Professional Documents
Culture Documents
TESIS
PARA OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS EN INGENIERA QUMICA
PRESENTA
I.Q.M. ELENA ELSA BRICIO BARRIOS
ASESOR
DR. JOS ENRIQUE JAIME LEAL
COMIT
DR. ADRIN BONILLA PETRICIOLET
DR. CARLOS ALBERTO SOTO BECERRA
NDICE
AGRADECIMIENTOS
DEDICATORIA
A Santiago Arceo, que indudablemente ha sido mi Pepe Grillo por tanto aos y
espero tener la fortuna de continuar con l por lo que me reste de vida.
NDICE DE TABLAS
20
35
Parmetros de ajuste de la referencia obtenido por el mtodo de ZieglerNichols y optimizados para un controlador PID implementado en un
sistema de tanques interconectados. .............................................................
37
35
40
41
Parmetros de ajuste de la referencia obtenido por el mtodo de ZieglerNichols y optimizados para un controlador PI implementado en un reactor
CSTR. ...........................................................................................................
42
10
44
11
43
46
SMC.................................................................................................................. 46
12
13
48
14
49
15
51
16
17
53
19
53
18
51
57
20
58
21
58
22
60
61
24
63
63
III
NDICE DE FIGURAS
13
13
29
33
36
38
47
50
52
IV
54
55
LISTA DE SMBOLOS
S(t)
Superficie deslizante
Xo
Parmetro de ajuste
()
()
Constante en el tiempo
t0
Tiempo muerto
ltima ganancia
ltimo periodo
VI
Tamao de paso
ABREVIATURAS
Controlador Proporcional
Controlador Integral
Controlador Derivativo
PI
Controlador Proporcional-Integral
PD
Controlador Proporcional-Derivativo
PID
Controlador Proporcional-Integral-Derivativo
SMC
FOPDT
CS
Cuckoo Search
AG
Algoritmos Genticos
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
. . .
VII
RESUMEN
1. INTRODUCCIN
1.1. Introduccin
1.2. Objetivos
1.2.1. General
Incorporacin de la estrategia estocstica de optimizacin global Cuckoo Search
para la localizacin de los parmetros de ajuste de un sistema de control de tipo PI/PID
y SMC sobre cuatro casos de estudio de Ingeniera Qumica y su comparativo respecto a
las tcnicas de sintonizacin clsicas.
1.2.2. Especficos
1.4. Justificacin
2. MARCO TERICO
sistema. De esta forma, la variable controlada oscila continuamente entre los lmites
requeridos por el elemento de control (Nishida, 2011).
Si bien la principal ventaja de este controlador es su bajo precio de instalacin y
mantenimiento, ste posee una escasa precisin para trabajar con modelos de dinmica
compleja (Kou et al., 2008). La Figura 1 muestra la accin de control de un esquema
tipo On-Off para un proceso donde se requiere controlar la temperatura.
() = ()
(1)
(2)
(3)
(4)
()
() = ()
(5)
(6)
()
(7)
(8)
()
() = + ()
(9)
(10)
Sin embargo, la aplicacin de este esquema de control est limitado debido a que
no puede compensar completamente las desviaciones del sistema y un componente
Derivativo ligeramente excesivo produce a la inestabilidad del sistema (Leyva, 2009).
2.2.2.6. Control PID
El controlador PID combina en un nico controlador las mejores cualidades de
cada elemento de control (Proporcional, Integral y Derivativo). La accin Proporcional
10
corrige la posicin del actuador en una cuanta proporcional al error, siendo de efecto
instantneo y enrgico. La accin Integral gira el vstago del actuador a una velocidad
proporcional a la seal del error, es de efecto lento y progresivo y acta hasta anular la
desviacin permanentemente. La accin Derivativa corrige la posicin del actuador en
una magnitud proporcional a la velocidad de cambio del error producindose un efecto
anticipativo al considerar la tendencia de la variable controlada.
Este sistema de control est expresado en el dominio del tiempo y en el dominio
de Laplace por:
= + +
() = +
()
+ ()
(11)
(12)
13
El control SMC es atractivo para una clase muy amplia de sistemas debido a su
capacidad para tratar con no-linealidades as como con incertidumbres y perturbaciones
del sistema de manera directa. Particularmente, este tipo de esquema de control resulta
muy til en sistemas con presencia de respuesta inversa (Camacho et al., 1999).
2.2.4.1. Diseo de un sistema de control SMC
El primer paso en el diseo del SMC es definir la superficie deslizante, S(t), la
cual se selecciona por representar un comportamiento estable. As, de acuerdo al trabajo
reportado por Camacho y Smith (2000), S(t) es una ecuacin integro-diferencial que
acta sobre la expresin de rastreo del error y est definida por:
=
(13)
=0
(14)
(15)
(16)
()
(17)
() +
=
()
(18)
+1
(19)
0 +1
= +1
()
(20)
0 +1
2 ()
2
+ 0 +
+ = ()
(21)
Lo cual define a una ecuacin diferencial de segundo orden (n=2). Este orden se
sustituye la Ecuacin (14), la cual describe a la superficie de deslizamiento:
=
+ 1 + 0
(22)
15
()
2
2
+ 1
+ 0 = 0
(23)
2 ()
2
()
+ 1
()
+ 0 = 0
(24)
0 +
()
()
0
+ 0 +
2 ()
2
+ 1
()
(25)
Puesto que las derivadas de los valores de referencia pueden descartarse sin
afectar la accin del controlador, la Ecuacin (26) se simplifica a:
=
0 +
()
()
0
+ 0
(26)
Y considerando que:
1 =
0 +
(27)
()
+ 0
(28)
As, la ley de control que define al sistema de control SMC y que est
representado por la adiccin de las partes continuas y discontinuas antes descritas est
dada por:
=
()
+ 0 () +
()
() +
(29)
()
+ 1 + 0
(30)
16
Por otra parte y de acuerdo a lo reportado por Camacho y Smith (2000), para
asegurar que la superficie deslizante se comporte como un sistema sobreamortiguado, 0
est dada por:
0 =
12
(31)
0 = 4
(32)
0.51
0.76
0
= 0.68 + 0.12 1
(33)
(34)
Cabe mencionar que las expresiones que definen al controlador SMC de las
Ecuaciones (29) y (30) estn en funcin de las expresiones , 1 , y y a su vez,
estos parmetros estn en funcin de los valores K, y t0. Por lo que, la robustez de este
esquema de control estar en funcin de los valores asignados a estos parmetros de
ajuste.
En las ltimas dcadas han sido publicados una gran variedad de estudios
relacionados a los esquemas de control de estructura deslizante (SMC), principalmente
abarcando diversos sectores industriales. Sin embargo, aun cuando su aplicacin en
problemas del rea de Ingeniera Qumica todava est limitada, existen algunos casos
con resultados satisfactorios. Algunos ejemplos es el trabajo de Camacho y Smith
(2000), quienes utilizaron un SMC para controlar la operacin de un tanque de mezclado
y un reactor continuo. Chen y Peng (2005) disearon un SMC aplicado a procesos
qumicos de primer y segundo orden y en un reactor con retardo en la entrada (2006).
Mihoub et al. (2009) aplicaron un modelo discreto del SMC de segundo orden para el
control de un reactor qumico. Musmade et al. (2011) disearon un SMC y lo utilizaron
en un conjunto de problemas (un proceso de fermentacin, un reactor isotrmico y un
proceso hidrulico). Kravaris y Savoglidis (2012) aplicaron un SMC para un sistema de
bioreactor continuo.
17
Si bien estos esquemas de control (SMC) han mostrado una accin de control
robusta en los casos que se han aplicado, este comportamiento tambin est
condicionado a la adecuada seleccin de los parmetros de sintonizacin (Camacho y
Smith, 2000; Nasir et al., 2010).
18
19
Controlador
/2
PI
/2.2
/1.2
PID
/1.7
/2
/8
20
= =
=
(35)
(36)
(37)
21
23
de tipo SMC (Hamzah et al., 2013; Obaid et al., 2013; Dehdarinejad et al., 2013; Kessal
y Rahmani, 2014).
+1
+ ()e
(38)
donde ( > 0) es el tamao de paso el cual debe estar relacionado a las escalas del
problema bajo estudio (generalmente se asigna un valor unitario), es la solucin del
problema en un tiempo previo al siguiente movimiento para generar una nueva solucin,
y Levy(i) es la distribucin Levy. El vuelo de Levy esencialmente proporciona un camino
aleatorio mientras la longitud de paso aleatorio se extrae de la distribucin Levy.
El principio de colocacin de huevos de estas aves en los nidos husped es
anlogo al que siguen en la naturaleza algunas especies de moscas de frutas y aves en la
bsqueda de alimento (Higuera et al., 2010), lo cual es de manera aleatoria, ya que la
trayectoria que siguen es al azar pues cada movimiento se basa partiendo de la
ubicacin actual y en funcin de una determinada probabilidad para cambiar de posicin
en cierta direccin.
24
El nmero de nidos es fijo y cada huevo puesto por el Cuckoo tiene probabilidad
de ser descubierto por el ave husped con una probabilidad 0,1 en cuyo
caso estos huevos (elementos) son eliminados y sustituidos en otros espacios de
bsqueda. Una descripcin ms detallada de este algoritmo es descrita en el
trabajo de Yang y Deb (2009).
Es por ello que el objetivo de este trabajo es la incorporacin de esta reciente
(39)
(40)
(41)
(42)
e) Integral del producto del tiempo y el valor absoluto del error (I.T.E.A.)
Este ndice penaliza de sobremanera la duracin de la desviacin:
. . . . =
(43)
26
3. METODOLOGA
R()
+-
e()
Control
U()
Proceso
X()
donde R() es el valor deseado de la variable a controlar dentro del proceso estudiado,
X() es el valor de la variable de control a la salida del proceso, e() es el error o
desviacin existente entre el valor deseado de la variable de control y su respuesta a la
salida del proceso y U() es la accin del controlador a la entrada del proceso. El
smbolo () se refiere a que las seales que intervienen en la entrada-salida de cada
bloque pueden estar en el dominio del tiempo (t) o en el dominio de Laplace (s). La
expresin matemtica para el clculo del error est definida por:
=
(44)
27
del algoritmo que fueron utilizadas para el ajuste de los parmetros de los controladores
PI/PID y SMC.
3.2. Descripcin de los esquemas de control
Tal como se mencion en el Marco Terico de este trabajo, un esquema de
control es el elemento responsable de generar una seal correctiva que continuamente es
enviada al elemento final de regulacin del proceso, con el fin de alcanzar, restablecer o
mantener las condiciones deseadas del proceso. Adems, los diversos modos de
actuacin que determinan la salida del controlador se denominan modos de regulacin y
stos son dependientes de la incorporacin combinada de diferentes acciones de control.
Por lo anterior, existe una amplia diversidad de estructuras de control que se han
desarrollado y acoplado, mostrando sus bondades y ventajas en los casos estudiados. De
acuerdo a su estructura, estas estrategias se clasifican como estrategias de control
clsicas o modernas y su accin depende en gran medida de las caractersticas del
problema en que se incorpore.
En este trabajo se estudi un esquema de control clsico (PI/PID) y un esquema
de control moderno (SMC), para tener un comparativo de su efecto sobre cada caso a
tratar.
R()
+-
e()
Control
U()
Proceso
X()
29
ii)
iii)
iv)
v)
vi)
(45)
30
Tanto las ecuaciones gobernantes del proceso como del controlador incorporado
al sistema, se desarrollaron a travs de programacin de bloques de SIMULINK. El
algoritmo de optimizacin CS es el creado por Yang y Deb (2009) y est codificado en
lenguaje de MATLAB, as, tanto los bloques de SIMULINK y el cdigo del CS se
acoplaron para tener la estructura del sistema de control de la Figura 6.
Tanque agitado que es alimentado con un flujo a alta y otro a baja temperatura.
Se desea mantener la temperatura a la salida de una tubera que conecta al
tanque a 150F
32
4. RESULTADOS
33
1.68 0.25
1.1+1 0.21+1
(46)
Las dos constantes de tiempo (1.1 y 0.21 min) estn asociadas con la
capacitancia del tanque y el canal de retraso, respectivamente. La constante 0.25 min
est relacionada al retraso de la seal en el actuador, cuyo elemento de retraso (e-0.25s)
puede obtenerse mediante una aproximacin de Pad de primer orden, representada por:
10.125
0.25 = 1+0.125
(47)
1.68 10.125
1.1+1 0.21+1 1+0.125
(48)
(49)
34
Cota inferior
Cota superior
2.4
1.92
0.6
Optimizados
Referencia
fobj.(Mayor)
fobj.(Promedio)
fobj.(Menor)
1.2
2.25
2.12
1.41
0.96
0.87
0.85
0.77
0.3
0.17
0.17
0.17
fobjetivo.
1.2E-6
1E-33
5.16E-13
4.47E-11
35
36
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
Referencia
2,86E1
6,11E2
1,46E3
3,77E1
6,43E2
fobj.(Mayor)
7,42E1
1,09E4
2,39E4
6,83E2
5,80E3
fobj.(Promedio)
6,28E1
1,61E4
3,45E4
9,53E2
7,63E3
fobj.(Menor)
4,77E1
5,37E1
1,15E2
3,24
2,51E1
Acorde a los datos numricos expuestos en la Tabla 4, se muestra que los valores
referenciados presentan un menor error si se considera el I.E. Sin embargo, al considerar
el resto de los ndices de desempeo los parmetros optimizados muestran un menor
error respecto a los obtenidos con los valores referenciados. Considerando lo anterior, y
excluyendo al ndice I.E., el orden de la robustez del sistema de control estar dado en
el siguiente orden: fobj.(Menor) < referenciados <fobj.(Mayor)< fobj.(Promedio).
Para remover el calor producido por la reaccin, el reactor es rodeado por una
chaqueta a travs de la cual un fluido refrigerante fluye a 27C. Al iniciar la reaccin
exotrmica, la temperatura del sistema se incrementar, por lo que el flujo del
refrigerante variar con el objetivo de estabilizar la temperatura del reactor a 88C.
Se consideran los siguientes supuestos:
(50)
(51)
(52)
+273
(53)
Transmisor de Temperatura:
80
20
(54)
Vlvula de control:
(55)
(56)
39
Tabla 5. Descripcin de los parmetros de diseo y sus valores en estado estable para un
sistema de reactor CSTR.
Variable
Descripcin
Valor
1.133/3
2.88 /3
Temperatura en el reactor.
88C
27C
Calor de reaccin.
-9.6E7 J//
1.815E5 J/
3550 J/2
1000 /3
5.4 2
19.2 /3
Volumenn de la chaqueta.
1.82 3
F(t)
0.45 3 /
0.020 2 /
4184 /
50
0.33 min
4.462 3 /
1.182E7 /
Temperatura de la chaqueta.
50.5 C
0.254
7.08 3
8314.39 /
0.4
40
(57)
Cota inferior
Cota superior
6.66E-3
41
Tabla 7. Parmetros de ajuste de la referencia obtenido por el mtodo de ZieglerNichols y optimizados para un controlador PI implementado en un reactor CSTR.
Parmetro
Optimizados
Referencia*
fobj.(Mayor)
fobj.(Promedio)
fobj.(Menor)
2.49
2.33
1.24
3.33E-3
5.4E-3
5.01E-3
4E-3
fobjetivo.
2.5E-6
1E-33
1.5E-11
1.18E-9
fobj.(Promedio) poseen
valores cercanos, por lo que su dinmica transitoria ser semejante, mientras que la
magnitud de la funcin objetivo difieren en 22 rdenes de magnitud. Adems, la
funcin objetivo de la referencia es tres veces mayor respecto a fobj.(Menor).
Con los valores de los parmetros de ajuste de la Tabla 7, se realiz la
simulacin del proceso para as visualizar el comportamiento transitivo que presenta
cada esquema para retornarlo a la estabilidad, como se muestra en la Figura 10.
transitiva ms lenta.
4.2.2. Implementacin de un sistema de control SMC
Considerando la estructura de control a lazo cerrado representado por la Figura 2
se implement un esquema de control de tipo SMC representado por las Ecuaciones (29)
y (30). Posteriormente, la estructura de control se acopl la etapa del algoritmo de
optimizacin para el ajuste de parmetros que est representado por la Figura 6. La
ecuacin que describe la funcin objetivo corresponde a la Ecuacin (57), mientras que
los valores que comprende el espacio de bsqueda se muestra en la Tabla 8.
Cota inferior
Cota superior
3.9
6.66E-3
4.05
43
Optimizados
Referencia*
fobj.(Mayor)
fobj.(Promedio)
fobj.(Menor)
1.95
0.50
1.62
4.23
0.85
1.48
1.49
1.79
1.35
2.86
1.84
1.33
fobjetivo.
8.5E-2
3.52E-24
6.57E-7
5.22E-5
44
45
ndices de desempeo
I.E.
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
Referencia
9,65E6
1,34E-03
1,82
2,60E1
2,36E4
fobj.(Mayor)
9,44E6
8,88E-04
1,20
1,67E1
2,34E4
fobj.(Promedio)
9,37E6
8,08E-04
1,15
1,72E1
2,56E4
fobj.(Menor)
9,34E6
4,34E-03
2,22
3,19E1
7,09E4
ndices de desempeo
I.E.
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
Referencia
1,28E8
6,23E1
4,74E3
8,56E4
9,07E6
fobj.(Mayor)
9,63E7
5,31E-1
4,47E2
5,27E2
4,57E5
fobj.(Promedio)
1,39E8
5,32E-1
6,27E2
4,06E2
6,92E5
fobj.(Menor)
1,36E8
3,40
1,86E3
6,52E3
3,90E6
La Tabla 10 muestra que para el control PI, los ndices obtenidos con los
parmetros optimizados son menores y, por consiguiente, mejores en comparacin a los
ndices generados a travs de los datos referenciados. El orden de los parmetros en la
generacin del error mnimo que en este caso es el I.E.C. es: fobj.(Promedio) < fobj.(Mayor)
<fobj.(Menor)<referenciado.
Para el caso del controlador SMC, la Tabla 11 muestra los resultados de los
ndices obtenidos. Se observa que el ndice I.E.C. son los que presentan magnitudes
46
47
Tabla 12. Valores lmites donde se realiz la bsqueda de los parmetros de ajuste
optimizados para un controlador PI implementado un sistema de reactor CSTR con
presencia de perturbacin en el flujo de alimentacin.
Parmetro
Cota inferior
Cota superior
3.6
6.66E-3
48
Optimizados
Referencia*
fobj.(Mayor)
fobj.(Promedio)
fobj.(Menor)
1.8
1.84
2.01
1.82
3E-3
4.4E-3
4.99E-3
4.2E-3
fobjetivo.
5.1E-5
1E-33
1.81E-21
9.82E-20
Tomando los valores de la Tabla 13, se procedi a efectuar las simulaciones del
sistema para visualizar el comportamiento transitivo que tiene la variable de control
(temperatura del reactor) hasta lograr su asentamiento, sto se ilustra en la Figura 13.
49
los
parmetros
optimizados.
As
mismo,
se
observa
que
Tabla 14. Valores lmites donde se realiz la bsqueda de los parmetros de ajuste
optimizados para un controlador SMC implementado un sistema de reactor CSTR con
perturbacin a la entrada.
Parmetro
Cota inferior
Cota superior
26
1.64E-2
Optimizados
Referencia*
fobj.(Mayor)
fobj.(Promedio)
fobj.(Menor)
3.71
1.65
2.24
13
9.54
1.42
1.49
1.6
0.59
1.73
1.19
fobjetivo.
8.2E-2
9.77E-26
9.69E-8
4.89E-6
La Tabla 15 muestra que tanto los parmetros de ajuste de referencia como los
optimizados poseen diferente magnitud, por lo que la dinmica transitoria para cada
conjunto de parmetros que corresponde a los valores optimizados y los calculados por
51
las referencia ser nica. Mientras que, la funcin objetivo se observa que los
parmetros optimizados nuevamente son menores respecto a los referenciados.
De igual manera, los parmetros de ajuste reportados en la Tabla 15 fueron
empleados para generar las simulaciones correspondientes del sistema de control y
visualizar su dinmica transitiva para cada conjunto de parmetros de ajuste. As, la
Figura 14 muestra el comparativo de este comportamiento.
Las Tablas 16 y 17 muestran los resultados de dichos ndices para cada conjunto de
parmetros y en cada controlador estudiado, respectivamente.
Tabla 16. ndices de desempeo obtenidos de un sistema CSTR con perturbacin a la
entrada empleando un control PI.
Parmetros
ndices de desempeo
I.E.
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
Referenciados
1,74E7
9,09
9,41E2
7,57E3
8,77E5
fobj.(Mayor)
1,73E7
1,58E1
1,59E3
1,14E4
1,17E6
fobj.(Promedio)
1,72E7
8,41
8,10E2
6,29E3
6,06E5
fobj.(Menor)
1,73E7
8,68
8,31E2
6,57E3
6,30E5
ndices de desempeo
I.E.
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
Referenciados
1,13E8
2,18E2
1,31E4
3,58E5
2,68E7
fobj.(Mayor)
7,18E7
5,21E1
4,21E3
5,39E4
4,61E6
fobj.(Promedio)
7,87E7
1,58E2
9,26E3
2,28E5
1,46E7
fobj.(Menor)
7,79E7
1,41E4
4,22E4
6,85E7
1,84E8
53
Para el caso del controlador SMC, la Tabla 17 muestra que, de igual forma, los
parmetros optimizados generan en ciertos casos magnitudes de los ndices menores a
los obtenidos a travs de los parmetros de referencia. En este caso y considerando el
ndice I.E.C., el orden de los parmetros es: fobj.(Mayor)<fobj.(Promedio)<referenciado<
fobj.(Menor).
Figura 15. Dinmica de accin del controlador de un sistema CSTR con perturbacin a
la entrada, empleando un controlador de tipo PI y SMC.
La Figura 15 muestra, al igual que en el caso previo, que el control SMC genera
una accin de control ms suave respecto al del control PI. Una vez ms se observa que
el controlador SMC reduce la alta dinmica de accin, respecto a lo que se obtiene al
implementar los controladores clsicos en este caso de estudio.
54
1 1 1 + 2 2 2 1 + 2 3 3 =
3
(58)
4 = 3 0
Tiempo muerto:
0 =
(60)
+2
4 100
100
(61)
Posicin de la vlvula:
(59)
(62)
Ecuacin de la vlvula:
2 =
500
60
(63)
56
Tabla 18. Descripcin de los parmetros de diseo y sus valores en estado estable para
un sistema de un tanque de agitacin continua.
Variable
Descripcin
Valor
250 /
191.17 /
0.8 /
fluido caliente.
2
1.0/
fluido fro.
3
0.9/
fluido en el tanque.
3
0.9/
fluido en el tanque.
1
250F
50F
150F
62.4 / 3
0.478
15 3
0.5
Posicin de la vlvula.
0.478
12 /
16 psi
0.2006 2
Longitud de la tubera.
125 ft
. . = (150 )2
(64)
Tabla 19. Valores lmites donde se realiz la bsqueda de los parmetros de ajuste
optimizados para un controlador PI para un tanque de agitacin con mltiples
perturbaciones en el flujo de alimentacin del fluido caliente.
Parmetro
Cota inferior
Cota superior
-1.0
-0.44
Optimizados
Referencia*
fobj.(Mayor)
fobj.(Promedio)
fobj.(Menor)
-0.5
-0.30
-0.28
-0.26
-0.22
-0.13
-0.14
-0.17
fobjetivo.
6.12E-6
4.68E-16
1.12E-3
4.2E-2
58
Con cada vector que corresponde a los parmetros de ajuste calculados por los
autores y los optimizados se evalu el comportamiento transitivo que tiene la variable
de control (temperatura de salida de la tubera), como se muestra en la Figura 17.
59
Cota inferior
Cota superior
5.94
4.64
1.56
60
Optimizados
Referencia*
fobj.(Mayor)
fobj.(Promedio)
fobj.(Menor)
2.97
2.05
2.28
1.69
2.32
2.10
2.16
2.32
-0.78
-0.56
-0.58
-0.62
fobjetivo.
2.26E-18
6.59E-15
2.0E-3
1.92E-2
Con los valores reportados en la Tabla 22, se realizaron las simulaciones del
sistema a controlar para evaluar su dinmica transitiva con cada conjunto de parmetros
de ajuste. La Figura 18 muestra dicho comportamiento de la dinmica para cada
conjunto de parmetros de ajuste obtenidos.
61
62
ndices de desempeo
I.E.
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
Referenciados
2,44E6
4,26
1,89E2
2,43E2
1,12E4
fobj.(Mayor)
2,37E6
5,59
2,06E2
2,93E2
1,12E4
fobj.(Promedio)
2,36E6
4,49
1,69E2
2,07E2
8,11E3
fobj.(Menor)
2,35E6
3,73
1,55E2
2,13E2
9,27E3
ndices de desempeo
I.E.
I.E.C.
I.E.A.
I.T.E.C.
I.T.E.A.
Referenciados
2,43E6
4,86
2,1E2
3,15E2
1,35E4
fobj.(Mayor)
2.67E6
3,84
1,86E2
1,67E2
8,45E3
fobj.(Promedio)
2.49E6
5,8
2,38E2
3.2E2
1,24E4
fobj.(Menor)
3.12E6
3,58
1,83E2
2,52E2
1,3E4
Figura 19. Dinmica del controlador de un tanque un tanque de agitacin con mltiples
perturbaciones en el flujo de alimentacin del fluido caliente, empleando un controlador
de tipo PI y SMC.
La Figura 19 muestra que el control SMC genera una dinmica ms suave (pocas
oscilaciones) en comparacin a la dinmica por parte del control PI. Este
comportamiento es anlogo al obtenido en otros casos de estudio mostrados en las
secciones anteriores, por lo que la implementacin de un sistema de control moderno
con parmetros de ajuste optimizados, la accin del controlador causar menores daos
respecto al control clsico PI.
64
5. CONCLUSIONES
5.1. Generales
De acuerdo a los resultados obtenidos en estos casos de estudio, la aplicacin de
la estrategia de optimizacin de tipo estocstica Cuckoo Search ha mostrado ser una
buena opcin para el ajuste de parmetros en controladores de tipo PID y SMC. .
Se localizaron los parmetros ptimos de ajuste para el control PID/PI donde se
encontr que en tres de los cuatro casos analizados que los parmetros fobj.(Promedio) y
fobj.(Mayor) eran cercanos, proporcionando una dinmica transitoria semejante. Mientras
que para el control SMC no se observ este comportamiento.
Al evaluar la
5.2. Especficas
Al analizar los casos que comprendan perturbaciones de tipo menor (reactor
qumico),
intermedio
(reactor
qumico
con
perturbacin),
unitario
(tanques
66
6. BIBLIOGRAFA
Altinten, A.; Erdogan, S.; Alioglu, F.; Hapoglu, H. y Alpbaz M. (2004). Application
of adaptive PID with genetic algorithm to a polymerization reactor. Chemical
Engineering Communications volumenn 191, pp. 1158-1172.
Angulo, F. (2013). Nonlinear control, CSTR Reactor, LQR, Lyapunov. Control
Engineering Practice, volumen 20, pp. 1129-1145.
Basilio, J. y Matos, S. (2002). Design of PI and PID controllers with transient
performance specification. IEEE Transaction on Education, volumen 45, pp. 364370.
Beni, G. y Wang, J. (1989). Swarm intelligence in cellular robotic systems, proceed.
NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy.
Blum, C. y Roli, A. (2003). Metaheuristic in combinatorial optimization: overview
and conceptual comparison. Applied Mathematics and Computation, volumen 3, pp.
268-308.
Camacho, O.; Rojas, R. y Garca, W. (1999). Variable structure control applied to
chemical processes with inverse response. ISA Transactions, volumen 38, pp. 55.
Camacho, O. y Smith, A. (2000). Sliding mode control: an approach to regulate
nonlinear chemical processes. ISA Transactions, volumen 39, pp 205-218.
Chang, W.; Hwang; R. y Hsieh, J. (2003). A multivariable on-line adaptive PID
controller using auto-tuning neurons. Engineering Applications of Artificial
Intelligence, volumen 16, pp. 57-63.
Chang, W. y Yan, J. (2005). Adaptive robust PID controller design based on a
sliding mode for uncertain chaotic systems. Chaos, Solutions and Fractals, volumen
26, pp. 167-175.
Chalupa, P.; y Novak, J. (2013). Modeling and model predictive control of a
nonlinear hydraulic system. Computers and Mathematics with Applications,
volumen 64, pp. 2647-2662.
Chen, C. y Peng, S. (2005). Design of a sliding mode control system for chemical
processes. Journal of Process Control, volumen 15, pp. 515-530.
67
Chen, C. y Peng, S. (2006). A sliding mode control scheme for non-minimum phase
non-linear uncertain input-delay chemical processes. Journal of Process Control,
volumen 16, pp. 3745.
Cheng-Hung, C.; Naidu, D. y Schoen, M. (2009). A hybrid adaptative control
strategy for a smart prosthesis hand. IEEE Engineering Medicine and Biology
Society, volumen 31, pp. 5056-5069.
Cheng-Hung, C. y Subbaram. N. (2013) Hybrid control strategies for a five-finger
robotic hand. Biomedical signal processing and control, volumen 8, pp. 382-390.
Colorni, A.; Dorigo, M. y Maniezzo, V. (1991). Distributed Optimization by Ant
Colonies, Actes de la Premiere Conference Euroeenne sur la vie Artificielle, Paris,
France, Elseiver Publishing, pp. 134-142.
Congying, L.; Shixing, W.; Zhi, Y. Junygon, Y. y Huijin, W. (2008). Anti-windup
nonlinear PID controller design and its application to winged missile control system.
Proceeding of the 27 the Chinese control conference, pp. 377-379.
Deb, K.; Pratap, A.; Agarwal, S. y Mayarival, T. (2002). A fast and elitist multiobjetive algorithm. Computer and Operation Research, volumen 40, pp. 1616-1624.
Dehdarinejad, M.; Abyaneh, H.; Razavi, F. y Hosseini, S. (2013). Optimization of
SMC parameters using PSO in a Full-Bridge DC-DC converter with inductive load.
IEEE International Conference on Smart Energy Grid Engineering, Article number
6707925.
Farzin, N.; Sulaiman, A.; Gavahian, S.; Soltani, A. y Roosta, S. (2011). Design
Mathematical Tunable Gain PID-Like Sliding Mode Fuzzy Controller with
Minimum Rule base. International Journal of Robotics and Automation, volumen 2,
pp. 146-152.
Gill, P.; Murray, W. y Saunders. M. (2005). An SQP algorithm for large scale
constrained optimization. SIAM Review, volumen 47, pp. 99-131.
Glober, F. (1989). Tabu Search- Par1.ORSA Journal on Computing, volumen 2, pp.
4-32.
Goldberg, D. (1989). Genetic algorithms in search, optimization and machine
learning. Kluwer Academic Publishers.
Haugen, Finn. (2010). Comparing PI tuning methods in a real benchmark
temperature control system. Identification and Contro, volumen. 3, pp. 79-91.
68
Hamzah, N.; Sam, Y., Selamat, H. y Ariin, M. (2013). GA-based sliding mode
controller for yaw stability improvement. 9th Asian, control conference, ASCC
2013.
Higuera, O.; Aguero, C.; Canas, J. y Millan, S. (2010). Qsearch: bsqueda
optimizada aplicada a la calibracin de controladores PID en un cuadricptero
autnomo. Proccedings of VIII Workshop Robocity 2010.
Holland, J. (1975). Adaptation in Natural and Artificial Systems, Ann Arbor:
University of Michigan Press.
Jian, X y Lei, Q. (2014) Robust adaptative PID control of robot manipulator with
bounded disturbances. Advances in Mechanical Engineering, volumen 201, pp. 1326.
Jianhua, Z. y Junghu. C. (2013). PID control strategy for networked process control.
Hindawin Publishing Corporation Mathematical Problems in Engineering, volumen
2013, pp. 11-22.
Jing-Nang, L.; Tsung-Min, L y Chien-Ching, C. (2014). Modeling validation and
control analysis of air conditioning system. The scientific World Journal, volumen
2014, pp. 1-10.
Johnston, C. (1998). Geographic Information Systems in Ecology. Methods in
Ecology. First Edition. Blackwell Science Ltd. Malden, USA, volumen 14, pp. 134142.
Jun, Z.; Jizhuang, F.; Yanhe, Z.; Jie, Z. y Wenjie, Z. (2014). One nonlinear PID
control the improved the control performance of a manipulator actuate by a
pneumatic muscle actuator. Advances in Mechanical Engineering, volumen 2014,
pp. 150-169.
Kennedy, J. y Erthart, R. (1995). Particle Swarm Optimization. Purdue School of
Engineering and Technology.
Kessal, A. y Rahmani, L. (2014). GA-optimized parameters of sliding-mode
controller based on both output voltage and input current with an application in the
PFC of AC/DC converters. IEEE Transactions on Power Electronics, volumen 29,
pp. 3159-3156.
Kirkpatrick, S.; Gellat, C. y Vechhi, M. (1983). Optimization by simulated
annealing, Sciences, volumen 220, pp. 617-680.
69
73
7. APNDICES
74
75
76
Las Ecuaciones 50, 51, 52, 53, 54, 55 y 56 as como las acciones de control
fueron entrelazadas tal como se muestra en el diagrama global.
78
79
80