10% 8% 8% Tabla 3: Principales factores claves de fracaso [4] Ausencia de análisis del proceso. 21/09/2015 16 .6. Inexactitud del 21% modelo 14% Selección de los sensores 10% Falta de rechazo a las perturbaciones 7% Selección de la estrategia de control 6% Selección de los actuadores 5% Selección del equipo de control 5% Especificaciones inapropiadas 5% Configuración rígida del sistema De estas tablas se desprende que la elección de la estrategia de control no es el único factor a tener en cuenta para garantizar un buen funcionamiento del sistema de control.3.

6.3% 9.4% 25.6% 9.8% 11% 9.3% 0% 1995 52.3% Tabla 4: Estado de las distintas técnicas [4] Obsérvese que todas crecieron excepto el control adaptativo y el autoajuste que tuvieron un ligero descenso.3 Estado de las distintas técnicas de control Técnica Compensación de retardo Borroso Control Predictivo Gain-schedulin PID avanzado Autoajuste Desacoplo Basado en reglas Filtro de Kalman Neuronal LQ Observador Control Adaptativo H∞ 1989 29.2% 17.2% 8. 21/09/2015 17 .5% 6.2% 32.5% 11.3.4% 29.8% 7% 9.4% 38% 37.5% 29.9% 15.6% 17.1% 0% 8.2% 10.7% 24.8% 32.1% 28.9% 25.

3. 21/09/2015 18 .4 Grado de Satisfacción de Distintas Técnicas Técnica Control Predictivo PID avanzado Compensación de retardo Gain-schedulin Borroso LQ Neuronal Desacoplo Filtro de Kalman Autoajuste Observador Basado en reglas Control Adaptativo H∞ 1989 76% 77% 72% 78% 67% 79% 64% 70% 60% 67% 43 50% - 1995 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 que prácticamente todos los usuarios de Control Predictivo están satisfechos.6.

desacoplo y MPC serán técnicas ampliamente usadas con grandes expectativas. el PID avanzado. Las técnicas como LQR.5 Análisis de las diferentes técnicas de control industrial Según esto. borroso. Este análisis indica que el Control Predictivo Basado en Modelo se puede considerar una tecnología suficientemente introducida en la industria y que además sigue despertando muchas expectativas 21/09/2015 Figura 1: Expectativas Posibilidades Técnicas [6] y 19 . H∞ o adaptativo se mantienen como "sin demasiadas expectativas y no fácilmente implementables". filtro de Kalman. El control neuronal despierta grandes expectativas pero tiene ciertas dificultades de implementación.3. mientras que el Autoajuste se implementa con facilidad pero pierde expectativas.6. compensación de retardo.

MPC ha tenido menor impacto en otro tipo de industrias como la robótica. registrándose casos como un controlador con 40 entradas y 80 salidas.6.4 Tendencias actuales de los controladores predictivos en la industria • La situación actual de aplicaciones de MPC en la industria está bien reflejada en el sector petroquímico (3000 aplicaciones). • Sorprendentemente. • La mayoría de las aplicaciones son en procesos multivariables. 21/09/2015 20 .

2.6. Permite al controlador tratar con todas las características importantes de la dinámica del proceso. 21/09/2015 21 .4. resultando en un control más preciso en torno al punto óptimo de operación. 3. Permitiendo al controlador conducir la salida a la trayectoria de referencia deseada.1 Éxito actual del MPC en la Industria • El éxito actual del MPC en la industria se debe a tres razones principales [4]: 1. Es un controlador que evita en lo posible su violación.

2 Característica de un controlador predictivo robusto multivariable fabricado por Honeywell Mejoramiento en comunicación de datos Mejor rendimiento Mejoramiento en el procesamiento de datos Trabajo multivariable 21/09/2015 Control continuo en tiempo real Escalable a una serie de actuadores y sensores Estable y robusto Interfaces con los operadores.4. a través de pantallas gráficas 22 .6.

3 Empresas fabricantes de controladores predictivos 21/09/2015 23 .6.4.

41092 Sevilla. y Bordons Carlos. www. Escuela Superior de Ingenieros. Presente y Futuro. [6] Takatsu Haruo.honeywellonramp. España. Tecnología y Nuevas Perspectivas” Departamento de Ingeniería de Sistemas y Automática Universidad de Sevilla I Curso de Especialización en Automática. (2002). Control Predictivo: Pasado. [5] Maciejowski J.M. (1996). [3] Catálogo Honeywell Inc “Model Predictive Control”. [2] Camacho Eduardo F. 21/09/2015 24 . Itou Toshiaki. “Control Predictivo: Metodología.Referencias [1] Bordons Alba Carlos (2000)..aspx . [4] Pérez de la Parte María de las Mercedes (2005) “Tesis Doctoral Control Predictivo con Modos Deslizantes” Universidad de la Rioja Sevilla.com/TechnicalResources/Pages/Model-PredictiveControl.7. “Report and topics of the control technology investigation in Japanese industry” . Universidad de Sevilla. Proceedings of the 35th Conference on Decision and Control Kobe. “Predictive Control with Constraints” Person education. Japan.